收到300万元贷款批复，广州腾元数字科技有限公司创始人罗瑞昌长舒了一口气——紧绷的现金流，活了！这笔3年期的信用贷款，是广东省落地的首笔“词元贷”，由中国银行广州海珠支行提供授信。
“过去找银行贷款，对方看重的是房产、固定资产，我们只能靠法人个人用名下房产担保，不仅额度低、利率高，而且周期长。”罗瑞昌说，他的公司主营家居家电、快消、农文旅行业的数字营销，近两年营收翻倍增长，现金流却越绷越紧——“品牌项目账期长、下游回款滞后，上游的算力词元采购、大模型使用授权费用却须预付。”
现在，银行换了一把授信的“尺子”：探索把企业日常经营的数字生产要素纳入信用凭证，给人工智能企业“解渴”。这把新尺子又能否量得准、走得远？记者展开调研。
“词元经济”新考题待解
词元是大模型处理信息的最小单元。今年3月，国家数据局将其定位为“智能时代的价值锚点”。2024年初，我国日均词元调用量为1000亿；至2025年底，跃升至100万亿；今年3月，已突破140万亿，两年增长超千倍。
数据暴涨掩盖不了人工智能企业办理银行贷款时面临的窘况：最值钱的资产是算法、模型、数据，但轻资产、散流水，没有厂房、缺少抵质押物，难以走进银行的大门。
“银行看重实物资产，而这些企业的资产是代码和订单，这种错配是横亘在人工智能产业商业化进程中的结构性难题。”广州市海珠区投资促进局投资促进一科科长戴志杰说。
今年7月，中国人民银行等九部门联合印发《关于加强科技金融领域数据开发利用的通知》，支持打通科技金融数据壁垒，推动授信评价从“看抵押”向“看数据”等多维度延伸。
针对“词元经济”的新考题，广东各地银行机构也自下而上做出一系列探索——
海珠区率先发布“词元经济”专项金融产品“词元贷”，中国银行、中信银行、广州银行参与布局，中国银行落地首笔授信；建设银行广东省分行联合广东词元交易和服务中心推出“词元贷”，并为广州南沙一家智能物联网企业批复3000万元信用贷款；工商银行深圳龙岗支行则以“算力e贷”落地辖内首笔业务……
融资产品名称各异，但都是在围绕人工智能、数字经济等新兴产业特点，探索与企业新型经营模式相适配的金融产品和信用评价方式，将企业“看不见的算力消耗”，变成银行“看得见的信用依据”。“API（应用程序编程接口）调用日志、算力使用记录等数据天然不可篡改。”戴志杰介绍，银行通过数据清洗和聚合，即可将海量原始日志转化为可视化经营报表，再结合算力采购合同、下游服务合同、技术资质交叉验证，打破重固定资产、重实物抵押的风控壁垒。
“算力账单”成授信锚点
在“词元贷”发布银行，企业贷款材料清单展示了新变化：以前是房产证、报表、发票等，如今变成了月度词元消耗数据、算力服务合约和API调用日志。
从看资产到看流量，将“算力账单”变成授信锚点，如何顺利落地？
在深圳市爱智慧科技有限公司，工程师正在调试喷漆机器人——机器人每“学会”一个新动作，背后都是大模型的调用、词元的消耗、账单的累加。这家主营具身智能训练的专精特新企业，急需资金采购大量词元支撑机器人迭代升级，却缺乏厂房、土地等抵押物难以贷款，一度影响业务进度。
在走访企业时，深圳市龙岗区人工智能（机器人）署摸清行业痛点，协同区发展和改革局指导工商银行深圳龙岗支行推出了“算力e贷”，将算力采购需求、技术服务合约价值及未来应收账款纳入授信评估体系，迅速为爱智慧科技核定500万元信用贷款额度。“这笔贷款来得非常及时，不仅解决了购买算力的资金难题，更是对我们这类轻资产科创企业价值的极大认可。”企业负责人说。
不同的企业，“算力账单”的计算方式不同，银行授信的尺子也不同。
