一萬人服務一億四千萬人：Nubank 創辦人談全球銀行業的下半場

目錄

1. 我以為剩下的只是互相搶份額
2. 一萬人對十萬人加六千家分行
3. 鯊魚離開水面的時候
4. 帶得走的一件事

凡治國之道，必先富民。民富則易治也，民貧則難治也。 —— 《管子・治國》（戰國）

2026 年 10 月 13 日《Invest Like the Best》第 495 集，主持人 Patrick O’Shaughnessy 訪談 Nubank 創辦人 David Vélez。他在節目裡給的框架數字是：全球消費金融約 10 兆美元規模，九成的量還走實體分行，所有新型銀行加起來不到一成；Nubank 用 1 萬名員工服務 1.4 億名客戶，服務單一客戶的成本約為傳統銀行的 3%。這些數字都出自他本人的口述，節目上沒有第三方核對，而且這套成本優勢要跨出拉丁美洲才算驗證過——他自己講的熊市情境，就是國際化失敗、三個國家飽和。

我以為剩下的只是互相搶份額

五年前他上過同一個節目，那時 3,500 萬客戶，現在 1.4 億。我看到這條曲線的第一反應是「該平了」：數位銀行已經是成熟類別，台灣、美國、巴西各有幾家，接下來就是補貼、交叉銷售、互相挖對方的客戶。我把它歸到「存量重分配」那一格。

更要緊的是我對 AI 這一層押錯了邊。寫軟體的成本掉下來以後，我原本的推論是規模與資料會貶值——一個三人團隊接上模型，幾個月就能把別人十年的產品重做一遍，所以新進者有利。照這個推論，Nubank 這種已經很大的公司會變成下一個被掀掉的對象。

一萬人對十萬人加六千家分行

他拆這件事的方式讓我沒話講。他把全球銀行業比成百視達還開著門的那個年代：九成的人還在走進店裡租 VHS 和 DVD，Netflix 那類服務握著一成。這個比喻我聽過很多次，差別在他接著把分母攤開——所有新型銀行與金融科技公司加總不到 10%，所以遷移才剛開始。

成本那一段是整集最硬的地方。他的對手用 10 萬名員工、6,000 家分行服務 1 億客戶，他用 1 萬名員工服務 1.4 億，單客服務成本因此落在對方的 3% 左右，而這層差距在 AI 進來之前就存在了。

省下來的錢去哪裡？他的答案是手續費歸零、利率讓給客戶。這條推理可以一路接到他的財務指標：收費比對手少，股東權益報酬率卻是對手的兩到三倍，他說這就是成本結構優勢的樣子。

他把問題分成三桶：取得、成本、智能。取得這桶是全世界還有 30 億人拿不到任何信貸產品，墨西哥與哥倫比亞的信用卡滲透率 13%。成本這桶他舉美國：零售存款約 15 兆美元，銀行平均只付 40 個基點的利息，在利率 4.5% 到 5% 的環境下，一年約 6,000 億美元留在銀行帳上，拿去養實體網點；再加上 5% 到 10% 的匯款費、每月 5 到 15 美元的帳戶管理費。智能這桶他講得最狠：收入前 1% 的人有私人銀行家幫他調度帳戶、挑稅務結構、拿貸款去跟幾家銀行比價，剩下 99% 什麼都沒有，而「用金融教育解決這件事」從來沒成功過，因為沒人會坐下來上課。他們現在在巴西每天對 1,500 萬客戶做的事是：你在別家的卡明天到期、那裡沒錢、逾期利息一天 15%，我先借你去付；或者你那筆 10% 的貸款，我用 5% 幫你轉掉。

那我原本押的新創那一邊呢？他給了兩道關卡。第一道是執照：你可以叫模型重寫一整套軟體，但叫不出一張銀行執照，也沒辦法讓監管機關把兩三年的核照壓成六個月。第二道是資料：1.4 億名客戶、每人兩萬到三萬個資料點、橫跨 13 年，他們拿這批料自建了金融服務的基礎模型，用在信貸與催收決策上，還把研究publish出來。新創跑得快，補不上這個厚度。

但他沒有停在「我們資料多」。有人問他當年怎麼贏過有百年歷史的銀行，他的回答是百視達的資料也多得要命——誰走進店裡、在哪一卷帶子前面停下來、租了沒租，那些事天天發生。那堆資料沒有讓百視達做出更好的推薦，因為他們沒有去接、沒有系統接得住、也沒有拿資料做決定的文化，所以 Netflix 從零資料起步照樣做出更好的演算法。規模要配上系統與文化才算數，這句話把他前面講的護城河自己上了一道保險。

