如果你最近见到「算力贷」「Token贷」这类说法，第一反应多半是疑惑：贷款看的从来是房子、厂房，什么时候轮到「算力」了？

近日，广州多家银行开始将企业的AI算力调用量纳入放贷依据。

而在大洋彼岸，英伟达联合华尔街六家顶级机构，正在推动GPU成为一种可以被养老金、保险公司持有的「资产」。

人民币小额信贷与五千亿美元级别的资本运作，体量相差悬殊，逻辑却是相通的：算力正在成为信用体系里的新型抵押物，接替房产曾经的位置。

什么是算力贷？

需要先澄清一个误解：银行并非把算力「借」给企业用。「算力贷」本质上仍是一笔人民币贷款，变的只是银行评估是否放贷的依据。

过去银行放贷，依据的是厂房、设备、房产这些看得见摸得着的资产。但一大批AI相关企业账上几乎没有符合「硬资产」标准的服务器，业务却相当活跃。

于是银行调整了评估框架：从企业持有什么，转向企业在做什么，具体参考的是企业的Token词元消耗量、算力服务合约价值、算力业务产生的应收账款、佣金结算量。

广州海珠区，中国银行、中信银行、广州银行同时推出了广东省第一款「Token贷」。中国银行披露的首批试单授信，2800万元。

这一模式并非横空出世。海珠区一年前就推过「流量贷」，面向数字营销企业，一年多下来新增授信超10亿元，Token贷是同一套逻辑在另一个领域的延续。

放眼全国，类似尝试开始得更早。2025年1月，兴业银行汕头分行就已落地算力项目贷款；3月底，江苏银行上海分行向商汤科技、上海数据港、上海优刻得等5家企业提供了10亿元授信，是目前公开报道中规模最扎实的一笔。这批企业处在算力供应链中上游，营收和客户结构相对清晰，风险比广州此次面向的中小微应用层企业容易评估。

不过，尽管名为「Token贷」「算力贷」，银行并不会单凭一个Token消耗数字放款。

在中国银行的产品设计里，额度是按合同或Token消耗量核定，但真正兜底的担保方式依然是信用、应收账款质押、订单融资这些传统工具。Token消耗量更像一块敲门砖，决定企业能否进入授信流程，最终起决定作用的仍是传统风控体系。

这里面的隐患，行业内部其实清楚。有专家指出：Token消耗只代表业务流量，不等于盈利和回款能力，企业若人为拉高消耗数字，反而会打乱自身的财务平衡。

这一模式放在全球范围看，规模相当克制，千万到十亿级人民币，银行的风险把控稳健，敞口在自身承受范围之内。

但如果视线转向华尔街，同一个逻辑已经被放大到了完全不同的量级。

进击的华尔街

中国国内的方案走的是稳健路线，以传统担保为主，Token消耗仅作参考。华尔街则已走到下一步：把算力本身变成可以被机构投资者持有的抵押资产。

这中间，英伟达一年之内出手两次，力度一次比一次大。

第一次出手是给中间商做担保，事情要从一个具体的融资难题说起。AI云服务商GMI Cloud想为客户Fireworks AI提供算力，需要先从硬件厂商采购一批英伟达GPU服务器。但因为Fireworks AI不是投资级企业，银行直接拒绝为这笔采购提供贷款。

GMI创始人兼CEO Alex Yeh将这个难题反馈给英伟达，双方从今年年初开始讨论，形成了一套新机制，他自己将其形容为一种「保险产品」。

7月1日，英伟达CFO Colette Kress在官方博客正式公布了这套模式，业内也称它「算力换分成」。具体分三层：英伟达把GPU、软件平台和信贷支持，提供给Sharon AI、Firmus这类云服务商；云服务商以这些资源建设算力中心，再租给终端的AI初创公司；英伟达从云服务商后续的云业务收入中分成。

真正让银行敢放贷的关键，是英伟达承诺的信用担保和残值支持：如果终端客户违约或算力闲置，英伟达按约定方式承担部分损失。这道担保相当于为银行覆盖了最坏情形。银行原本顾虑的是Fireworks AI这类终端客户信用资质不足，有了英伟达的担保，GMI这类中间云服务商也得以顺利获得采购贷款。

这一模式随即招来质疑：英伟达在CoreWeave、OpenAI这些合作中，既是芯片供应商又是投资方，两种身份叠加，外界称之为循环融资。有云服务商高管为这一模式辩护，认为循环融资真正危险的地方，是拿钱制造出原本不存在的需求；只要芯片最终是被真实付费客户用起来的，这套机制就还在正常运转。

