Affirm 將 2027 財年增長下限上調至 30%,並推出基於 Transformer 的 AI 審核模型
重點速覽
- •Affirm 在第一季 GMV 年增 34% 後,將 2027 財年全年增長下限上調至至少 30%。
- •季度營收成長 35% 至約 12.6 億至 13 億美元,活躍商家數量年增 48% 至 62.1 萬家。
- •一套以 14 年交易數據訓練、基於 Transformer 架構的新審核模型已在美國上線,帶來 3.4% 的增量轉換率提升,且信用損失保持持平。
- •Affirm 預期該 AI 模型能在不增加風險的情況下將核準率提升約 2 至 3 個百分點,表現優於其傳統審核方法。
- •第二季初期趨勢顯示 GMV 增長落在 30% 尾段區間,10 月至 12 月的業績將檢驗此速度與損失表現能否在假期季延續。

Affirm 於 11 月 7 日(週六)向投資人傳達更高的預期。這家「先買後付」(BNPL)服務商將 2027 財年全年增長下限上調至至少 30%,此前其第一季商品交易總額(GMV)年增 34%。
該公司同時推出一項新的 AI 審核模型,據稱能在維持信用損失持平的情況下核準更多借款人。
上調指引背後的數據
商品交易總額(GMV)衡量透過 Affirm 平台完成的購買交易總金額。2027 財年第一季,GMV 較去年同期成長 34%。由於 Affirm 的財年於 6 月結束,所報告的季度相當於日曆上的第三季。
此表現給予管理層足夠信心,將全年展望的下限上調至至少 30%。指引下限是管理層預期區間的低端,上調下限意味著公司承諾更高的最低增長速度,而不只是將中位數微調上移。根據該公司的業績說明,第二季初期趨勢顯示 GMV 增長將落在 30% 尾段區間。
該季度營收成長 35%,約達 12.6 億至 13 億美元。
商家端的表現更為強勁。活躍商家數量年增 48%,達到 62.1 萬家。對 BNPL 平台而言,商家數量是分銷指標:每一次整合都讓融資選項在多一個結帳環節呈現給消費者。
為你的信用檔案導入 Transformer
本季的焦點技術是一套新的 Transformer 架構審核模型——與支撐現代大型語言模型屬同一類神經網路架構。Transformer 能一次讀取整個資料序列,衡量各元素之間的相互關聯,此特性非常適合從長期行為歷史(例如多年的還款紀錄)中提取訊號。該模型以 14 年的交易數據訓練,現已在美國上線。Affirm 表示,透過提高信用核準率,模型帶來 3.4% 的增量轉換率提升,同時信用損失保持持平。
該公司預期此模型能在不增加風險的情況下,將核準率提升約 2 至 3 個百分點,並表示新系統的表現優於其傳統審核方法。這樣的組合與消費信貸中常見的取捨相反——通常更寬鬆的核準會推高損失,這正是損失持平這項數據成為其主張關鍵的原因。
管理層眼中的成長空間
執行長 Max Levchin 與財務長 Rob O'Hare 提出超過 30% 的長期增長目標,並將市場擴張視為增長引擎:Affirm 目前的電子商務市佔率低於 4%,且僅在四個市場營運——這些數據將該目標定位為 Affirm 自身的市佔提升與地理擴張,而非依賴電子商務本身的成長。
除了線上結帳之外,Affirm 也正積極發展人工智慧整合以及為線下商家提供的軟體。
對投資人與 BNPL 競賽的意義
根據 CryptoBriefing 的評估,對股東而言,上調下限比超出預期更為重要:一家在單一季度後即上調指引的公司,是在釋出需求持續穩固的訊號,而非僅是曇花一現。第二季初期 30% 尾段區間的讀數進一步強化了這一訊號。
該報導認為,更難被複製的是一套建立在 14 年還款行為之上的信用引擎。如果 Affirm 的模型確實能在相同損失率下核準更多消費者,這將成為競爭對手無法直接購入的護城河。
這也改變了與商家之間的對話。Affirm 可以提出可衡量的轉換率提升,這遠比「相信我們,消費者喜歡分期付款」的說法更容易成交。
下一個檢視點將是涵蓋 10 月至 12 月的財年第二季業績,屆時將驗證 30% 尾段的增長速度以及模型的損失表現能否在假期購物季延續。
本文為對 CryptoBriefing 於 2026 年 11 月 7 日發布報導的標準化改寫。原始報導由 Diego Almada Lopez 編輯。