收到300萬元貸款批復，廣州騰元數字科技有限公司創始人羅瑞昌長舒了一口氣——緊繃的現金流，活了！這筆3年期的信用貸款，是廣東省落地的首筆“詞元貸”，由中國銀行廣州海珠支行提供授信。

　　“過去找銀行貸款，對方看重的是房產、固定資產，我們只能靠法人個人用名下房產擔保，不僅額度低、利率高，而且周期長。”羅瑞昌說，他的公司主營家居家電、快消、農文旅行業的數字營銷，近兩年營收翻倍增長，現金流卻越繃越緊——“品牌項目賬期長、下游回款滯后，上游的算力詞元採購、大模型使用授權費用卻須預付。”

　　現在，銀行換了一把授信的“尺子”：探索把企業日常經營的數字生產要素納入信用憑証，給人工智能企業“解渴”。這把新尺子又能否量得准、走得遠？記者展開調研。

　　“詞元經濟”新考題待解

　　詞元是大模型處理信息的最小單元。今年3月，國家數據局將其定位為“智能時代的價值錨點”。2024年初，我國日均詞元調用量為1000億﹔至2025年底，躍升至100萬億﹔今年3月，已突破140萬億，兩年增長超千倍。

　　數據暴漲掩蓋不了人工智能企業辦理銀行貸款時面臨的窘況：最值錢的資產是算法、模型、數據，但輕資產、散流水，沒有廠房、缺少抵質押物，難以走進銀行的大門。

　　“銀行看重實物資產，而這些企業的資產是代碼和訂單，這種錯配是橫亙在人工智能產業商業化進程中的結構性難題。”廣州市海珠區投資促進局投資促進一科科長戴志杰說。

　　今年7月，中國人民銀行等九部門聯合印發《關於加強科技金融領域數據開發利用的通知》，支持打通科技金融數據壁壘，推動授信評價從“看抵押”向“看數據”等多維度延伸。

　　針對“詞元經濟”的新考題，廣東各地銀行機構也自下而上做出一系列探索——

　　海珠區率先發布“詞元經濟”專項金融產品“詞元貸”，中國銀行、中信銀行、廣州銀行參與布局，中國銀行落地首筆授信﹔建設銀行廣東省分行聯合廣東詞元交易和服務中心推出“詞元貸”，並為廣州南沙一家智能物聯網企業批復3000萬元信用貸款﹔工商銀行深圳龍崗支行則以“算力e貸”落地轄內首筆業務……

　　融資產品名稱各異，但都是在圍繞人工智能、數字經濟等新興產業特點，探索與企業新型經營模式相適配的金融產品和信用評價方式，將企業“看不見的算力消耗”，變成銀行“看得見的信用依據”。“API（應用程序編程接口）調用日志、算力使用記錄等數據天然不可篡改。”戴志杰介紹，銀行通過數據清洗和聚合，即可將海量原始日志轉化為可視化經營報表，再結合算力採購合同、下游服務合同、技術資質交叉驗証，打破重固定資產、重實物抵押的風控壁壘。

　　“算力賬單”成授信錨點

　　在“詞元貸”發布銀行，企業貸款材料清單展示了新變化：以前是房產証、報表、發票等，如今變成了月度詞元消耗數據、算力服務合約和API調用日志。

　　從看資產到看流量，將“算力賬單”變成授信錨點，如何順利落地？

　　在深圳市愛智慧科技有限公司，工程師正在調試噴漆機器人——機器人每“學會”一個新動作，背后都是大模型的調用、詞元的消耗、賬單的累加。這家主營具身智能訓練的專精特新企業，急需資金採購大量詞元支撐機器人迭代升級，卻缺乏廠房、土地等抵押物難以貸款，一度影響業務進度。

　　在走訪企業時，深圳市龍崗區人工智能（機器人）署摸清行業痛點，協同區發展和改革局指導工商銀行深圳龍崗支行推出了“算力e貸”，將算力採購需求、技術服務合約價值及未來應收賬款納入授信評估體系，迅速為愛智慧科技核定500萬元信用貸款額度。“這筆貸款來得非常及時，不僅解決了購買算力的資金難題，更是對我們這類輕資產科創企業價值的極大認可。”企業負責人說。

　　不同的企業，“算力賬單”的計算方式不同，銀行授信的尺子也不同。

　　“普通質量短劇每分鐘消耗詞元的成本達1500元，高質量的每分鐘成本能達到4000元。”廣州一家AI（人工智能）短劇制作企業的營銷負責人梁劍算了一筆賬。以日常算力消耗數據作參考依據，這家企業申請到500萬元3年期信用貸款。而另一家AI電商直播企業面臨的難題則是，算力採購款須提前墊付，項目回款周期長達5至6個月。憑借算力採購單，該企業獲得300萬元3年期信用授信。

