繼辦理銀行信用卡送Token後，用Token也能貸款了房產。
8月17日，農業銀行稱，該行將圍繞算力企業金融需求，打造“Token貸”“算力賬”等多個以算力為核心的金融產品和信貸評價模型房產。
幾天前，廣東省首個詞元經濟專項金融產品“Token貸”在廣州海珠區釋出，配套政策“詞元八條”同步落地房產。釋出會上，中國銀行、中信銀行、廣州銀行集中推出“Token貸”產品。
“Token貸”的特殊之處在於，它把算力Token產出消耗、算力服務合約價值、算力佣金結算量作為核心授信依據房產。
所謂Token，即大模型處理語言時使用的基本單位房產。每次和AI大模型聊天時，都會消耗Token，消耗越多，意味著模型被呼叫得越頻繁，背後往往對應著更多的算力消耗和業務活動。
過去，傳統信貸高度依託抵押物開展評估，如土地、廠房、裝置、應收賬款、發票流水等房產。而AI時代下，Token正逐漸成為其中一個能夠量化的指標。
中行“Token貸”授信超2800萬元
8月14日，廣東省首個“詞元經濟”專項金融產品“Token貸”在廣州海珠區正式釋出房產。
據中國銀行向時代週報記者介紹，該行針對海珠算力中小微企業推出專屬融資產品——“中銀·算力Token貸”，聚焦算力供給、應用、服務三大業務場景，推出包括算力Token供給貸、算力Token應用貸、算力Token服務貸三個子產品房產。
在產品設計上，該行突破傳統授信模式，以企業算力Token產出消耗、算力服務合約價值、算力業務產生的應收賬款、Token佣金結算量等作為核心授信依據，為企業提供最長三年、最高3000萬元的授信總量房產。
此外，針對數字經濟產業客戶輕資產、弱報表、散流水的特點，該產品創新擔保方式，可提供信用、應收賬款質押、訂單融資為主的擔保方式，亦可組合保證、抵押等擔保措施以擴大額度房產。
同時，“中銀·算力Token貸”採取線上線下雙輪驅動：線上符合條件客戶自主申請、自動審批；線下信貸工廠流程化、標準化快速審批，場景方案落地後，前中後臺政策協同、審批偏好一致，無縫對接快速響應客戶需求、快速落地業務房產。
據中國銀行介紹，目前中國銀行廣州海珠支行已為海珠算力相關企業提供融資超4億元，其中今年7月以來，落地算力Token貸授信金額超2800萬元房產。
不止中國銀行，中信銀行、廣州銀行也分別推出了各自的“Token貸”產品房產。
今年6月，農業銀行上海徐匯科技支行同樣推出“Token貸”專屬金融服務方案，將企業Token使用需求量作為授信重要依據，助力人工智慧企業提升算力效能房產。
蘇商銀行特約研究員武澤偉向時代週報記者表示，多家銀行集中落地Token貸，是金融機構適配詞元經濟發展的重要訊號，也代表科創信貸的評估邏輯正在發生轉變房產。大量AI相關企業屬於輕資產模式，缺少房產裝置這類傳統抵押物，較難獲得銀行信貸支援。
展開全文
武澤偉認為，Token貸把詞元消耗算力業務資料納入授信參考，把產業真實經營訊號引入銀行風控體系，降低賽道內中小企業的融資門檻房產。這一次產品集中釋出，為垂直科創賽道的普惠金融提供新樣本，也為後續更多地區複製推廣積累實操經驗。
多家銀行加速入局
實際上，銀行“Token貸”並不是憑空出現的產物房產。
從資料來看，2024年初，國內Token日均呼叫量約1000億次；至2025年底，這個數字漲到了100萬億次；到了今年3月，已突破140萬億次，兩年增長超千倍房產。這也標誌著中國AI正在從技術探索走向全面落地。
隨著AI大模型進入新的轉折點，銀行早已開啟了屬於自己的AI佈局房產。去年，已有多家銀行推出面向算力硬體企業的專項信貸產品。
去年5月，中國銀行在北京、上海、廣東、深圳、四川等地釋出“券貸聯動”服務方案暨“中銀科創算力貸”；江蘇銀行也於去年推出“算力貸”，並獨創算力企業評價模型，將算力算效、團隊結構、研發投入、智慧財產權等納入評分體系房產。其中，流動資金貸款最高信用額度為1.5億元，最長期限為5年。
此外，還有銀行推出“算力券+算力貸”券貸協同機制房產。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”，該產品採用“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，固定資產貸款最高可達5000萬元。
和傳統信貸相比房產，“Token貸”等創新信貸產品有什麼優勢？Token到底能不能進一步變成衡量 AI 企業經營情況的一種指標？
武澤偉告訴時代週報記者，對比傳統企業貸款，Token貸的優勢集中在適配輕資產科創主體，弱化實物抵押要求，依託業務資料和訂單開展授信，更加貼合AI企業的經營特徵，能夠覆蓋傳統信貸很難觸達的市場主體房產。
中國城市專家智庫委員會常務副秘書長、浙大城市學院副教授林先平同樣向時代週報記者表示，傳統信貸高度依賴不動產、裝置抵押、歷史財報與納稅流水，大量沒有硬資產的AI中小企業被擋在門外房產。Token貸不以實物抵押為必要條件，將詞元消耗規模、算力服務合同、應收賬款作為授信參考，擔保方式靈活，信用、訂單質押均可辦理，能夠覆蓋算力供給、AI應用開發等輕資產主體，解決企業算力採購的短期資金缺口，授信更加貼合AI企業真實經營狀態。
不過，“Token貸”也存在明顯短板房產。
武澤偉表示，Token消耗只能反映業務活躍度，並不直接等同於企業盈利和回款能力房產。行業還沒有形成統一的資料核驗標準，存在資料失真的潛在風險。同時AI行業業務波動較強，企業算力消耗會隨專案週期快速起落，會給貸後風險識別帶來挑戰。現階段它更適合作為傳統信貸的補充工具，還不能完全替代成熟的財務與抵押物評估體系。
對於後續發展的關鍵，林先平認為，是建立標準化的資料核驗機制，把詞元消耗和下游訂單、回款質量結合起來，不能單一依靠詞元消耗定額度，在產業扶持與信貸風險之間找到平衡，才能實現模式可持續房產。
來源房產：時代週報
