多家銀行競推“算力貸” “算力證明信用”能走多遠

　　近日，廣東省首個詞元經濟專項金融産品“Token貸”的推出引發熱議，該産品以企業算力Token産出消耗、算力服務合約價值、算力業務産生的應收賬款、Token佣金結算量等作為核心授信依據，為企業提供授信額度。

　　市場人士認為，這類似於電商興起之時誕生的“流水貸”，即“以流水證明信用”，如今是以“算力證明信用”。

　　不過，電商流水是已實現的資金流，而Token消耗只是業務活躍度指標，二者仍有極大的區別。專家更傾向於認為，算力未來更可能成為科技型企業授信的補充維度，而非替代傳統信用體系。

　　銀行加速佈局算力金融賽道

　　隨着人工智慧産業的蓬勃發展，算力已成為數字時代的核心生産力，為更好服務算力企業，去年以來，已有多家銀行推出面向算力硬體企業的專項信貸産品，其以“算力貸”等名義，部分引入算力評價因子，為芯片、服務器、數據中心、光模塊等算力産業鏈企業提供差異化融資支持。

　　比如，江蘇銀行去年推出的“算力貸”産品，聚焦AI芯片、智算服務器、雲計算廠商等算力基礎設施類企業以及AIGC大模型研發、模型垂直化應用等算力賦能類企業，該産品將算力算效水平引入評分體系，同時結合團隊人才結構、研發費用投入、知識産權等評價因子，通過科學測算，將企業分為“A、B、C”三類，評分結果直接運用至信貸審批准入、授信額度定量等決策依據。

　　另外，還有部分銀行推出“算力券+算力貸”券貸協同機制。比如，今年5月，張家港農商銀行成功為本地一家公司投放該市首筆100萬元“算力貸”，該産品採用“基礎授信+算力券增信”雙維度規則，單戶基礎信用額度最高1000萬元，配套算力券增信後，固定資産貸款最高可達5000萬元。

　　針對企業算力採購資金周轉壓力大的普遍難題，今年8月，成都市經信局市新經濟委聯合成都銀行打造專屬純信用貸款産品“算力貸”。該産品依託政府惠企政策構建信用支撐，以“算力券”財政資金作為增信保障，以算力真實需求為業務依託，首筆114萬元“算力貸”已發放。

　　不過，真正實現突破的是近日中國銀行廣州分行發佈的全省首個詞元經濟“中銀·算力Token貸”。據了解，該産品聚焦算力供給、應用、服務三大業務場景，推出三個子産品，包括算力Token供給貸、算力Token應用貸、算力Token服務貸，全面覆蓋算力領域大中小微各類企業。

　　據中國銀行廣州分行介紹，目前，中國銀行廣州海珠支行已為海珠算力有關企業提供融資超4億元，其中今年7月以來，通過海珠區政府的牽線搭橋銀企對接，落地算力Token貸授信金額超2800萬元。

　　天府立言金融研究院院長曾剛認為，銀行業佈局算力貸，是科技金融適配AI産業的一種探索。“在政策引導與産業融資需求推動下，各家銀行切入這一賽道，意在挖掘科創企業客戶，完善數字金融佈局，緩解算力企業傳統抵押物不足的融資痛點。”他説。

　　當算力開始進入信用系統

　　從“Token貸”開始，算力相關經營數據開始進入銀行信用評價體系，成為信用證明的方式之一。

　　事實上，銀行看待信用的方式一直都在跟隨時代的變化而變化，傳統企業貸款看的是土地、廠房、設備、應收賬款、稅收、發票流水。銀行信貸的邏輯是“看得見、摸得着、跑不掉”。

　　而後，進入科創經濟時代，隨着輕資産、高研發投入的科技企業崛起，知識産權質押融資逐步推開。專利、商標、著作權等無形資産開始被銀行接受為風險緩釋工具，信用評價體系從“實物資産”向“無形資産”邁出關鍵一步。

　　“Token貸”的特殊之處在於，它把算力Token産出消耗、算力服務合約價值、算力佣金結算量作為核心授信依據。企業每調用一次算力、每處理一批數據，都會産生Token消耗。Token消耗越多，説明算力服務越活躍。

　　有市場觀點認為，這類似電商早期的“流水貸”：店舖沒有硬資産，但平台流水可以證明經營能力，銀行據此放貸。現在邏輯變成：算力企業沒有傳統抵押物，但Token、算力合約、算力佣金可以證明其算力經營能力。

　　不過，電商流水是已實現的資金流，Token消耗只是業務活躍度指標，二者仍有極大的區別。

　　“銀行看中的是Token消耗量對AI企業真實業務活躍度的穿透式反映。”招聯首席經濟學家、上海金融與發展實驗室副主任董希淼認為，傳統信貸依賴房産等抵押物，但AI公司多為輕資産運營。Token消耗直接反映大模型被調用的頻次和強度，是衡量企業客戶活躍度、産品市場接受度及業務持續性的核心指標。它幫助銀行將風控邏輯從靜態的“資産負債”轉向動態的“經營流量”，從而更精準地判斷企業的發展階段與成長潛力。

　　信用體系的最新補充而非傳統替代

　　儘管算力融入信用體系已是大勢所趨，但“算力證明信用”的模式仍處於初步探索階段，距離成熟普及尚需時日。

　　曾剛認為，現階段將算力作為銀行主要信用評價因子，還有多重風險點有待破解。比如，Token消耗審計是一大難點，該數據由平台方輸出，存在刷量虛增業務規模的可能，缺少中立第三方存證審計機制，消耗數據不等於企業實際回款現金流。在可靠的現金流上，需要期限較長、權責清晰、違約處置完備的算力服務合同。業務穩定性上，算力需求隨AI行業周期波動，訂單存在取消、退單風險。

　　董希淼也認為，雖然持續增長的Token消耗表明企業産品或服務有真實市場需求，為營收增長提供了基礎，間接關聯償債能力的“源頭活水”。但Token是“收入潛力”而非“凈利”，高消耗伴隨高算力成本，若企業定價或回款不力，可能“增收不增利”。因此該指標需結合現金流、毛利率等數據交叉驗證，否則無法直接等同於償債能力。

　　“比如説操縱風險，Token數據易被‘刷單’或無效調用虛增，且缺乏統一審計標準。其次是波動風險，AI業務Token消耗常有脈衝式特徵，項目結束即驟降，易引發貸後誤判。最核心的是盈利脫節風險，即企業消耗量大但利潤微薄，如果銀行過度依賴此單一指標，可能高估企業還款能力，導致信貸風險加大。”董希淼説。

　　董希淼認為，銀行從看重硬體資産抵押向看重數字經營數據演進，契合AI産業發展規律。但大規模推廣需先解決數據標準化、真實性核驗等基礎設施問題，並要求銀行建立能區分有效業務與虛假流量的風控模型。目前該類貸款仍屬小範圍試點，模式成熟尚需時間，未來或將成為科技型企業授信的補充維度。