谈到泰国的信贷市场，出海团队最常引用的一个判断是：约 70% 的泰国人口缺乏传统信用记录，放款方不知道该把钱借给谁。报告的概述章也把它列为泰国金融科技需要应对的三个问题之一。

这个判断描述的是起点，放到 2025 年已经不够用了。LINE BK 在聊天软件 LINE 里做开户和借款。截至 2025 年，它有约 90 万贷款客户，贷款余额超过 270 亿泰铢。FINNIX 提供无抵押的循环信用额度，据其官方披露累计放款超过 610 亿泰铢。两家服务的都是自由职业者、低收入人群和拿不出收入证明的“薄文件”用户。把钱借给没有信用记录的人，在泰国已经有人做到了规模。

难题移到了下一步：同一个用户，可以在几个平台同时借钱。

2026年9月，ADVANCE.AI 发布《2026泰国金融科技报告》（以下简称“报告”）。本篇为报告专题解读系列的借贷篇。报告在这一部分的判断是：泰国数字借贷已从高速扩张转入规范化发展。预计出台的先享后付（BNPL）专项规则，可能把负债收入比管理和跨平台负债查询带进放款流程。

本篇回答两个问题：泰国现在由谁在放款，各自凭什么判断风险？跨平台的负债为什么没人算得全，2026 年的规则会怎样改变这件事？

一、四种模式：放款方各看各的账

四种模式，四套数据

按报告口径，泰国的数字借贷覆盖先享后付、点对点网络借贷（P2P）、数字个人信贷和供应链融资，申请与授信都在线上完成。以贷款余额计，这一市场从 2024 年的约 140 亿美元增至 2025 年的约 170 亿美元，同比增长 21%。

报告把放款方归为四种模式。四种模式的产品形态相近，都是小额、线上、审批快；拉开差距的，是各自判断风险所依据的数据。

银行系数字信贷以开泰银行 K PAY LATER、汇商银行 SCB PayLater 为代表。它们依托母行风控体系和存量客户放款，看得见用户在本行的账户流水与征信记录。超级应用嵌入式信贷以 Grab PayLater 和 Shopee 旗下 SPayLater 为代表。它们把分期嵌进打车、外卖和购物流程，看得见用户在平台内的订单、消费频次与履约。

独立 BNPL 平台多为外资背景，靠与零售商户合作获客，以免息分期切入，看得见用户在合作商户处的消费与还款。第四种是泰国央行（BOT）推动的 PromptBiz。它整合贸易数据与支付数据，按应收账款和采购订单为中小企业融资，看得见企业的发票与收付款。

四套数据各自完整，彼此不通。每一家放款方看到的，都只是用户在自己场内的那一段。

跑得最远的两家，股东里都有大银行

把视角挪到下沉客群。LINE BK 于 2020 年推出，由开泰银行体系内的投资公司与 LINE 的金融业务公司合资运营。用户不出 LINE 就能开户、转账和借款。截至 2025 年，LINE BK 客户数达 840 万，贷款客户约 90 万。借款产品覆盖个人信用额度、纳米信贷额度，以及面向 LINE MAN Wongnai 商户的经营周转贷款。

MONIX 同样成立于 2020 年，由 SCBX 集团与 Abakus Group 合资。旗下的 FINNIX 用机器学习模型做信用评估，提供最高 10 万泰铢的无抵押循环额度。申请、审批、放款和还款，全部在手机上完成。

报告披露了规模数据的这两个下沉样本，共同点很清楚：一侧是泰国头部银行，另一侧是握有入口或模型的伙伴。银行有牌照、资本和成熟的风控流程，却很难触达没有工资单的人；平台和技术方有入口和行为数据，却缺放款资格与资本。两家走的都是合资这条路，因为任何一方单独都补不齐另一半。

这条路也有它的节奏。按此推算，LINE BK 的贷款客户约占其客户总数的 11%，户均贷款余额约 3 万泰铢。开户的门槛已经压得很低，授信仍只放给其中一小部分人，额度也压得很紧。

报告延伸阅读： LINE BK 与 MONIX 各自靠什么获客、怎样控制风险？报告第四章 4.1 节“数字借贷”部分拆解了两家的合资结构、服务客群与商业模式，并梳理了四种放贷模式的分野。

