Vesta AI 抵押贷款融资令传统贷款系统承压

Vesta 完成了 3000 万美元 B 轮融资，以扩大 AI 智能体在抵押贷款发起流程中的应用，使其总融资额达到 8500 万美元。Vesta AI 抵押贷款融资轮对至今仍控制美国大量贷款业务的老旧软件带来了新的压力。

据该公司的融资公告，Conversion Capital 领投本轮融资。战略投资方包括 Pennymac、New American Funding、Citi Ventures、nbkc bank、First American 和 FirstKey Mortgage。现有投资者 Andreessen Horowitz、Zigg Capital 和 Navitas 也参与了本轮融资。

这些参与方之所以重要，是因为其中几家并非仅仅押注财务回报。它们是对抵押贷款生产流程有直接敞口的贷款机构、金融机构或基础设施提供商。它们的参与为 Vesta 带来的价值超过了传统风投背书：愿意支持其运营模式的客户。

核心竞争并非 Vesta 与另一家小型抵押贷款初创公司之间的较量，而是 AI 原生的记录系统与既有贷款发起系统之间的竞争；后者周围已环绕着插件、集成和人工流程。

Vesta 表示，其软件让 AI 智能体和员工能够在同一份贷款档案中协作。这种方式不同于在旧平台之上增加聊天机器人或自动化层，但也带来了更严峻的考验。

该公司必须证明，自主软件能够完成受监管的运营工作，同时保持准确性、可解释性、审计记录和人工控制。抵押贷款机构不能仅因任务由智能体完成，就接受更低的标准。

Vesta AI 抵押贷款融资押注的是运营模式，而不只是功能

这笔新资金押注 AI 智能体应当进入抵押贷款记录系统内部，也就是实际管理贷款决策和文件的地方。

Vesta 将其产品称为 AI 原生贷款发起系统，即 LOS。LOS 是管理抵押贷款从申请、承保到结案和放款流程的核心平台。

该公司由 Mike Yu 和 Devon Yang 于 2020 年创立，两人此前都曾任职于 Blend。他们没有再打造一个面向借款人的应用程序，而是专注于贷款流程背后的运营平台。

这一区别塑造了 Vesta 部署 AI 的方式。其智能体可以审查申请、核对信息、检查文件，并将异常情况转交给员工。该公司表示，每一项操作都会与贷款的审计记录保持关联。

Vesta 报告称，AI 智能体和自动化工作流目前已完成其平台上约 40% 的任务。该公司还表示，这些智能体在整个 2026 年都在处理实际生产贷款。

这些数据仍由公司自行报告，尚未得到广泛的独立验证。不过，它们描述的部署规模已远超过有限的聊天机器人试点或内部演示。

Vesta 还报告称，在此前十二个月中，其营收增长超过十二倍。该公司表示，客户数量和员工人数均增长逾 50%。

使用 Vesta 或正在迁移至该平台的贷款机构，每年发放的贷款超过 1000 亿美元。这一数字衡量的是客户的放贷活动，并非 Vesta 的营收或处理量。

本轮融资正值 Vesta 从试验阶段迈向大型机构部署之际。New American Funding 计划从 2027 年开始分阶段推广。Verus Mortgage Capital 已在其非合格抵押贷款业务中用 Vesta 替换了传统 LOS。

报道的融资细节也揭示了 Vesta 此时融资的原因。Yu 表示，过去一年中产品需求大幅增长，营收则增长了十二倍。

融资让 Vesta 有更多能力支持实施项目、改进智能体，并满足企业级合规要求。当软件成为贷款机构核心运营的一部分时，这些需求会迅速增长。

替换 LOS 并不等同于增加一款生产力应用。该平台涉及借款人数据、承保规则、披露文件、费用、文档、结案流程、投资者要求和监管记录。

每位客户还拥有不同的产品、政策、集成方式和审批结构。Vesta 必须对平台进行配置，同时不能削弱使自动化具备可行性的标准化架构。

这构成了本轮融资的第一个重要考验。增长必须来自可重复的部署，而非不断扩大的定制项目集合；后者需要持续的工程支持。

因此，该公司销售的是两项相互关联的主张。其现代 LOS 必须作为可靠的记录系统运作，而其智能体必须在该系统内带来可量化的收益。

如果其中任一主张失败，贷款机构就可以保留既有平台，并在其周围采购更狭窄的 AI 产品。Vesta 的融资支持的是一项更具雄心的替代战略。

抵押贷款经济性让自动化变得迫切

Vesta 在贷款机构需要降低运营成本、却不能放松对信贷决策控制的时刻融资。

抵押贷款发起涉及一长串文件请求、数据验证、计算、披露、审批和交接。许多案例还包含需要员工解读相互矛盾信息的例外情况。

当员工反复录入数据、在工具之间切换，或等待他人释放贷款档案时，这一流程会变得昂贵。放贷量较低时，这些固定运营成本会更难消化。

行业经济状况已有改善，但利润率压力尚未消失。据 Mortgage Bankers Association 数据，独立抵押贷款银行在 2025 年每笔发起贷款的平均利润为 785 美元。