“普通质量短剧每分钟消耗词元的成本达1500元，高质量的每分钟成本能达到4000元。”广州一家AI（人工智能）短剧制作企业的营销负责人梁剑算了一笔账。以日常算力消耗数据作参考依据，这家企业申请到500万元3年期信用贷款。而另一家AI电商直播企业面临的难题则是，算力采购款须提前垫付，项目回款周期长达5至6个月。凭借算力采购单，该企业获得300万元3年期信用授信。
中国银行广州分行将企业历史词元结算数据、词元供给值与消耗值以及算力合约价值作为经营评价的重要考量，推出3个“词元贷”子产品：算力供给贷，服务从事大模型搭建训练、已完成国家级备案、签订算力服务合约的企业；算力应用贷，服务使用词元发展自身业务的发展型企业；算力服务贷，服务提供AI API服务、数据标注、模型微调的技术服务商。单户最高授信3000万元，流动资金贷款期限最长3年。
建设银行广东省分行则围绕供给、应用、服务三大场景进行差异化定制。上游看合约与应收账款，让手中的合同变成可用的资金；下游看消耗与订单，考察AI应用是否顺利从样品迈向产品；中间则看算力平台方的结算流水。
如此，金融活水精准滴灌到产业链每一环。“通过算力消耗的相关情况去看客户的真实经营生产，让授信逻辑逐步向动态数据监测转化。”中国银行广州分行普惠金融事业部副总经理李柳兰说。
新尺子如何防住新风险
把“看不见的算力消耗”变成“看得见的信用依据”，新尺子也带来一些新风险。“词元贷”试水之后，不少业内人士提出顾虑，市场上早就存在已有闲置词元重复售卖、后台篡改消耗速度等乱象，如果银行基于被操纵的数据放贷，授信评估是否会出现偏差？此外，词元价格随着人工智能大模型调用需求情况和算力市场变化波动，作为授信锚点是否可靠？
多家银行信贷部门工作人员表示，若单纯将词元数据作为唯一授信依据，银行可能面临企业无效调用、刷单虚增消耗量、人为做大业务规模等风险。
银行的解法，是多维交叉印证，词元消耗量仅是主要指标之一，而非唯一依据，不直接等同于抵押物。银行参照企业历史算力结算数据、算力服务合约价值、算力业务应收账款、词元佣金结算量等，并结合企业经营、财务、征信、实际控制人履历等维度核定企业综合额度。算力平台月度词元消耗量和企业运营、收入、未来收款等环环相扣、彼此印证。
“核心仍是评测企业是否具备有效的还款能力，未来经营中是否有较好的还款现金流，基本授信逻辑没有改变。”李柳兰说，归根结底，“词元贷”锚定的是真实算力服务消耗与企业经营数据，而非可炒作的数字资产。
数据如何核得准？李柳兰表示，针对可能存在的词元消耗数据造假情况，银行在具体业务开展过程中，强化业务真实性穿透核验，建立“合同+词元调用数据+交易流水”交叉验证机制，对接企业算力平台词元计量数据，核验词元生产、调用、结算全链路，核实账款真实性，防范虚构算力业务、客户刷单无效调用、虚增词元营收的风险。未来还将争取与算力平台企业建立合作关系，向银行开放算力平台系统查询ID，实现实时监控核验，强化数据真实性管控，防范造假风险。
李柳兰坦言，“词元贷”仍在探索阶段，还没有成熟的风控模型，有待在政策支持下持续加强政银协作、银企合作，探索不同场景下适配算力产业发展的多种服务模式。目前，广州地区已授信的算力企业以信用类贷款为主，并纳入广州市信贷风险机制政银风险分担。
探索虽审慎，步伐并不慢。目前，中国银行广州海珠支行“词元贷”授信总额已达2800万元，首批获授信企业广泛分布在AI短剧、电商营销、人工智能工具开发等领域，以算力产业链小微企业为主。
暨南大学南方高等金融研究院副院长谢宝剑表示，“词元贷”从创新探索到规模化复制仍面临不少挑战，比如词元计费口径、统计标准尚不统一，第三方中立审计体系仍缺失等。但这是一个良好的开始，他认为，“词元贷”的深层效应在于对人工智能产业生态的撬动，政府搭台、银行创新、平台供数、服务商落地，构建起“金融赋能—产业集聚—新金融需求”的正循环。