我整集最喜歡的是墨西哥街角那個賣塔可的攤子。他每天賣、每天收現金，那些交易沒有進任何帳本，所以他借不到錢。等到那筆交易落進數位帳本，他就能拿著自己的金流去跟銀行說：看我的流水，給我信用。借到了，一攤變兩攤、變五攤。同一個邏輯讓他們願意發出 20 美元的信用額度——銀行當時覺得荒謬，可是對客戶來說 20 美元比零好，後來變成 100、變成 1,000。他說他們是 3,000 萬拉丁美洲人的第一張信用卡。

最後是組織那一段，他講得很具體。他們用 Clojure 寫程式，整個 2025 年試各家模型都不堪用，最資深的工程師下了結論說這條路不通。轉折點是 2025 年 12 月的 Opus 4.6，而他們晚了 60 天才知道——幾個合夥人跑到加州跟一批早期創業者見面，發現世界已經變了，回去重測新模型，才確認模型寫 Clojure 寫得成。那 60 天在他眼裡是跟頂尖公司之間拉開的距離。回巴西之後他們進入 code red：盤出 120 條工作流，從產品設計、認識客戶流程、內部稽核、法遵到法定資本管理全部用 AI 重做，同時補上評測基礎設施，才知道每一步到底變好了沒。組織從十層壓到五層，他本人從 1 個直屬變成 20 個。他的說法是，資訊在十層之間傳遞，每一層都有一次被扭曲的機會。

鯊魚離開水面的時候

我現在的判讀換了順序：先找那家公司有沒有別人數得出來的實體差距，再聽敘事。員工數、分行數、單客成本、股東權益報酬率，這些是外部可以數的；「我們更有創新文化」不是。這集之所以說服我，靠的是 1 萬對 10 萬這組可被查核的數字，不是他講得好。

他自己留了天花板。他說 Nubank 是「數位水域裡的鯊魚」，被迫在有分行、有 ATM 的線下世界競爭時，戰力掉得很明顯——剛進墨西哥那幾年就是這樣，當地人習慣用現金。這句話同時解釋了他的優勢與他的限制：美國仍是一個分行與品牌的市場，他說在美國最難的一件事就是建品牌，而且不想靠砸行銷買。

還有三件事我沒聽到答案。第一，資料護城河跨國之後剩多少？巴西 13 年的行為資料能不能承保一個美國人，他的說法是進新市場第一天就帶著基礎模型進去，驗證沒給。第二，兩到三倍的股東權益報酬率裡含著新興市場的利差結構，搬到美國要重算，而他自己也說美國幾家老銀行的報酬率已經高過部分新興市場銀行。第三，整集的數字都是他自己報的。

如果你也在分不清一家公司的成長是順風還是本事，這集提供的是一個可操作的切法：把對手的人力與固定資產數出來，再看這家公司收得比對手少卻賺得比對手多多少。差距落在成本結構上，它會留在財報裡；差距落在故事上，下一季就不見了。

他講 HR 的那段給了同一件事的另一個版本——現在的員工每六個月拿一次回饋，裡面裝的多半是最近 30 天的印象，他說拿這種回饋去練奧運選手會死得很慘，因為奧運選手身邊天天有人在校正。可查的東西要高頻率地查，這在組織裡跟在投資上是同一條規矩。

帶得走的一件事

那家公司晚了 60 天才知道世界變了，裡面坐著一屋子聰明人，連最資深的工程師都給了「這條路不通」的結論。差別在他們當時站在哪裡——真正解除誤判的，是幾個人飛去加州，坐在一批正在用新工具的人對面。

我自己試過一個做法，分享給你：挑一件你每天都在做的事（帶小孩、跑步、記帳、寫報告都算），找一個做同一件事但方法跟你不同的人，問他「你最近改掉了哪一步，為什麼」。不要問他用什麼工具——工具他會講給你聽，被他丟掉的那一步才是他付過學費的地方。我問過之後，有兩次發現自己守著的習慣已經沒有理由了。

Markdown 原文

本文為投資方法論的教育性分享，不構成任何個股買賣建議、不提供目標價、不針對當期標的。投資有風險，任何決策請自行判斷或諮詢合格的專業人士。