这一结果高于 2024 年录得的 443 美元平均水平。不过，该协会表示，自 2008 年开始报告以来，2025 年的利润仍不足历史平均水平的一半。

年度生产业绩还发现，尽管业务量增加，单笔贷款的生产成本仍略有上升。该协会将成本控制和效率描述为 2026 年持续存在的差异化因素。

这种环境使 Vesta 的抵押贷款自动化更容易得到合理化。智能体无需取代整个职位就能实现节省。它可以减少重复审查、缩短排队时间，或帮助一名员工管理更多活跃档案。

抵押贷款工作还提供了衡量自动化效果的格外清晰的单位。贷款机构可以比较每笔贷款的人工时间、处理成本、错误率、周期时间和已完成任务数。

Vesta 认为，这使智能体回报比通用办公助手的回报更容易量化。每笔贷款都具有可识别的生产成本和收入。

这一机会并不限于最终承保决策。申请材料中包含银行对账单、收入记录、身份证明文件、税务信息以及针对异常交易的说明。

智能体可以检查所需信息是否齐全、比对不同文件中的字段，并标记矛盾之处。它还可以将不确定的案件转交给员工，并附上相关证据。

Vesta 表示，其智能体已经在清理申请材料、支持承保工作并审查结案文件。它描述了一种模式：软件处理常规路径，由人员监督例外情况。

这一模式解决了早期自动化中长期存在的弱点。基于规则的系统在输入标准化时表现良好，但当文件存在差异或案件偏离预期顺序时，往往会停滞。

语言模型可以解读更多样化的材料，但也会引入不确定性。即使支持证据不完整，生成的解释也可能听起来令人信服。

因此，经济性依据不只是任务量。贷款机构需要了解智能体正确完成任务的频率、员工介入的频率，以及错误是否会在影响借款人之前被发现。

Vesta 报告的 40% 自动化占比，只有结合这些质量指标才有意义。该公司尚未公开提供智能体错误率或人工覆盖情况的全面细分数据。

投资者押注，更好的模型与现代数据层的结合将改善这些结果。贷款机构将通过运营数据而非已宣布的智能体功能数量来评判该系统。

真正的竞争是 AI 原生软件与传统平台之间的较量

Vesta 的优势取决于重建运营核心，而既有供应商则认为，可以安全地将 AI 添加到贷款机构已经信任的系统中。

较旧的贷款发起系统承载着数十年的集成、工作流和机构知识。这种复杂性使其难以替换，但也使新的自动化更难协调。

Vesta 表示，一些旧架构限制了对同一档案的并发操作，或通过不一致的字段表示相同信息。运行在这些系统之上的智能体可能需要屏幕自动化、重复数据或精心安排的访问时机。