市场在收拢：BNPL 走向三四家，P2P 持牌与开业之间差着 5 家

放款方的数量也在收紧。报告引用的市场研究预计，泰国 BNPL 市场到 2027 年将整合为 3—4 家主导平台。小型玩家会被吸收、合并，或转向细分垂直场景。BNPL 在 2021—2024 年经历过一轮 24% 的高速增长，报告的判断是它已进入规范化发展阶段。

P2P 借贷的数字更直观。截至 2025 年 10 月，泰国共有 12 家 P2P 平台拿到财政部的运营牌照，其中 7 家已开业；截至 2025 年 12 月，另有 5 家仍在央行监管沙盒中测试。

留在场上的平台越来越少，每家覆盖的用户却在重叠。一个用户可以在银行 App 里开通分期，在外卖平台上用先享后付，购物时再拆一笔三期免息，三家各自的账都是干净的。

三笔加在一起是多少，没有一家算得出来。

二、负债盲区：跨平台的账，没有一家放款方算得全

替代数据补得了人，补不了账

泰国国家信用局（NCB）是传统信用评估的核心数据源，汇集的是金融机构成员的贷款与信用数据。报告在分析 BNPL 风险时指出，部分 BNPL 债务没有充分纳入传统信用评估体系；用户可以在多个平台同时使用，累计负债可能超出实际还款能力，金融机构难以及时掌握其真实负债水平。

缺口的成因在供给结构上。报告把 BNPL 服务商分为两类：受银行法监管的持牌金融机构，以及嵌入电商、支付和出行场景、监管边界仍在明确中的非持牌服务商。NCB 只收成员机构的数据；第二类服务商放出去的钱，天然落在它视野边缘。

替代数据只能补上一半。电信缴费、电商履约、公用事业账单和设备行为，能说明一个人身份是否稳定、有没有按时付账的习惯。它们说明不了他此刻在另外几个平台一共欠了多少。前者回答“这个人是谁、会不会还”，后者回答“他还得起多少”。替代数据补得了人，补不了账。

这个缺口短期内不会自动闭合。BOT 推动的开放数据机制，预计从 2026 年底的个人存款数据共享起步。贷款、支付、电子货币和信用卡数据，要到 2027—2028 年才逐步纳入。在那之前，放款方拿不到一张覆盖全市场的负债视图。

压力不只落在放款方身上。BOT 和国际货币基金组织（IMF）都把泰国家庭债务与 BNPL 的快速增长列为关注点，担心消费者在多平台叠加借贷后过度负债。监管的关注点一旦落到“借给了谁、借了多少”，这个缺口就会被写进规则。

负债收入比，先要知道总负债

报告梳理了 BOT 预计在 2026 年发布的 BNPL 专项规则可能包含的方向。按报告载稿时（2026 年 3 月）的信息，以下均为监管释放的预期，正式条款以 BOT 发布为准。

一是牌照，BNPL 服务商可能需要申请消费信贷相关牌照，注册资本参考现有非银行消费贷款业务的标准。二是负债水平，用户的 BNPL 负债可能按月收入 30%—40% 的区间管理。服务商也可能需要通过 NCB 或其他信用数据机制，查询用户在其他平台的负债。三是价格，年化利率可能参考 15%—20% 的区间，手续费与罚息的约束会更明确。四是披露，须告知总还款额与逾期影响，避免“0 利息”式营销造成误导。

四项里，第二项对放款流程的改动最直接。要管住负债收入比，放款方先得拿到两个数：用户在所有平台上的负债合计，以及他的月收入。对一个没有工资单、同时在三个平台用分期的用户，这两个数恰好都是最难拿到的。规则一旦按这一方向落地，查清用户在其他平台的负债，会成为每一笔授信之前的必经步骤。

利率区间的影响落在另一侧。年化利率若被约束在 15%—20% 附近，靠高费率覆盖高坏账的模式难以为继。报告的判断是，客群会从次优和高风险用户转向更稳定的人群。定价空间收窄之后，放款方能承受的误判也跟着变少。

