无抵押人群信用识别

全球十几亿成年人没有正式信用记录：不是他们不守信，而是他们的守信行为（按时交房租、还邻里借款、稳定经营小摊）从未被任何系统记录。没有记录就借不到钱，借不到钱就永远无法积累资产——这是一道把最勤劳的穷人锁在资本体系外的隐形墙。格莱珉银行用熟人连带责任、M-Pesa 生态用手机使用数据，都证明了'另类信用信号'真实有效。攻破这颗暗星意味着建成低成本、可跨机构迁移、不侵犯隐私的信用识别机制，让一个肯尼亚小贩和一个硅谷工程师面对同样公平的资本定价。解锁的是全球最大规模的一次生产性资本再分配——不靠转移支付，靠把已存在的信用变得可见。

卡在三难权衡：低成本采集（用手机、交易流水等替代数据）往往意味着隐私侵入和算法歧视风险；可迁移性要求跨机构数据共享标准，但持有数据的平台（电信、电商）没有开放动力；而监管对替代数据评分的公平性审查（代理变量歧视）尚无成熟框架，各国规则碎片化。已有方案多困在单一平台生态内，成不了公共基础设施。

格莱珉银行与穆罕默德·尤努斯（小额信贷范式）、M-Pesa 生态的移动信用产品（如 M-Shwari）、Tala、Branch 等替代数据信贷公司、印度 Account Aggregator 数据共享框架

读发展经济学 + 机器学习公平性，或直接进新兴市场的普惠金融科技公司（Tala/Branch 类）做信用模型。切入子问题：替代数据信用评分的'可迁移性'——如何让用户在 A 平台积累的还款记录被 B 机构认可（数据可携带权的金融版），印度 Account Aggregator 是现成的活体实验场，值得深入研究再复制改良。