銀行按Token消耗放貸，華爾街把GPU裝進SPV吸納養老金。
如果你最近見到「算力貸」「Token貸」這類說法，第一反應多半是疑惑：貸款看的從來是房子、廠房，什麼時候輪到「算力」了？
近日，廣州多家銀行開始將企業的AI算力呼叫量納入放貸依據。
而在大洋彼岸，輝達聯合華爾街六家頂級機構，正在推動GPU成為一種可以被養老金、保險公司持有的「資產」。
人民幣小額信貸與五千億美元等級的資本運作，體量相差懸殊，邏輯卻是相通的：算力正在成為信用體系裡的新型抵押物，接替房產曾經的位置。
什麼是算力貸？
需要先澄清一個誤解：銀行並非把算力「借」給企業用。「算力貸」本質上仍是一筆人民幣貸款，變的只是銀行評估是否放貸的依據。
過去銀行放貸，依據的是廠房、裝置、房產這些看得見摸得著的資產。但一大批AI相關企業帳上幾乎沒有符合「硬資產」標準的伺服器，業務卻相當活躍。
於是銀行調整了評估框架：從企業持有什麼，轉向企業在做什麼，具體參考的是企業的Token詞元消耗量、算力服務合約價值、算力業務產生的應收帳款、佣金結算量。
廣州海珠區，中國銀行、中信銀行、廣州銀行同時推出了廣東省第一款「Token貸」。中國銀行披露的首批試單授信，2800萬元。
這一模式並非橫空出世。海珠區一年前就推過「流量貸」，面向數字行銷企業，一年多下來新增授信超10億元，Token貸是同一套邏輯在另一個領域的延續。
放眼全國，類似嘗試開始得更早。2025年1月，興業銀行汕頭分行就已落地算力項目貸款；3月底，江蘇銀行上海分行向商湯科技、上海資料港、上海優刻得等5家企業提供了10億元授信，是目前公開報導中規模最紮實的一筆。這批企業處在算力供應鏈中上游，營收和客戶結構相對清晰，風險比廣州此次面向的中小微應用層企業容易評估。
不過，儘管名為「Token貸」「算力貸」，銀行並不會單憑一個Token消耗數字放款。
在中國銀行的產品設計裡，額度是按合同或Token消耗量核定，但真正兜底的擔保方式依然是信用、應收帳款質押、訂單融資這些傳統工具。Token消耗量更像一塊敲門磚，決定企業能否進入授信流程，最終起決定作用的仍是傳統風控體系。
這裡面的隱患，行業內部其實清楚。有專家指出：Token消耗只代表業務流量，不等於盈利和回款能力，企業若人為拉高消耗數字，反而會打亂自身的財務平衡。
這一模式放在全球範圍看，規模相當克制，千萬到十億級人民幣，銀行的風險把控穩健，敞口在自身承受範圍之內。
但如果視線轉向華爾街，同一個邏輯已經被放大到了完全不同的量級。
進擊的華爾街
中國國內的方案走的是穩健路線，以傳統擔保為主，Token消耗僅作參考。華爾街則已走到下一步：把算力本身變成可以被機構投資者持有的抵押資產。
這中間，輝達一年之內出手兩次，力度一次比一次大。
第一次出手是給中間商做擔保，事情要從一個具體的融資難題說起。AI雲服務商GMI Cloud想為客戶Fireworks AI提供算力，需要先從硬體廠商採購一批輝達GPU伺服器。但因為Fireworks AI不是投資級企業，銀行直接拒絕為這筆採購提供貸款。
GMI創始人兼CEO Alex Yeh將這個難題反饋給輝達，雙方從今年年初開始討論，形成了一套新機制，他自己將其形容為一種「保險產品」。
7月1日，輝達CFO Colette Kress在官方部落格正式公佈了這套模式，業內也稱它「算力換分成」。具體分三層：輝達把GPU、軟體平台和信貸支援，提供給Sharon AI、Firmus這類雲服務商；雲服務商以這些資源建設算力中心，再租給終端的AI初創公司；輝達從雲服務商後續的雲業務收入中分成。