这一判断有前提。若正式规则没有写入跨平台负债查询，或 NCB 对 BNPL 负债的覆盖提前扩面，本文关于多头识别将成为合规必需项的推断需要重估。若规则发布时点后移，上文的节奏判断也要相应调整。

报告延伸阅读： BNPL 专项规则落地后，哪些模式会被挤出、合规成本涨在哪几处？报告第六章 6.3 节从机会、挑战与建议三个层面，拆解了专项规则对出海企业的具体影响。

拒贷也要说得出理由

看全负债之后，还有第二道要求。个人数据保护委员会（PDPC）于 2026 年发布 AI 数据保护指引草案。草案提出，金融机构用 AI 做信用评分时，应关注可解释性与公平性，在不利或拒绝性决策中保留人工监督。

《个人数据保护法》（PDPA）没有专门的自动化决策条款。企业用 AI 处理个人数据，仍要遵守合法性、目的限制、数据最小化、透明性和问责等基本原则。用户也享有访问、更正、反对和限制处理等权利。报告的建议是，贷款拒绝这类高影响决定，不宜完全交给模型。

报告为此建议出海企业在产品设计阶段预留五项合规接口：数据授权、模型审计、人工复核、日志留存和用户申诉（具体请阅读报告）。

这与上一个问题叠在一起。替代数据用得越多，模型的输入越复杂，一笔拒贷的理由越难讲清。放款方接下来要同时回答两件事：这个人在别处欠了多少，以及凭什么拒绝他。三个问题里，跨平台负债和收入估算落在数据与模型上，是技术可以直接补的部分。

三、补齐账本：把跨平台负债和收入估算接进授信流程

对上跨平台负债：在申请环节识别多头借贷

第二节提到，用户在多个平台叠加的 BNPL 负债，有一部分停留在 NCB 的视野边缘，每家放款方只看得见自己那一段。ADVANCE.AI 的信贷风控方案在贷前做两件事。一是信用反欺诈：对申请人的身份、联系方式和账户信息做多维核验，结合黑名单过滤，识别虚假资料与异常申请。二是信用评估：把多平台借贷识别和收入消费洞察纳入评分，识别多头借贷与团伙欺诈。两件事配合规则引擎与关系图谱，还能找出多份申请之间共用的身份、联系人或账户。

在印度尼西亚、菲律宾等市场，ADVANCE.AI 已与当地官方征信体系合作搭建信用评估模型。在泰国可接入的数据范围，需结合客户授权与本地数据合作条件评估。落到业务上，是让同一个人在第三个平台提交申请时，放款方能在授信之前看到他已有的借款。

对上负债收入比：给拿不出工资单的人估出收入

负债收入比的另一半是收入。第一节里的下沉客群，自由职业者、小商户、缺少固定收入证明的人，恰好都拿不出一张工资单。

ADVANCE.AI 的本地征信与评分服务结合债务人洞察与收入预测，把客群区分为高、中、低风险层级。贷中持续监测信用动态并推送风险预警，放款方可以据此调整额度与定价。评分模型提供标准化与定制化两种形态，放款方可按自身授信策略和本地规则选用。报告在分析这类能力的泰国适配价值时，给出的用途是提升无信贷记录群体的获贷率。

对一个没有工资单的用户，放款方也能算出一个有依据的负债收入比，并在他的负债上升时及时收紧额度。以上为报告已披露的能力，具体适配方案需结合企业的业务形态与本地合作安排单独评估。

结语

开头那个流行的判断，说泰国放款难在找不到人。LINE BK 和 FINNIX 的规模说明，这一步已经有人走通。

报告呈现的下一阶段，难点换了位置。四种放贷模式各看各的账，部分 BNPL 负债停在征信视野的边缘，而预期中的专项规则要求放款方管住负债收入比。开放数据要到 2027—2028 年才覆盖贷款数据，这段空档只能由放款方自己补。拒贷的理由怎样向用户和监管讲清，也仍要在各家自己的流程里作答。

在泰国，下一轮能把信贷规模做上去的，会是最先看全一个人账本的那几家放款方。

自 2020 年起，ADVANCE.AI 持续编写国别金融科技报告，已覆盖东南亚、拉美、非洲三大洲十余个国家和地区，《2026泰国金融科技报告》是该系列东南亚国别报告之一。