10月6日，Plaid发布新一代LendScore。其中的Arc模型采用Transformer架构，通过分析交易顺序、时间及相互关系来识别风险。该产品面向贷款机构，旨在提供更精准的风险评估，而非直接面向消费者放款。
从连接账户到分析流水，Plaid如何将枯燥的交易数据与“财务自由”挂钩？
01 重新认识Plaid：从数据桥梁到风险洞察
Plaid的核心业务是帮助用户在授权后，将金融账户连接至各类应用与服务。用户在 frontend 操作，Plaid 在 backend 搭建数据桥梁。
这一角色虽靠近贷款审批环节，但长期存在一道鸿沟：数据接通后，谁负责解读？Plaid曾指出，许多新移民或有稳定工作储蓄的人群，因传统信用记录薄弱，难以获得合理利率的汽车贷款。他们的信用档案虽薄，但财务生活并非空白。
在此背景下，“财务自由”的含义被务实化：在申请金融服务时，让收入和储蓄成为有效的信用证明。然而，愿景落地需要具体产品支撑。
02 客户需求驱动：从提供数据到提供答案
贷款机构往往缺乏时间、资金和技术资源去深度处理原始交易数据，其核心诉求常为“直接给出风险评估结论”。
针对这一痛点，Plaid逐步完善其产品矩阵：
- 2023年11月：成立消费者报告机构主体，提供基于授权现金流数据的信用风险洞察。
- 2024年6月：推出Consumer Report，整合收入、支出、余额稳定性及风险信号，生成可供贷款机构、租赁方及BNP服务商使用的报告，最长覆盖24个月数据。
- 2025年10月：推出LendScore测试版。首个模型LS1基于近10亿笔交易数据训练，用于预测无抵押贷款未来12个月的违约风险。
这一演进路径清晰表明，Plaid的角色已从单纯的数据传输者，转变为风险评分的直接提供者。
03 竞争与合作：并未颠覆，而是融合
市场曾猜测Plaid将挑战传统征信巨头FICO。然而，双方选择了合作路线。
2025年11月，Plaid与FICO宣布合作开发结合传统信用信息与现金流数据的UltraFICO Score；2026年5月，该合作产品正式商用。需区分的是，LendScore是Plaid独立的评分产品，而UltraFICO则是将其数据融入现有评分体系的合作成果。
FICO强调，新UltraFICO沿用机构熟悉的评分尺度，无需大幅改造现有系统。这并非推翻旧秩序，而是将新材料引入传统风控框架。
04 技术进阶：银行流水的“阅读理解”
Plaid的技术升级体现在对交易数据的深层理解上：
- 2026年4月：推出交易基础模型，优化商户识别与交易分类，解决原始流水中商户名称不规范的问题。
- 2026年6月：推出序列基础模型，分析交易的先后顺序、间隔及重复节奏。
以两位收入相近的用户为例：
用户甲在工资到账后支付房租账单，某月因房屋维修短暂透支，但随后恢复正常；用户乙同样收入，但工资优先偿还短期贷款和信用卡，依赖小额转账周转，陷入“透支-补入-再透支”的循环。
传统月度报表可能显示两人财务状况相似，但Arc模型能捕捉到甲是偶发冲击，乙则是结构性资金紧张。这种基于时序关系的信号提取，弥补了静态指标的不足。
对于海外现金贷从业者而言，这揭示了一个关键问题：“按时还款”不等于“具备持续还款能力”。通过分析还款前后的资金流向，可以更准确地区分偶发性逾期风险与系统性偿债压力。
05 模型成效与体验优化
此次发布的不仅是Arc模型，还包括升级后的核心模型Ls2及针对汽车、住房、短期借贷的专用模型。官方测试数据显示，相比核心模型，Arc对深度次级信用借款人的预测表现提升20%，对超优质信用借款人提升24%。这表明该模型不仅服务于信用缺失人群，也能在优质客群中细化风险分层。
同日推出的Instant Link功能则致力于优化用户体验。已授权用户无需重复连接银行账户，贷款机构可在两秒内获取已授权的现金流洞察。需注意，这是数据获取速度的提升，而非放款速度的承诺，且严格遵循用户授权原则。
06 可解释性与未来展望
随着AI模型在风控中的应用，可解释性成为关键。Plaid披露，Arc配备解释机制，可追踪特定交易对评分的贡献，并生成原因代码，用于贷款机构的拒贷通知。这提升了透明度，避免了“黑箱”操作带来的合规风险。
回归Plaid的使命，其核心价值在于让原本因资料不足被拒绝的人获得公平机会，同时避免过度授信给依靠借新还旧维持生存的借款人。
从连接账户到提供报告，再到参与信用判断，Plaid正沿着其数据基础设施的定位稳步前行。对于有工作、有储蓄但缺乏信用记录的申请人而言，银行流水终于成为有力的信用佐证；对于风控从业者而言，深入理解客户资金流转的全过程，将是提升风控精度的重要方向。
