Token用得多、贷款给得多？银行紧盯科技“潜力股”

“Token卡”之后又有“Token贷”，银行的算力生意已从零售业务延伸到对公业务。

财闻关注到，中国银行（601988.SH）等多家银行已布局“Token贷”，其中“中银·算力Token贷”将企业算力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，可提供最长3年、最高3000万元授信。

苏商银行特约研究员付一夫认为，“Token贷”有望开辟新的信用通道，让“轻资产、重研发、高成长”的科技企业拥有可量化的“数据信用”，降低融资门槛。处于AI应用落地阶段的垂直领域服务商，以及算力服务中间层企业有望从中收益。

招联首席经济学家董希淼指出，将Token数据纳入授信依据，需要注意操纵、波动、盈利脱节等三方面风险。

算力也能“融资”

广东省首个词元经济专项金融产品“Token贷”近日在广州海珠发布，中国银行、中信银行（601998.SH）、广州银行等在会上带来“Token贷”相关产品。

以中国银行广东省分行推出的“中银·算力Token贷”为例，据“中国银行广东省分行”官微介绍，“算力Token贷”推出了三个子产品，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，中国银行以企业算力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。值得一提的是，该产品在担保方式上进行了创新，以信用、应收账款质押、订单融资等方式为主，同时可结合保证、抵押等方式提供组合担保，进一步提升企业融资能力。

目前，中国银行广州海珠支行已为海珠算力相关企业提供融资超4亿元，7月以来落地算力“Token贷”授信金额超2800万元。

除了中国银行，值得关注的是，江苏银行（600919.SH）6月也推出了“算力贷”产品，据“江苏银行上海分行”官微介绍，“算力贷”通过专项审批模型，为算力企业提供定制化融资方案，支持日常生产经营、项目建设以及订单融资等资金需求。

产品主要面向AI芯片、智算服务器、云计算厂商以及AIGC大模型研发，模型垂直化应用等企业，重点支持创新能力强、市场占有率高、掌握关键核心技术、具有较高成长潜力的中小企业客群。

除推出“Token贷”等贷款产品外，银行也在探索将Token、算力等数据纳入其他授信评价体系。

据“中国农业银行（601288.SH）”官微，今年6月，农业银行上海徐汇科技支行推出“Token贷”专属金融服务方案，将企业Token使用需求量作为授信重要依据，精准对接企业在模型训练及场景应用中的资金难点，助力人工智能企业提升算力效能。该产品已在上海徐汇区首个“超级创业者集聚区”原力社区落地。

此外，农业银行浙江萧山分行还打造“算力账”评价模型，在传统科创评价体系基础上，进一步将数据资产积累、算力投入产出等新型要素纳入授信，已成功为企业发放950万元贷款。

银行紧盯科技“潜力股”

董希淼对财闻指出，银行看中的是Token消耗量作为AI企业真实业务的穿透式洞察。AI公司多为轻资产运营，Token消耗能直接反映大模型被调用的频次和强度，是衡量企业客户活跃度、产品市场接受度及业务持续性的重要指标。这有助于银行将风控逻辑从静态的“资产负债”转向动态的“经营流量”，更精准地判断企业所处的发展阶段与成长潜力，也是银行发展科技金融、服务科技型企业的重要切入点。

付一夫对财闻指出，过去银行看资产、流水，更多衡量企业“已经挣了多少钱”；现在通过Token数据，则可以观察企业“正在创造多少价值”以及“未来还能创造多少”。在他看来，算力是AI企业核心生产资料，Token消耗量能够反映模型训练、推理调用频次及业务活跃度，较为实时地反映企业经营状况。同时，算力服务合约具备明确的商务条款和支付承诺，银行可以据此评估企业未来现金流。

此外，Token数据具有时效性强、与实际业务联系紧密等特点。银行通过Token数据，能验证“这家企业有没有真实的业务需求”以及“这种需求的刚性程度如何”，从而在科技企业的早期成长阶段建立起可靠的风险定价模型。

付一夫认为，“Token贷”有望开辟新的信用通道，让“轻资产、重研发、高成长”的科技企业拥有可量化的“数据信用”，降低其融资门槛。

可能从中受益的包括两类企业：一是处于AI应用落地阶段的垂直领域服务商，如行业大模型微调公司、智能客服SaaS提供商等，它们有持续的Token消耗和合约流水，数据画像清晰；二是算力服务中间层企业，即向终端客户分发算力资源的“算力经销商”，其Token流水能较好反映市场需求和业务活跃度。总之，算力消耗越稳定、合约链条越清晰、业务场景越落地的企业，越能发挥Token数据的信用价值。

不过，银行将Token产出、消耗等数据纳入信用评价体系，也需要注意一些新风险。董希淼认为，主要面临三方面风险。一是操纵风险，Token数据易被“刷单”或无效调用虚增，且缺乏统一审计标准。二是波动风险，AI业务Token消耗具有一定脉冲式特征，部分项目结束后消耗量可能迅速下降，易引发贷后误判。三是盈利脱节风险，即企业消耗量大但利润微薄，如果银行过度依赖此单一指标，可能高估企业还款能力，导致信贷风险加大。