银行抢滩智能经济

南方财经见习记者孙月 记者王达毓

Token，正以一种全新的角色进入银行的信贷词典。

今年8月，广东省首个词元经济专项金融产品“Token贷”在广州市海珠区发布，中国银行、中信银行、广州银行、建设银行等先后推出与算力、Token直接挂钩的信贷产品。全国范围内，农业银行的“Token贷”在上海落地，江苏银行、成都银行、张家港农商行等已各自试水算力类信贷。

这波智能经济热潮不只是涌入AI内容生产的轻资产公司，它顺着算力产业链一路向上游走，更广泛的影响则落在千行百业的智能化升级上。

有的银行还在观望，但没有哪家愿意错过智能经济这趟车。

面对新事物，银行在寻找不同的解法。没有先例可抄，所有人都在摸着石头过河。

银行怎么才能看得懂Token？消耗量等于信用吗？答案，先从原先最“不可贷”的那批企业说起。

轻资产企业的信用标尺

按传统信贷逻辑，AI内容公司几乎是“不可贷”的。而这波Token贷瞄准的，恰恰就是这类轻资产企业。

广州光盒动力文化传播有限公司（下称“广州光盒动力”）是一家AIGC内容科技公司，也是获得广东省“Token贷”的首批企业之一。该司首席营销官梁剑向记者介绍，今年3月底4月初，广州海珠区相关部门对辖区内数千家AI企业进行摸排，并从中筛选出数家企业参与银企对接。广州光盒动力在8月份成为首批获批客户，拿到中国银行海珠支行的500万元授信额度，审批速度同样超出预期：“从通知我们到批出来，大概也就是两周左右时间。”

梁剑说：“这个品种更适合AI科创企业的生产流程。Token对我们来说就是原材料。一个原材料，一个成品，再加上过程中Token的消耗，构成了银行对我们的授信依据。”

他打了个比方：过去银行看电表读数判断工厂是否开工，如今看Token消耗判断内容公司是否在真实生产。

梁剑介绍，中行会依据算力采购合同、算力消耗明细单，以及下游销售合同（公司供货给TikTok、点众科技等平台）交叉核验。

对广州光盒动力这类企业，资金的意义不只是周转。梁剑补充道：“跟期货一样，有些时候我们是要预付给上游，锁定原材料报价。”拿到贷款后可以提前锁定算力成本，避免“Token采购一旦涨价，生意模型就会断裂”。

但这类AI企业大致分两种活法：一种是“代工型”，按下游平台的订单做内容生产，Token烧多少、钱收回多少；另一种是“自营型”，自研产品、自拓市场，Token消耗走在收入前面。

天府立言金融研究院院长曾刚向记者表示，对于“代工型”AI企业，业务量、Token消耗与订单收入之间形成了相对闭环的因果链条，银行核验上游平台消耗数据与下游客户回款即可构建可信画像；而“自营型”内容企业，Token消耗更多反映研发投入与生产成本，并不必然导向收入。消耗量高不等于变现能力强，银行若覆盖此类客群，应把Token数据作为辅助参考而非核心依据，叠加团队能力、历史回报率、渠道话语权等综合评估，避免把“烧钱能力”误判为“信用能力”。

顺着产业链往上游走

这个链条上的企业其实并不都是轻资产企业，还包含重投入、长周期的算力基建类企业。

建设银行广东省分行的做法，是先把这门生意拆开看，按角色把算力产业切成三段。

“我们充分考虑产业的特性，把算力产业切分成了三段。”建设银行广东省分行有关业务人士介绍，一是词元供给方，做算力生产、算力中心；二是词元服务方，包括词元供应商、交易平台，甚至是云服务商；三是词元应用方，比如常见的游戏公司、AI短视频公司。

“在不同的链点上的企业，它的融资需要是不一样的，Token在企业里面所处的位置也是不一样的，因此调度量也是不一样的。”

对算力基础设施，建行看的是项目本身：“我们肯定是非常看重企业项目的选择、项目位置、电的成本、算力卡的质量，这些都会综合考虑。”这类项目回本慢，“它的回本周期比较长，可能要到5年以上，建行的产品可以对他们做到10年及以上”。

对做Token交易、算力交易的平台方，则提供“周转比较快、贷款周期较为灵活”的产品。

差异化还体现在企业规模上。

对研发型、轻资产类公司，“前期很烧钱，基本上烧的都是创始人或原始股东的钱”，建行在产品设计中允许对这部分前期研发投入予以支持。

该专业人士介绍：“大中小各类企业，他们的需求不太一样，量级需求不一样，周期需求也不一样，甚至还款的频次都不一样，我们在里面也做了差异化的设计。”

但建行并不盲信消耗数据。“我们再结合客户词元的调度量，去综合研判它的风险，并不是说所有企业都是毫无选择地进，银行会优先支持符合商业逻辑的项目。”

该人士坦言，在对算力产业链分析后发现，词元调度量与模型好坏、与现金流入“不是一个正相关，甚至没有相关性”。

这也把新的难题摆在了银行面前：同样的调度量，背后可能是好生意，也可能只是烧钱留下的痕迹。

曾刚表示，随着词元经济规模扩大，算力金融将不再局限于面向单一企业的Token消耗贷款，而可能延伸至供应链金融——以核心AI大模型企业为节点，整合上游算力硬件商、中游云服务商与下游AI应用商的融资需求，形成链式产品体系。供应链上下游的数据可以相互印证，银行的风险控制将因此更立体有据。