AI 原生架构改变了这种关系。智能体通过底层平台获得对贷款记录、文件、工具、规则和事件历史的结构化访问。

这正是该公司推介背后的机制。Vesta AI 智能体不应模仿员工在旧应用程序中逐次点击。它们作为工作流中的参与者运作。

基于任务的架构可以将一笔贷款拆分为更小的单元。每个单元都可以根据其要求和风险，转交给员工、确定性规则或 AI 智能体。

这种设置应当让人工干预更易于界定。当证据存在冲突时，智能体可以停止操作、解释异常，并在不放弃整体工作流的情况下转交任务。

然而，既有平台并未停滞不前。ICE Mortgage Technology 将 Encompass 定位为旨在支持智能自动化和受治理 AI 采用的记录系统。

ICE 表示，Encompass 服务于数千家银行、信用合作社和独立抵押贷款机构。该公司还表示，超过 40% 的抵押贷款行业使用该平台。

这一安装基础为 ICE 带来重大优势。贷款机构已经围绕 Encompass 建立了集成、培训完备的员工队伍、合规流程和报告系统。

ICE 也正推动客户从较旧的软件开发工具转向 API 和原生平台功能。其主要 SDK 迁移的截止日期是 2026 年 12 月 31 日。

该公司的AI 抵押贷款战略强调治理、系统上下文和人工监督。换言之，这家既有厂商正在采用 AI 原生挑战者所使用的大部分语言。

这削弱了任何关于 Vesta 拥有 AI、而传统供应商没有的简单论断。更有用的区别在于架构、实施速度，以及智能体能够参与行动的深度。

Vesta 必须证明，简洁的架构能够产生足以证明迁移合理性的效率。ICE 则必须证明，客户无需替换其运营核心，也能获得类似能力。

Blend 增加了另一个维度，但它并非直接竞争对手。Vesta 和 Blend 于 2026 年 3 月宣布合作，在贷款发起流程中划分各自职责。

Blend Autopilot 在面向借款人的销售前端发挥作用，重点是响应速度和文件收集。Vesta 则负责需要核验、对账和可审计性的履约工作。

两家公司之间的代理合作表明，市场或许会支持通过 API 连接的专业化代理。并非每家供应商都必须掌控每一个环节。

Blend 表示，在覆盖逾 25,500 笔贷款的早期预览后，已有五家贷款机构采用 Autopilot。其代理会审核已提交材料，并在履约前准备文件。

Better.com 则采取了另一条路径。其 Betsy 语音代理负责处理借款人来电，而公司的 Tinman 平台则支撑更为纵向整合的数字贷款业务。

这些路径形成了多层次的竞争格局。一些供应商自动化借款人互动，另一些则销售针对特定任务的工具；Vesta 希望将代理嵌入核心运营平台之中。

Vesta 的融资之所以重要，是因为系统记录平台的地位决定了上下文。可直接访问结构化贷款数据的代理，理论上能够完成比仅依附于单一界面的助手更多的工作。

这一地位也意味着更大的责任。系统记录平台内部的错误可能影响披露、条件、承保或结案文件。

因此，竞争将取决于经验证的运营成果。采购方需要有关准确率、周期时长、员工生产力、审计质量及迁移成本的证据。

有说服力的演示并不足够。胜出的架构必须能在真实贷款流程中，经受数千项不断变化的规则、例外、文件和人工决策的考验。

Vesta AI Agents 仍面临合规考验

只有当每一项关键行动都能被解释、审查，并明确归责于贷款机构时，抵押贷款自动化才能成功。

抵押贷款业务受联邦、州、投资者及内部要求的多重监管。自动化不会将这些义务从贷款机构转移给其软件供应商。

当 AI 参与承保时，这一点尤为重要。模型或许能够识别不一致之处或计算信息，但债权人仍须对最终决策负责。

联邦指引明确了一条边界：使用复杂算法的债权人在对申请人采取不利行动时，仍必须提供准确、具体的理由。

消费者金融保护局表示，人工智能不存在特殊豁免。若法律要求作出解释，贷款机构不能依赖自己无法理解的模型。

CFPB 的算法指引指出，无论使用何种技术，《平等信贷机会法》的要求均适用。复杂性不能成为通知不足的抗辩理由。

Vesta 通过强调审计追踪、可配置规则和人工交接来回应这一担忧。该公司表示，其代理会将行动记录在既有贷款历史中。

这些控制措施不可或缺，但其有效性仍需要来自生产部署的证据。记录代理的行动，并不能自动证明其推理正确。

贷款机构必须审查多种不同的失效模式。代理可能错误提取数值、遗漏文件、应用错误指引，或给出缺乏依据的推理。

它也可能在依赖有缺陷的规则配置时表现得一贯稳定。在这种情况下，清晰的审计追踪有助于识别问题，却无法防止损害发生。

人工审核带来了另一项权衡。要求审批每一项代理行动可以防范部分错误，却可能抹去自动化原本应带来的效率提升。

务实目标是基于风险的监督。输出可核验的常规任务可以接受较轻审核，而关键或模糊的工作则应交由合格员工处理。

这种模式需要可靠的升级机制。代理必须能识别不确定性，而不是强行将每个案例归入看似确定的答案。

Vesta 的任务架构似乎正是为这类交接而设计。不过，该公司尚未公布足够的公开数据，以比较其异常检测能力与员工表现。

迁移还会带来额外风险。更换 LOS 的贷款机构必须转移记录、重建集成、测试计算、培训员工，并验证合规工作流程。

即使新平台最终表现更佳，过渡期间的问题也可能拖慢生产。因此，大型贷款机构可能会按产品线、渠道或地区逐步部署。

New American Funding 计划中的分阶段上线反映了这种谨慎。其参与 Vesta 融资意味着一定程度的承诺，但 2027 年的实施仍将是一项重要的未来考验。

