算力采购单和Token(词元)消耗明细,正在成为AI(人工智能)企业贷款的重要依据。中国银行广州分行近日创新发布广东省首个词元经济专项金融产品“中银.算力Token贷”。
今年以来,广东省、安徽省等地相继发布行动方案,明确鼓励银行推出“算力贷”“Token贷”“模型贷”等产品。随后,中国银行、农业银行、中信银行、广州银行、成都银行、张家港农商银行等国有大行、城商行和农商行纷纷推出以“算力贷”“Token贷”为代表的AI专属金融产品。
从“看抵押、看报表”到“看算力、看Token”,银行风控逻辑的重构是我国人工智能新业态、新模式蓬勃发展的印证。国家数据局披露的信息显示,截至2026年3月,我国日均Token调用量进一步突破140万亿,相比2024年初的1000亿增长超1000倍。不过,Token消耗具有脉冲式、项目结束骤降的特征,专家指出,银行应将订单持久性、回款质量、客户结构一并纳入多因子贷后模型,避免单一指标导致误判。
全国兴起“算力Token贷”
随着人工智能产业的蓬勃发展,Token调用量正大幅增长。根据国家数据局披露的信息,2024年初中国日均Token调用量约1000亿,到2025年底已经跃升至100万亿,2026年3月进一步突破140万亿,两年增长超千倍。
为进一步培育发展人工智能新业态、新模式,地方政府近年来持续推动算力信贷产品创新。广东省发展改革委在今年3月印发《广东省支持人工智能OPC创新发展行动方案(2026—2028年)》,明确鼓励银行推出“算力贷”;8月5日,安徽省科技厅、安徽省人社厅印发《安徽省推进人工智能OPC创新创业发展行动方案(2026—2028年)》,鼓励银行推出“Token贷”“模型贷”等产品。
今年以来,“算力Token贷”已经在全国兴起。广东省首个词元经济专项金融产品“Token贷”近日在广州市海珠区发布,配套政策“词元八条”同步落地。中国银行、中信银行、广州银行在发布会上集中推出“Token贷”产品。
其中,中国银行聚焦算力供给、应用、服务三大业务场景推出三个子产品,包括“算力Token供给贷”“算力Token应用贷”“算力Token服务贷”,全面覆盖算力领域大中小微各类企业。在产品设计上,该行突破传统授信模式,以企业算力Token产出消耗、算力服务合约价值、算力业务产生的应收账款、Token佣金结算量等作为核心授信依据,为企业提供最长三年、最高3000万元的授信总量。
今年6月,农行上海徐汇科技支行创新推出“Token贷”专属金融服务方案,该产品近日已在上海徐汇区首个“超级创业者集聚区”原力社区正式落地。今年4月,张家港农村商业银行推出“基础授信+算力券增信”模式的“算力贷”,单户最高额度为5000万元,期限为1年至10年,支持信用、知识产权、数据资产、算力设备抵押等多元担保。8月,成都银行推出专属纯信用贷款产品“算力贷”,单户企业最高授信额度可达500万元。
九方智投行业研究员吴清淳对记者分析指出,广东作为先行者,其核心是将Token消耗等经营数据纳入授信核心评判依据,实现了从“看资产”到“看Token消耗、平台资质、回款进度”等经营指标的转变。这实质上是将未来的预期收益流(Token消耗体现的业务活跃度)作为评估资产价值的关键。安徽在鼓励Token贷的同时,也强调支持算法知识产权质押融资,表明其在资产评估上更侧重于知识产权等无形资产。
吴清淳认为,AI产业的爆发式增长为Token贷提供了坚实基础,加之国家政策支持、多地政府积极响应、银行机构广泛参与,“Token贷”在全国复制推广的可行性较高,但会是一个逐步演进的过程。同时,各地在数据确权和资产评估上的探索路径也会呈现出明显的差异化特征。
Token向“金融信用资产”迈进
“算力贷”的落地推广,不仅是单一信贷产品的创新,更会对银行业风控逻辑、信用体系定义、算力产业链融资生态产生深层次影响。博通咨询首席分析师王蓬博告诉记者,“算力Token贷”打通了产业经营数据和银行授信评估之间的通道,也给算力赛道的金融服务提供了新的参考思路,不过后续能不能大规模推广,还要看词元数据核验、风险评判体系能不能持续跑通。
邮储银行研究员娄飞鹏对记者表示,风控模型将Token消耗、算力服务合约、应收账款等作为授信依据,并将真实算力消耗与订单价值交叉验证、按合同或Token消耗核定额度。在真实性上,可以考虑打通算力平台与银行的数据核验通道、建立溯源校验机制,由中立第三方存证审计防止刷单;但业内强调尚缺统一、可审计的Token存证标准,而且Token消耗不等于回款,还需要结合现金流、毛利率交叉核验。
针对算力用量动态波动的问题,王蓬博认为,银行应该会配套建立动态贷后管理机制。比如,系统可以实时监测企业Token消耗数据,设置明确的用量预警线,一旦持续下滑就会触发人工尽调,核查企业项目运营情况。同时,也可以定期重估授信,根据实时算力需求调整额度,必要时压降授信、追加担保,规避企业业务收缩带来的信贷风险。
吴清淳也指出,对于Token贷中算力消耗量骤降的风险,银行的贷后管理核心逻辑是将算力消耗作为持续监控的“经营流量”指标,并配套动态预警与额度调整机制。Token贷的贷后管理并非静态的额度审批,而是一套动态、多维度的监控与响应体系。通过设置“警戒线”、定期重估额度以及综合评估多维度经营数据,银行试图在支持AI产业创新与控制信贷风险之间找到平衡。
娄飞鹏建议,设置算力消耗动态预警机制,跟踪指标波动、及时开展风险核查,并定期重估授信额度。针对Token消耗脉冲式、项目结束骤降的特征,银行应将订单持久性、回款质量、客户结构一并纳入多因子贷后模型,避免单一指标导致误判。
王蓬博表示,“Token贷”落地是Token转向金融信用参考标的的实质性一步。它现在已经可以作为银行授信审批的核心依据,实现了数据要素的金融价值落地。但客观来讲,目前它还只是信贷评估指标,不是标准化、可自由交易的金融资产,也要受现有政策和规则限制,依旧属于地方试点的阶段性探索。
娄飞鹏认为,Token正向“金融信用资产”迈出实质性一步。Token已从技术计量单位扩展为可量化、可定价的交易标尺。此次“Token贷”首次把词元消耗纳入银行授信评估要素,实现从“卖数据”到“卖词元”、从“看资产”到“看算力流水”的跨越,Token正从技术指标演变为经营性信用指标。