但争议已经埋下了。

英伟达的第二次出手，是把风险转嫁给华尔街。8月10日，它联合阿波罗全球管理、贝莱德、黑石、博枫资产、高盛、KKR六家顶级机构，签署了一份谅解备忘录，目标是长期动员超过5000亿美元的第三方资本，专门支持AI企业买算力、租算力，养老金、保险资金都在吸纳之列。

这次的操作更为复杂：

六家机构向养老金、保险资金这类第三方资本募资，将资金注入一个独立的SPV（特殊目的载体）；SPV拿这笔钱向英伟达采购GPU，这是一笔正常的现金交易；买回来的GPU不归SPV自用，统一租给下游需要算力的AI公司；这些公司按期支付的租金，最终用来偿还SPV最初从机构那里借来的本金和利息。

换句话说，这就是「以租养贷」的放大版：机构借钱给SPV，SPV以GPU这一抵押物赚取租金，再以租金偿债。与贷款买房后出租、以房租覆盖月供的做法，结构上并无不同，只是抵押物从房产换成了GPU。

英伟达在这套结构中为自己保留了一道「安全垫」，但规模远小于7月那次，单个项目最多提供25%的残值支持，不再是全额担保。审批权也随之转移：六家机构会各自独立评估每个项目的客户资质、需求强度、现金流，不再单靠英伟达的信用背书。这笔巨额负债停留在SPV账上，不会体现在英伟达自身的资产负债表中。

这个转向并非偶然。有分析指出了其中的意图：过去英伟达通过股权投资、采购合作直接支持生态客户扩张，放大了需求，也引来了循环融资的质疑；这次搭建独立平台，正是把评估和主要资金负担转交给独立金融机构，英伟达自己退到「提供技术标准+有限残值支持」的位置。

7月那次，英伟达亲自担任担保人，风险自留；被质疑「左手倒右手」之后，8月这次它将风险的大部分转移给了华尔街的机构投资者。

黄仁勋对这套安排的定性是：技术芯片第一次成为一种可投资资产类别。

批评者则认为，底层逻辑并不新鲜，本质仍是「硬件抵押+未来现金流折现」这套传统基建融资的老框架，只是标的物从公路、电厂换成了GPU集群。

时代走到了哪里

银行根据Token消耗放贷、英伟达以GPU作抵押向养老金借钱，做的是同一件事：把算力当成新一代的「房产」。

头部大模型公司几乎全部处于亏损状态，银行如果固守「利润为负不予放贷」的旧规则，几乎整个AI行业都会被排除在信贷体系之外。

AI业务的变化速度远超财报的更新节奏。中国日均Token调用量从2024年初的约1000亿级增长到2026年3月的140万亿级，两年上升了三个数量级。银行想知道的是这家企业最近活不活跃，Token消耗数据的价值恰恰在于它接近实时，财报给不了这种时效性。

不过缺口补上之后，风险也随之出现，而且中美两地出现的，是同一个问题的两种形态。

中国的风险在于抵押物本身可能失真：Token消耗可以由企业刷量制造，一旦消耗量与真实付费用户脱钩，银行看到的「业务活跃」可能只是噪音。

华尔街的风险在于抵押物的买卖双方高度重合：英伟达既是芯片供应商，又通过投资、担保与客户绑定，资金流转一圈仍回到自己手中，这正是「循环融资」争议的核心。

两边共同指向一个问题：当算力变成抵押物，谁来确认这个抵押物真实存在、价值几何？银行和资本市场目前都没有从外部独立核实这些数据的手段，只能依赖当事人自证，或以传统担保作为补充。

设备厂商自己提供信贷、帮助客户采购自己的产品，历史上并非首次。

上世纪90年代末互联网泡沫期间，朗讯和思科都采用过「设备融资+供应商信贷」的方式，帮助客户采购自己的设备。朗讯曾向客户承诺高达81亿美元的供应商融资，泡沫破裂后累计计提了约35亿美元坏账拨备，是这类案例中最惨痛的一个，其结构与英伟达7月的担保安排几乎如出一辙。

这些案例的共同点是：融资方和受益方高度重合，需求被资金杠杆放大，一旦真实需求跟不上杠杆扩张的速度，坏账就会集中爆发。

信贷标准的尺度在某种程度上是一种「温度计」。历史上信贷标准的放松，往往出现在一轮扩张周期的后半段。

这场实验能走多远，取决于一个基本条件：算力能否像房产一样，持续、真实地产生现金流。

房产之所以能被反复抵押、被证券化、被嵌入各类金融产品，是因为它足够真实、足够耐用，租金能够持续回收。

算力能否承受同样的重量，目前尚无答案。（本文首发钛媒体APP，作者 | AGI-Signal，编辑 |郝敬钰 ）