观智潮｜“Token贷”广东率先落地，如何贷？风险怎样？

“Token”消耗量成为银行认可的信用资产

  过去，传统授信较依赖房产、设备等固定资产作为抵押物。然而，科技型企业特别是人工智能（AI）公司普遍呈现“轻资产、弱报表、散流水”的典型特征——服务器多为租赁、办公场地多为租用，核心价值在于模型能力、算法积累与工程师智力资本。这类资产在传统信贷体系中难以估值与抵押，导致大量有订单、有技术、有增长潜力的中小AI企业长期面临“融资难、融资贵”的困境。

  而“Token贷”的核心逻辑，就是以企业算力词元产出消耗、算力服务合约价值、算力业务产生的应收账款等作为核心授信依据。这意味着，看不见、摸不着的“算力指标”，正在变成看得见的“真金白银”。

  “今年7月以来，中国银行广州分行通过政银企对接，已落地‘算力Token贷’授信金额超2800万元。”据“中国银行广东省分行”微信公众号消息，该行聚焦算力供给、应用、服务三大业务场景，推出“算力Token贷”三个子产品，包括算力Token供给贷、算力Token应用贷、算力Token服务贷，覆盖算力领域大中小微各类企业，充分满足企业“用得起算力、买得起服务”的核心诉求。

  在产品设计上，中行为企业提供最长三年、最高3000万元的授信额度。针对数字经济产业客户轻资产、弱报表、散流水的特点，该行创新担保方式，提供信用、应收账款质押、订单融资为主的担保方式，亦可提供组合保证、抵押等组合担保，进一步提升授信额度。

  此外，中信银行、广州银行也分别推出了“Token贷”相关产品。

  不过，申请“Token贷”，仍需满足“在词元交易和服务中心或银行认可的平台上有算力采购记录或订单合同”等多个基本要求，以及“企业及实控人征信良好，无当前逾期”等多个征信要求。

  “银行探索推出‘Token贷’，将风控逻辑从静态的资产负债转向动态的‘经营流量’，降低对抵押物的依赖，不看砖头看Token，有助于更精准地判断AI企业的发展阶段与成长潜力。”招联首席经济学家董希淼指出，这也是银行发展科技金融、服务科技型企业的一个切入点。

算力金融升温：机遇与挑战并存的下半场

  当前，算力金融已成银行差异化竞争新赛道。

  如江苏银行推出“算力贷”产品，重点支持AI芯片与云服务商；农业银行温州分行落地200万元纯信用算力贷，实现算力资产“可评估、可授信”；张家港农商银行则采用“基础授信+算力券增信”机制，单户授信上限可达5000万元。

  在零售端，平安银行、农业银行、招商银行等还竞相推出算力联名卡与AI权益银行卡，将大模型权益嵌入个人消费场景。

  “此次广州等地多家银行推出的‘Token贷’，与此前基于算力合约金额放贷的“算力贷”及营销属性较强的算力联名卡有所不同，它表明银行开始认可‘算力消耗’等软数据本身作为可量化、可核验的价值凭证。”董希淼指出，该模式通过评估企业真实经营数据来解决AI企业轻资产、缺抵押的融资痛点，有助于打通产业数据与银行授信的壁垒。“尽管初期投放规模比较小，但其反映出来的信贷逻辑与服务理念转变，具有示范意义和引领作用。”

  然而，词元作为信用锚点仍处于探索初期，信贷风险仍不容忽视。

  “Token是‘收入潜力’而非‘净利润’，高消耗伴随高算力成本，若企业定价或回款不力，可能‘增收不增利’。”董希淼指出，该指标还需结合现金流、毛利率等数据交叉验证，无法直接等同于偿债能力。

  董希淼进一步向潮新闻记者列举了“Token贷”可能面临的三重风险：

• 一是操纵风险，Token数据易被“刷单”或无效调用虚增，且缺乏统一审核标准；
• 其次是波动风险，Token消耗常有脉冲式特征，项目结束即骤降，容易引发贷后误判；
• 三是盈利风险，即企业消耗量大但利润微薄，如果银行过度依赖Token消耗单一指标，可能高估企业还款能力，导致信贷风险加大。

  “算力使用量这类数据更多进入银行授信体系，作为评价标准之一，或将是一种趋势，但过程需要审慎。”董希淼进一步指出，银行从看重硬件资产抵押向看重数字经营数据演进，契合AI产业发展规律。但大规模推广需先解决数据标准化、真实性核验等基础问题，并要求银行建立能区分有效业务与虚假流量的风控模型。目前该类贷款仍属小范围试点，新的模式成熟尚需时间，Token消耗未来或将成为科技型企业授信的补充维度。