广州海珠区推出“Token贷”，将 AI 企业的 Token 产出与消耗、算力服务合约、应收账款和佣金结算量纳入授信依据。最高额度 3000 万元、最长 3 年，但 Token 越多并不等于利润越多。
8 月 14 日，广州海珠区发布金融产品“Token贷”。它试图解决 AI 企业融资中的一个老问题：企业没有足够厂房和固定设备，但持续采购算力、调用模型、交付 AI 服务，这些经营活动却很难被传统抵押型风控识别。
银行开始换一把尺子。
注：柱形仅用于展示不同规模的相对层级，非同一统计口径；具体金额以页面标注为准。
产品额度最高 3000 万元，期限最长 3 年，担保方式以信用、应收账款质押和订单融资为主，也可组合保证与抵押。对新成立企业，若原经营企业能够提供连续经营佐证或担保，也可按订单申请融资。
传统银行更熟悉“你拥有什么”：固定资产、稳定现金流、可变现抵押物。Token贷则试图回答“你正在做什么”：有没有持续调用模型、是否拥有真实订单、算力服务是否形成应收账款。
固定资产 → 抵押价值 → 授信额度。适合重资产企业，但容易忽略轻资产公司的业务增长。
Token 活跃度 + 合约 + 回款 → 经营证据 → 授信额度。更接近 AI 企业的日常业务过程。
注：对比卡展示的是风控侧重点变化，不代表 Token 指标可以替代财务、征信和抵押物审查。
三类子产品分别面向卖算力的企业、使用算力的企业，以及负责词元分发和调度的服务商。它覆盖的不只是模型公司，而是从算力供给、模型调用到应用交付的整条链路。
截至 2026 年 6 月底，全国日均 Token 消耗量已突破 30 万亿。报道中的另一组数据是：日均消耗量从 2024 年初的 1000 亿，增长至 2026 年 3 月的 140 万亿。口径和时间点并不完全一致，但共同指向一个事实：Token 已从模型内部的计量单位，变成产业经营活动的外部信号。
它像 AI 时代的电表。
注：政策金额为单项支持上限，不代表企业可以同时获得全部额度，具体条件以当地政策执行细则为准。
海珠同步推出“词元八条”，从生产、流通、应用、金融到出海提供政策支持。政府以补贴、贴息和风险补偿降低融资成本，银行提供资金，产业需求则负责验证这些 Token 是否真的来自可持续业务。
Token贷并非广州的单点实验。北京经开区提出“词元十条”，目标到 2030 年智能经济产业规模突破 4000 亿元；安徽明确鼓励开发 Token贷、模型贷；成都则完成首笔 114 万元纯信用算力贷放款。
Token 消耗量首先是活动指标，而不是盈利指标。一家企业每天消耗 10 亿 Token，可能意味着客户调用增长，也可能意味着模型效率低、大量重复调用，甚至只是训练阶段的高额消耗。若企业通过补贴免费客户、批量生成低价值内容或脚本模拟调用来制造数据，银行看到的就不再是经营活跃度，而是可被刷出的数字。
注：风险链条按“指标到还款能力”的推导顺序阅读，任一环节断裂，都可能削弱授信判断。
因此，比 Token 绝对数量更有价值的，可能是 Token/收入比、Token/订单比、Token/毛利比，以及客户留存、回款周期和净现金流。Token贷真正需要建立的，不是“谁消耗得多”，而是“谁能把消耗转化为可持续现金流”。
Token贷采用线上自动审批与线下信贷工厂并行的方式，效率可能更高，但 AI 企业之间的经营模式差异也更大。模型微调公司可能一次性消耗数亿 Token，AI客服 SaaS 则可能是低量、高频、持续调用，两者的 Token 含金量并不相同。
注：这份清单不是贷款审批标准，而是判断 Token 数据能否进入风控体系的基本问题。
如果银行只把 Token 消耗放在风控中心，而没有同步引入订单真实性、客户质量、毛利率、负债水平和净现金流，系统就可能从“看不懂”快速滑向“看错”。
Token贷解决的是 AI 企业“融不到资”的问题，却不能替企业解决“赚不到钱”和“还不上钱”的问题。它应当成为传统风控的新增数据层，而不是替代传统风控的单一答案；谁把 Token 增长直接等同于企业成长，谁就可能把数据泡沫转化成信用泡沫。
目前公开信息显示，Token贷仍处于地方试单和政策探索阶段，原文没有提供面向个人用户的统一申请或体验入口。关注这类产品时，先看三件事：Token 是否可审计、业务是否有真实付费客户、现金流能否覆盖还款。
金融创新的关键，不是把新指标写进审批表，而是证明它与真实偿付能力之间存在稳定关系。