当Token成为“水电费”

更广泛的变化，发生在被AI渗透的千行百业身上。

在广东这样的制造业大省，这种变化更加可感。那些把AI应用到生产流程改造和产品里的企业，大多本就是银行的存量客户。存量客户在变，银行就必须看得懂、跟得上。

惠州企业九联科技成立于2001年，从传统广电智能设备起步，2021年成为惠州首家科创板上市企业，如今持续加码5G通信、鸿蒙生态与人工智能。

在九联科技解决方案中心总经理何强看来，公司将智能化改造概括为十个字：“由点到面，先工具后流程”。九联科技先从研发设计、代码编写、文档整理等能够快速落地的场景入手，让员工先“用起来”；随着部分AI能力逐渐成熟，再将其嵌入CRM、OA、财务、生产检测等业务流程，让AI从辅助工具进一步融入生产经营。

为什么选择转型？何强给出的理由很实在。

一是外部环境具备，“当前大模型发展迅速，已经从几年前的‘能用’状态发展到了‘好用’状态，技术拐点已经到了”。二是行业压力，“生产制造相关的成本上升，产品生命周期缩短，客户对交期和质量要求越来越高”，传统依赖人力堆积和经验驱动的模式难以支撑。三是内部条件，公司已积累较为完整的研发、生产、供应链基础数据，研发人员占比高，管理层认可度高。

企业的转型需要魄力，也需要大量的资金投入。这类企业过去本就在银行成熟的信贷管理体系之内；如今企业搭上转型快车，银行的眼光也得跟着换。

“AI时代企业价值不再只看抵押物和传统财报。”当地一家国有银行有关负责人表示，对于这类从传统制造向AI、智能终端转型的企业，银行跳出传统信贷思维，重点看赛道、看技术、看专利、看研发能力、看团队实力，从重资产、重抵押，转变为重科创、重成长、重未来潜力。在这一过程中，Token与算力消耗开始具备“经营数据”的意义。

中信银行广州分行有关业务人士也向记者表示，随着AI技术进入制造、营销、内容生产等领域，相关企业的经营活动同样会沉淀出可观测的数据痕迹，例如API调用量、算力消耗水平、AI工具使用强度等。“这与长期用于制造业授信参考的用电量指标在逻辑上是一致的。”中信银行也针对代缴电费推出了“信福充电宝”融资产品。

也就是说，Token，对银行来说正在成为“水电费”，被纳入银行的评估体系中。

不过中信银行上述人士也向记者表示，在适用范围上，他们更倾向于分步推进，即在已深度应用AI的场景中，持续打磨风控模型和适配产品，待数据的可获取性、可验证性及行业口径标准化程度进一步提升后，再逐步向更广泛的传统行业延伸。

绕不开的风险关

银行押注Token贷，看得到的是机会，绕不开的是风险。

最直观的是价格。模型月月迭代、算力供给在加速扩容，Token价格说变就变，以某个时点的消耗量核定授信，难免刻舟求剑。

更深层的风险在于数据话语权。

曾刚提醒，数据真实性问题解决之后，可能演变为数据垄断：若银行授信高度依赖某一家或少数几家算力平台的后台数据，这些平台便掌握了企业信用评价的“解释权”，企业可能为融资被迫向其倾斜采购。“当核心平台同时扮演算力供应商、数据提供方和下游客户三重角色时，银行如果完全依赖其提供的数据进行信用判断，实际上是把风控独立性让渡给了产业链上最强势的一方，这里存在明显的利益冲突隐患。”

银行要避免对核心平台形成过度依赖，一方面需要建立多元化的数据交叉验证机制，将核心平台数据与企业自身财务、征信、其他业务伙伴的印证信息结合使用，防止单一数据源垄断授信结论；另一方面也应当把核心平台自身的经营稳定性和潜在利益冲突纳入风险评估框架，认识到“产业链龙头”和“独立数据提供方”这两个身份本身存在一定冲突，不能简单假设龙头企业提供的数据必然客观中立。

好在，银行也在各自的实践中摸索出不同的解法。

中信银行广州分行总结了三道验证关：其一是来源核验，在企业授权前提下，向模型服务商或云平台核对调用记录。其二是投入产出比对，将消耗量与企业的开票收入、纳税申报、银行流水及在手订单进行匹配，判断投入产出情况。其三是异常识别，对短期内异常放量、高频小额消耗，或消耗上升但无对应业务支撑的情形予以重点关注。

建设银行广东省分行则选择用数据沉淀和模型去识别规律。该行有关业务人士透露，建行正与广东词元交易和服务中心联合集成大量数据，“我们只有沉淀了大量数据才能找出此类企业运行规律”，并以此持续优化科技企业“技术流”专属评价体系，“我们自己的关于AI的模型也在不断跑，不断纠偏”，目前已形成六个评价维度。具体到词元应用方，建行主要看订单：“词元就是企业的原材料，采购词元，用模型去跑，再生成产品。我们主要看该企业的订单，我们通过其订单量来评判。”

回到问题的本质：银行发力Token贷，不是简单地放一笔贷款，而是在智能经济时代，对新生产力的一次重新理解。

路径尚无定论，各家都在摸索，眼下的第一课，是先让自己看得懂。无论面对哪一类企业，银行要建立的都是全新的多维信用画像，而不是简单把“消耗”当“信用”。