2019年前后，上百家中资网贷平台带着国内那套“高息覆盖坏账、爆通讯录催收”的打法冲进印度，把那里当成“低配版中国”。六年之后，117家进场的平台，112家永久关停或撤离，退出率超过95%。前后砸进去约180亿人民币，整体亏损超过70亿。
蚂蚁清仓了Paytm的信贷股权，小米关停了Mi Credit的新增放款，奇富、玖富、360陆续收拾行李走人。巅峰时期，印度每三家在线借贷平台就有一家带中资背景。六年之后，这个“每三家就有一家”的密度，变成了几乎归零。
他们看到的印度，是一个“没有利率上限的中国”
2019年前后国内网贷监管收紧，高息、砍头息、爆通讯录这些老路被逐条堵死，一大批平台急着找出口。印度刚好递上了一组极具诱惑力的数据：14亿人口，6亿多智能手机用户，银行金融覆盖率不到一半，信用卡渗透率只有4%到5%，而且当时对非银数字借贷没有明确的年化利率上限。
有平台早期把年化利率做到了200%到300%，靠着高息覆盖高风险，试图把国内现金贷的模型原样搬过去。小米把Mi Credit直接预装进印度市场的手机里，360与昆仑万维合资的摩比神奇巅峰时号称“日放6万单”。在当时的判断里，算法、风控模型、资金全是现成的，换个语言包就能跑。
问题在于，国内那套模型能跑通，靠的不只是算法。
风控在假证面前，等于盲飞
印度征信体系的真空程度，超出了大多数平台的预判。到2024年3月，只有约9%的印度人查询过自己的信用分，农村地区近乎为零。平台拿到借款人的资料，没有还款历史，没有消费流水，没有银行记录。大数据风控模型需要海量数据喂养，而在印度，输入端是一张白纸。
身份核验更直接。印度本地假证产业比网贷行业成熟得多，身份证、工资流水、工作证明几十块钱就能配齐一套。有平台上线的人脸识别系统，被人拿一张宠物狗的照片对着摄像头晃了一下，贷款就放了出去。不是算法本身坏了，是喂进去的底层数据全是假的，再精密的模型也只能输出错误结果。
坏账率从2020年的10%到20%，一路爬到2024年的40%以上。头部平台坏账率卡在50%上下，中小平台直接冲到80%以上。放出去100块，能收回20块已经算业绩不错。
催收电话打过去，对面问“这个App在哪下载”
国内现金贷回款靠三根柱子撑着：征信让人不敢不还，熟人社会的面子让人不好意思不还，法院的执行力让人赖不掉。到了印度，三根柱子一根都没有。
催收员打电话给借款人的亲友，对方不仅不帮忙施压，反而追问“你在哪借的，额度好不好批，怎么操作”。印度有22种官方语言和数千种方言，平台雇的催收员大多只会英语和印地语，打到南方说泰米尔语的借款人那里，两边根本对不上话。就算勉强沟通上，对方的态度往往是：这是从外国App上拿到的钱，为什么一定要还。
走法律途径更不现实。印度债务纠纷从立案到开庭通常要三到五年，单笔金额小、追求快速周转的现金贷业务，等不起这个时间。中文律师函在印度街头形同废纸。
更致命的是本地“撸贷产业链”的形成。有熟悉规则的人在网上开课，教印度借款人伪造资料、用AI换脸绕过人脸识别，同时在几十个平台借款然后消失。他们还给平台分了类：风控宽松的大平台叫“肥羊型”，套最高额度走人；中小平台叫“韭菜型”，先按时还几笔养额度，等授信涨上去再一次性借爆。中资平台从“收割者”变成了“被收割的对象”。
监管的刀，一刀比一刀切得深
即便坏账率已经失控，真正把退路封死的，是印度监管的连续收紧。
2022年，印度储备银行发布《数字借贷指南》，核心只有一条：所有借贷相关数据必须存储在印度境内的服务器上。这条数据本地化要求，直接废掉了中资平台依赖跨境数据流转进行风控分析的能力。同一份指南还把年化利率上限压到24%，砍头息和隐形收费失去了生存空间。
2024年，印度将非法催收定性为刑事犯罪，骚扰借款人最高可判十年监禁。催收员打一个越界电话，自己可能先进去。同年12月，《禁止无监管借贷活动法案》草案出台，无牌放贷直接入罪。
2025年底，印度央行一口气注销了13家非银行金融公司的牌照，94款中资背景的网贷App被封禁，支付结算通道被切断。放出去的钱回不来，想继续放也放不出去。到这一步，留下来已经没有任何意义。
连反诈起家的360，在印度也被“诈”了
头部平台的撤离时间线，大致勾勒出了这场溃败的节奏。
蚂蚁集团清空了印度信贷相关股权，小米停止了Mi Credit的新增放款，奇富科技、玖富办理撤离手续，360与昆仑万维合资的摩比神奇直接注销了印度贷款业务牌照。奇富科技在国内以反诈技术拿奖拿到手软，港股股价却从2025年中高点一路跌超57%，资本市场用脚投票的逻辑很直接：印度市场留下的坏账风险，是一个绕不开的估值变量。
不同的平台退场方式不一样，有的清仓股权，有的关停通道，有的直接注销主体。但结局是同一个：117家进来，112家走了，剩下那几家，也早已不是当年进场时的样子。
这不是“被坑”，是照搬模式的定价
回过头看，中资网贷在印度的六年，最核心的错配不在某一个环节，而在一个前提性的判断上：把国内那套建立在征信、语言统一、司法高效、社会信用压力之上的放贷模型，当成了一套可以脱离土壤运行的通用技术。
算法本身没有坏，催收话术本身也没有错。但它们依赖的那些“不写在代码里”的东西——借款人怕征信、怕亲友知道、怕法院执行——在印度大部分地区并不存在。当一个模型赖以运转的社会约束全部缺席时，高息覆盖坏账就变成了一句空话：利息再高，也覆盖不了一个从一开始就不打算还的人。
70亿的亏损，180亿的投入，六年时间。这笔账最终定价的，不是印度的“信用风险”，而是“把国内经验当成降维打击”这个判断本身的成本。出海不是换一个语言包就能重跑一遍的游戏。金融生意尤其不是。
热门跟贴