　　中國銀行廣州分行將企業歷史詞元結算數據、詞元供給值與消耗值以及算力合約價值作為經營評價的重要考量，推出3個“詞元貸”子產品：算力供給貸，服務從事大模型搭建訓練、已完成國家級備案、簽訂算力服務合約的企業﹔算力應用貸，服務使用詞元發展自身業務的發展型企業﹔算力服務貸，服務提供AI API服務、數據標注、模型微調的技術服務商。單戶最高授信3000萬元，流動資金貸款期限最長3年。

　　建設銀行廣東省分行則圍繞供給、應用、服務三大場景進行差異化定制。上游看合約與應收賬款，讓手中的合同變成可用的資金﹔下游看消耗與訂單，考察AI應用是否順利從樣品邁向產品﹔中間則看算力平台方的結算流水。

　　如此，金融活水精准滴灌到產業鏈每一環。“通過算力消耗的相關情況去看客戶的真實經營生產，讓授信邏輯逐步向動態數據監測轉化。”中國銀行廣州分行普惠金融事業部副總經理李柳蘭說。

　　新尺子如何防住新風險

　　把“看不見的算力消耗”變成“看得見的信用依據”，新尺子也帶來一些新風險。“詞元貸”試水之后，不少業內人士提出顧慮，市場上早就存在已有閑置詞元重復售賣、后台篡改消耗速度等亂象，如果銀行基於被操縱的數據放貸，授信評估是否會出現偏差？此外，詞元價格隨著人工智能大模型調用需求情況和算力市場變化波動，作為授信錨點是否可靠？

　　多家銀行信貸部門工作人員表示，若單純將詞元數據作為唯一授信依據，銀行可能面臨企業無效調用、刷單虛增消耗量、人為做大業務規模等風險。

　　銀行的解法，是多維交叉印証，詞元消耗量僅是主要指標之一，而非唯一依據，不直接等同於抵押物。銀行參照企業歷史算力結算數據、算力服務合約價值、算力業務應收賬款、詞元佣金結算量等，並結合企業經營、財務、征信、實際控制人履歷等維度核定企業綜合額度。算力平台月度詞元消耗量和企業運營、收入、未來收款等環環相扣、彼此印証。

　　“核心仍是評測企業是否具備有效的還款能力，未來經營中是否有較好的還款現金流，基本授信邏輯沒有改變。”李柳蘭說，歸根結底，“詞元貸”錨定的是真實算力服務消耗與企業經營數據，而非可炒作的數字資產。

　　數據如何核得准？李柳蘭表示，針對可能存在的詞元消耗數據造假情況，銀行在具體業務開展過程中，強化業務真實性穿透核驗，建立“合同+詞元調用數據+交易流水”交叉驗証機制，對接企業算力平台詞元計量數據，核驗詞元生產、調用、結算全鏈路，核實賬款真實性，防范虛構算力業務、客戶刷單無效調用、虛增詞元營收的風險。未來還將爭取與算力平台企業建立合作關系，向銀行開放算力平台系統查詢ID，實現實時監控核驗，強化數據真實性管控，防范造假風險。

　　李柳蘭坦言，“詞元貸”仍在探索階段，還沒有成熟的風控模型，有待在政策支持下持續加強政銀協作、銀企合作，探索不同場景下適配算力產業發展的多種服務模式。目前，廣州地區已授信的算力企業以信用類貸款為主，並納入廣州市信貸風險機制政銀風險分擔。

　　探索雖審慎，步伐並不慢。目前，中國銀行廣州海珠支行“詞元貸”授信總額已達2800萬元，首批獲授信企業廣泛分布在AI短劇、電商營銷、人工智能工具開發等領域，以算力產業鏈小微企業為主。

　　暨南大學南方高等金融研究院副院長謝寶劍表示，“詞元貸”從創新探索到規模化復制仍面臨不少挑戰，比如詞元計費口徑、統計標准尚不統一，第三方中立審計體系仍缺失等。但這是一個良好的開始，他認為，“詞元貸”的深層效應在於對人工智能產業生態的撬動，政府搭台、銀行創新、平台供數、服務商落地，構建起“金融賦能—產業集聚—新金融需求”的正循環。

　　《 人民日報 》（ 2026年09月14日 18 版）