客户投资也可能使解读变得复杂。持有供应商部分股权的贷款机构有动力支持其成功，尽管其仍要承担软件表现不佳带来的运营后果。

最有力的验证将来自以明确口径披露的持续生产结果。有用指标包括代理任务完成率、修正率、人工覆盖率、结案时间和合规发现。

Pennymac 提供了一个早期信号。Vesta 和行业报道表示，该贷款机构在迁移至该平台后，报告贷款发起运营成本降低了 25%。

不过，据报道，这些节省在 Vesta 的 AI 代理启用前就已开始产生。它们支持现代 LOS 的价值，但无法单独衡量代理的贡献。

这一差异很重要。Vesta AI agents 可能成为公司最醒目的功能，而底层数据模型则可能贡献了大部分初始收益。

融资逻辑并不要求代理获得全部功劳。但它确实要求 Vesta 证明，其架构能够在不削弱控制能力的情况下改进自动化。

三个信号将表明 Vesta 能否规模化扩展

下一阶段将由生产部署、可独立验证的性能数据，以及成熟平台的竞争回应来衡量。

第一个信号是 New American Funding 的分阶段上线。该贷款机构计划于 2027 年开始在其贷款发起业务中实施 Vesta。

这项部署将检验 Vesta 能否支持拥有多样化借款人、产品、员工和合规要求的大型贷款机构。顺利迁移将强化替换现有系统的论点。

延误、大量定制或运营中断则会削弱这一论点。企业软件往往会在合同签署后遭遇最棘手的问题。

第二个信号是对代理性能进行更充分的披露。Vesta 报告的任务占比和营收增长显示了发展势头，但没有充分揭示质量情况。

采购方应关注明确的完成率、异常频率、员工审核时间，以及代理执行后发生的修正。比较应覆盖相似的贷款类型和工作流阶段。

最有价值的证据应将现代平台带来的收益与 AI 代理带来的收益区分开来。这将帮助贷款机构判断自己需要的是全面替换，还是范围更窄的自动化。

纵向数据同样重要。一个在短期试用中表现良好的代理，可能会随着文件、政策、借款人行为和市场环境变化而退化。

Vesta 将需要能够识别这些变化的监控系统。客户还会期待版本控制，以显示哪些模型、规则集和数据源影响了每项行动。

第三个信号是现有厂商的回应。ICE、Blend 和其他抵押贷款技术供应商正将代理和自动化嵌入拥有既有分销网络的平台。

ICE 可以通过在 Encompass 内提供受治理的 AI 来捍卫自身地位。若客户无需迁移便能取得强劲成果，Vesta 的架构优势将更难实现商业化。

Blend 可以从面向借款人的辅助功能扩展至更多运营工作。其与 Vesta 的合作目前形成了互补角色，但产品边界可能发生变化。

更专注的供应商也可以通过自动化特定高成本任务参与竞争。贷款机构可能更偏好数个专业化产品，而非完整的系统替换。

反过来，碎片化工具也可能重新制造 Vesta 希望消除的集成负担。每个独立代理都需要访问控制、上下文、监控和责任边界。

Vesta AI mortgage 融资轮为公司提供了强化这一优势的资源。其贷款机构投资者也提供了可将产品主张与生产经济效益进行验证的环境。

成功并不意味着将人员从抵押贷款业务中移除。更可信的结果是重新分配工作。

代理将在明确边界内处理文件检查、对账、工作流推进和常规决策。员工则负责例外情况、针对借款人的判断和责任承担。

这种变化可能降低处理成本，同时使工作更加一致。它也可能将运营风险集中到更少的软件平台中。

因此，贷款机构应将 Vesta 抵押贷款自动化视为基础设施，而非一组 AI 功能。关键问题在于控制、证据、迁移和韧性。

系统能否解释一笔贷款发生了什么？员工能否迅速纠正问题？合规团队能否在数月后重现相关决策？

当政策变化时，代理能否保持准确性？如果模型或外部服务不可用，贷款机构能否继续运营？

这些问题界定了 Vesta 凭借新资金进入的市场。融资带来时间和工程能力，但生产结果将决定该架构能否胜出。

对于抵押贷款高管而言，眼下的行动是要求提供任务层面的证据，而非宽泛的自动化主张。对于技术团队而言，优先事项是梳理代理在哪些环节获得授权，以及人员在哪些环节保留控制权。

未来一年应能揭示 Vesta 能否将客户投资转化为可复制的采用成果。关注 2027 年的上线、可衡量的代理成果和现有厂商部署。这些信号将共同表明，Vesta AI mortgage 融资是支撑了一次持久的平台转变，还是一场代价高昂的实验。