银行竞推，“Token贷”的三重风险

2026年夏天，“Token贷”成了金融圈最热的关键词。

8月14日，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、广州银行三家机构同日推出适配AI算力企业的新型融资工具。中国银行广州分行推出“算力Token贷”三个子产品：算力Token供给贷、算力Token应用贷、算力Token服务贷，单户最高授信3000万元，期限最长3年。按照产品设计逻辑，企业日常经营中产生的Token消耗量，正被银行纳入授信参考指标。

Token贷服务AI企业，个人消费贷仍是空白

Token贷，本质上是银行面向AI产业链企业推出的一种经营贷款。其核心逻辑是：银行不再只看厂房、设备等传统抵押物，而是将企业日常经营中产生的Token消耗量、算力服务合约价值、算力业务应收账款等作为授信参考依据。Token是大模型处理文本的最小计量单位，企业运行AI应用、调用大模型都会产生Token消耗。银行通过观察这个“消耗量”，来判断企业的真实业务活跃度。

Token贷主要面向的是AI产业链上缺乏传统抵押物的轻资产科创企业。中行的产品按三大场景拆分为三个子产品：“算力Token供给贷”面向大模型训练企业，“算力Token应用贷”面向AI应用开发企业，“算力Token服务贷”面向算力运维服务商。申请企业需提供算力平台账单或Token调用量明细，以及上游算力采购合同、下游客户服务合同、技术资质等材料。

个人与Token的唯一交集是信用卡权益，而非贷款。目前，招商银行、平安银行、农业银行等推出了AI主题信用卡，将Token作为新户首刷礼。例如招商银行运通工程师信用卡，新户消费达标后可享每月18亿Token的M3用量。但当前消费端的布局仍局限于权益绑定，真正面向个人的Token消费信贷产品仍属空白。原因是Token贷的授信逻辑依赖可验证的经营合约和回款闭环，个人消费场景不具备这个条件。

Token贷怎么贷？银行怎么审？

据中国银行广东省分行介绍，“算力Token贷”的授信依据包括企业历史算力结算数据、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。担保方式以信用、应收账款质押、订单融资为主。该行工作人员向北京日报记者透露，截至目前，“算力Token贷”投放贷款6户2800万元，已落地的主要为算力应用和服务客户，算力供给客户暂未落地。

但Token贷并没有把Token当抵押物。邮储银行研究员娄飞鹏表示，将Token消耗量纳入授信参考指标，并未改变银行授信的根本逻辑，只是在传统指标基础上增加了更多关于创新能力的评价指标。

银行如何核实Token数据？目前主要通过两种方式：核查企业提供的与平台结算的Token消耗清单；现场核查时由企业登录平台实时展示Token使用情况。天府立言金融研究院院长曾刚公开指出，银行没有跨平台交叉验证的能力，也无法穿透判断数据是真实业务产生的还是刷出来的，这是Token贷当前最明显的短板之一。

银行对Token贷的态度整体审慎。据公开报道统计，截至目前，中行广州分行“算力Token贷”实际投放800万元（另有2000万元已批未放），农行温州鹿城支行落地一笔200万元信用贷款。9月3日，中信银行广州分行也落地了首笔“Token场景贷”，但未披露具体投放规模。

银行之所以保持克制，与Token贷面临的三重现实风险直接相关。

第一重：数据失真风险。Token消耗数据目前完全由算力平台单方输出，银行只能通过企业提供的账单或现场登录演示来核验，没有中立第三方的存证审计机制。招联首席经济学家董希淼指出，Token数据易被“刷单”或无效调用虚增，比如测试调用、无效请求，产生Token消耗但不产生真实业务收入，且缺乏统一审计标准。

第二重：经营脱节风险。Token消耗量大，不等于企业能赚钱。董希淼明确表示，Token是“收入潜力”而非“净利”，高消耗往往伴随高额算力采购成本，若企业定价或回款不力，可能“增收不增利”。如果银行过度依赖这一单一指标授信，可能直接高估企业偿债能力。

第三重：算力资产贬值风险。GPU硬件技术迭代速度远超传统工业设备，新一代芯片推出后，老款GPU算力租赁价格会迅速下跌。而目前算力价值评估标准、资产质押登记系统、二手流转市场均尚未形成统一规范。

一个真实的警示：并济科技5.6亿暴雷

就在银行密集推出算力贷、Token贷的同一时期，算力租赁行业爆出了一起暴雷事件。

5月25日，长江联合金融租赁正式对四川并济科技提起诉讼。6月2日，四笔重大被执行信息集中浮出水面，合计金额5.6亿元，涉事租赁机构近15家。需要注意，并济科技事件本身并非Token贷信贷产品形成的不良，而是算力租赁行业融资租赁业务暴雷，但其暴露的业务漏洞，对Token贷风控具备很强警示意义。

事件的核心特征，暴露出算力信贷业务中几大典型风控盲区：设备上架了，不代表客户验收了；在线率达标了，不代表产生了有效计费；合同金额写得很大，不代表下游客户有实际付款义务。并济科技提供的算力服务合同和采购协议在表面上全部合规，但没有持续的真实付费需求支撑，项目现金流的底层链条是断裂的。

这个案例的警示意义非常直接：算力订单、Token消耗数据、设备采购合同，看起来都是“硬证据”，但如果做不到逐台设备、逐份订单、逐笔回款的全链条穿透核验，它们就是银行风控体系里最危险的那类资产。

同一枚Token，金融业走出两条路

由于场景不同，同一枚Token，在金融业两个子行业里走的是两条完全不同的路。

在保险侧，Token已经变成了财报上落地的钱。2026年中报，中国平安首次披露Token数据：日均Token消耗量从2025年12月的300亿跃升至2026年6月的超1200亿，半年增长至4倍。“AI in ALL”战略下，AI坐席服务量约9.39亿次，覆盖81%的客服总量；AI智能体辅助实现销售额573.13亿元。中国人寿已打造超500个智能体，应用于销售、运营和风控。中国人保落地246个AI应用场景，上半年调用超23亿次。

在银行侧，Token还在被当作信用标尺试错。Token贷的逻辑是“看消耗量推断经营状况”，但银行既缺第三方数据存证审计，又缺乏跨平台交叉验证能力，更无法穿透判断数据是真实业务产生的还是刷出来的。一年多的探索后，中行实际投放6户2800万元，户均约467万元，与宣传的3000万元上限仍有差距。Token在银行侧方向具备现实探索价值，但配套基础设施、风控核验能力，尚跟不上市场对该产品的叙事期待。