广东上线「Token贷」，如何看待这一创新模式？

最近AI圈和金融圈都在聊广东刚上线的Token贷，不少人刚听到名字就误会，以为是把加密Token拿去抵押借钱，其实根本不是这么回事。我干金融风控有些年头了，第一眼看到这个新产品就琢磨出不少值得聊的点，今天跟大家唠唠实在话。

很多人一听Token贷就往加密货币那边联想，其实人家玩的是另外一套完全合规的逻辑。它不是把Token本身当抵押物，是把AI企业平时的Token消耗量、AI经营活跃度、算力使用情况还有真实订单这些新型经营数据，转换成银行看得懂的信用信号。说白了就是从工业时代看水表电表燃气表的授信逻辑，直接升级到AI时代看数字化要素，核心还是给实体企业放经营贷。

现在AI行业看着热，能拉动新的资本支出，其实具体商业落地还是走当年互联网2.0的老路子，无非就是流量、变现那一套。马太效应在AI领域比传统行业还明显，头部企业越玩越大，中小企业拿到的资源少得可怜。资金、设备、团队配置都跟不上的中小AI企业，要是盲目扩大Token消耗再加杠杆，搞不好会重蹈早年供应链金融爆雷的覆辙。

业内现在默认先发展后治理，创新先跑起来，最后看实际坏账率多少再调整规则也不迟。不得不说，这个产品确实跳出了传统金融盯着资产负债表的老框架，能给轻资产的AI企业多增信放贷款，特别适合当下很多轻资产运营的AI中小企业，这点确实是进步。我干了这么多年风控，还是忍不住捏一把汗，给本来就弱势的中小企业加杠杆撬动大盘，我真的持保留态度。

传统银行给小微企业批贷款，看来看去就是财务报表、抵押物、纳税记录、银行流水还有个人征信这几样。很多AI创业公司，尤其是那种几个人甚至一个人的小工作室、软件开发商、智能体服务商，大多都是轻资产模式，前期all in研发，收入早期根本不稳定。传统授信指标根本看不出人家真实的经营能力，想借点钱扩大发展根本找不到门路。

Token贷的推出其实还有一层用意，最近一段时间Token价格持续下跌，要稳住市场就得激发出真实消耗量，这个产品刚好踩中了这个需求点。它的授信逻辑说起来也简单，就是顺着企业消耗Token的轨迹，反推有没有真实的AI业务需求，再看能不能拿到稳定订单产生收入，客户是不是持续使用，企业现金流能不能接得上。只要一个AI企业持续有大量真实客户调用，Token消耗稳定增长，同时订单回款都能同步跟上，它的信用质量其实比资产负债表表现出来的要好得多。

这个和传统看抵押物的信用逻辑完全不一样，属于数据资产金融化的探索方向。其实这种玩法不是咱们中国独有的金融创新，美国早就在做类似的产品，只是没包装成Token贷这个名字罢了。最典型的就是美国的Square Loans，底层逻辑和广东的Token贷高度相似。

这个产品会直接用商户在自己支付平台上的交易金额、交易频率、客户结构、账户历史这些实时经营数据，算出来信用分再给贷款额度，还支持自动申请放款。还款也很灵活，直接从每日销售收入里按比例扣除，企业生意好的时候多还，生意差的时候少还，今年这个产品还进一步用上机器学习，靠实时数据扩大了授信覆盖范围。说白了就是Square Loans靠实时支付流水和平台经营数据做授信，国内这边Token贷靠Token消耗和AI业务订单算力数据做授信，核心逻辑其实没差。

这种金融产品专业名称叫替代数据信贷，早就不是什么新鲜技术了。美国美联储、FDIC这些监管机构早在2019年就公开讨论过，用银行流水等传统征信之外的数据做信用评估，认可这种方式能扩大信用覆盖面，提升授信效率，但同时也反复强调要注意数据安全、消费者保护和合规风险。

我干风控这么久一直认为，Token消耗量只是一个活动指标，算不上盈利指标。金融本身就是建立在净现金流基础上的风险错配，只拿Token消耗做判断根基不稳。一家企业一天烧掉十亿Token，有可能真的是业务爆发增长，也有可能只是模型效率太低，大量重复调用，还有可能业务还在初级阶段，一直在烧钱训练模型，根本没有正向收入。

甚至不排除有些动歪心思的人，搞出来补贴买虚假流量，再用大量免费客户制造调用量，把Token消耗做高，再造假订单和现金流，最后套取贷款的骗贷模式。AI行业现在技术迭代速度这么快，同样的业务谁能用更少Token完成目标谁才是赢家，所以Token和收入比、Token和订单比、Token和毛利比这些比值，其实比Token的绝对数量要有意义得多。

你看美国做替代数据授信，从来不会只盯一个指标，都是结合现金流、交易行为、账户历史等一堆多维数据交叉验证。美国国会研究处也明确提过，替代数据虽然能扩大信贷覆盖范围，帮更多中小企业拿到贷款，但同时也会带来数据安全、公平信贷和模型风险这些问题。

真不知道咱们这次推Token贷，有没有把这些潜在风险都提前考虑到位。这也是我认为Token贷中长期最大的风险点。如果银行真的把Token增长等同于企业成长，然后授信增加，企业买更多算力，Token继续增长，再拿到更多授信当成完美闭环，很容易搞出用融资制造经营数据，再用经营数据套更多融资的空转循环。

哪天AI行业景气度下降，客户需求减少，或者模型价格大幅下调，Token消耗突然掉下来，企业的现金流很可能同步恶化。银行说到底是银行，不是风险偏好更高的投行，真不应该轻易把Token当成抵押物，最多只能把它当成一个参考的领先指标。核心还是得落回到订单真实性、回款能力、毛利率、净现金流这些传统的核心评估维度上。

Token贷把企业内部经营数据转换成了可用于授信的金融数据，可这里头涉及到企业数据隐私、商业秘密，还有数据造假、算法偏差、模型黑箱这些问题，银行的普通信贷人员真的能都看明白吗。以后要是全靠算法自动决定额度调整，哪天企业无缘无故被降额，银行自己都解释不清模型为什么这么判断，企业连申诉的门路都找不到。

从美国监管部门这么多年的经验来看，他们对替代数据授信的态度一直不是反对，但是一直咬死一个底线，就是数据可以创新，但是不能因为换了授信用的数据，就降低金融监管的标准。所以我个人觉得，Token贷的探索方向值得肯定，但是不应该被神化，更不应该先让竞争力最弱的中小AI企业去试水。

我个人建议广东这边可以把Token、订单、发票、税收、银行流水、算力消耗、客户回款这些数据放在一起交叉验证，千万不要走向AI数据泡沫金融化的歪路。

参考资料：财新网 AI时代替代数据信贷创新与风险研究