真正讓銀行敢放貸的關鍵，是輝達承諾的信用擔保和殘值支援：如果終端客戶違約或算力閒置，輝達按約定方式承擔部分損失。這道擔保相當於為銀行覆蓋了最壞情形。銀行原本顧慮的是Fireworks AI這類終端客戶信用資質不足，有了輝達的擔保，GMI這類中間雲服務商也得以順利獲得採購貸款。
這一模式隨即招來質疑：輝達在CoreWeave、OpenAI這些合作中，既是晶片供應商又是投資方，兩種身份疊加，外界稱之為循環融資。有雲服務商高管為這一模式辯護，認為循環融資真正危險的地方，是拿錢製造出原本不存在的需求；只要晶片最終是被真實付費客戶用起來的，這套機制就還在正常運轉。
但爭議已經埋下了。
輝達的第二次出手，是把風險轉嫁給華爾街。8月10日，它聯合阿波羅全球管理、貝萊德、黑石、博楓資產、高盛、KKR六家頂級機構，簽署了一份諒解備忘錄，目標是長期動員超過5000億美元的第三方資本，專門支援AI企業買算力、租算力，養老金、保險資金都在吸納之列。
這次的操作更為複雜：
六家機構向養老金、保險資金這類第三方資本募資，將資金注入一個獨立的SPV（特殊目的載體）；SPV拿這筆錢向輝達採購GPU，這是一筆正常的現金交易；買回來的GPU不歸SPV自用，統一租給下游需要算力的AI公司；這些公司按期支付的租金，最終用來償還SPV最初從機構那裡借來的本金和利息。
換句話說，這就是「以租養貸」的放大版：機構借錢給SPV，SPV以GPU這一抵押物賺取租金，再以租金償債。與貸款買房後出租、以房租覆蓋月供的做法，結構上並無不同，只是抵押物從房產換成了GPU。
輝達在這套結構中為自己保留了一道「安全墊」，但規模遠小於7月那次，單個項目最多提供25%的殘值支援，不再是全額擔保。審批權也隨之轉移：六家機構會各自獨立評估每個項目的客戶資質、需求強度、現金流，不再單靠輝達的信用背書。這筆巨額負債停留在SPV帳上，不會體現在輝達自身的資產負債表中。
這個轉向並非偶然。有分析指出了其中的意圖：過去輝達通過股權投資、採購合作直接支援生態客戶擴張，放大了需求，也引來了循環融資的質疑；這次搭建獨立平台，正是把評估和主要資金負擔轉交給獨立金融機構，輝達自己退到「提供技術標準+有限殘值支援」的位置。
7月那次，輝達親自擔任擔保人，風險自留；被質疑「左手倒右手」之後，8月這次它將風險的大部分轉移給了華爾街的機構投資者。
黃仁勳對這套安排的定性是：技術晶片第一次成為一種可投資資產類別。
批評者則認為，底層邏輯並不新鮮，本質仍是「硬體抵押+未來現金流折現」這套傳統基建融資的老框架，只是標的物從公路、電廠換成了GPU叢集。
時代走到了那裡
銀行根據Token消耗放貸、輝達以GPU作抵押向養老金借錢，做的是同一件事：把算力當成新一代的「房產」。
頭部大模型公司幾乎全部處於虧損狀態，銀行如果固守「利潤為負不予放貸」的舊規則，幾乎整個AI行業都會被排除在信貸體系之外。
AI業務的變化速度遠超財報的更新節奏。中國日均Token呼叫量從2024年初的約1000億級增長到2026年3月的140兆級，兩年上升了三個數量級。銀行想知道的是這家企業最近活不活躍，Token消耗資料的價值恰恰在於它接近即時，財報給不了這種時效性。
不過缺口補上之後，風險也隨之出現，而且中美兩地出現的，是同一個問題的兩種形態。
中國的風險在於抵押物本身可能失真：Token消耗可以由企業刷量製造，一旦消耗量與真實付費使用者脫鉤，銀行看到的「業務活躍」可能只是噪音。
華爾街的風險在於抵押物的買賣雙方高度重合：輝達既是晶片供應商，又通過投資、擔保與客戶繫結，資金流轉一圈仍回到自己手中，這正是「循環融資」爭議的核心。
兩邊共同指向一個問題：當算力變成抵押物，誰來確認這個抵押物真實存在、價值幾何？銀行和資本市場目前都沒有從外部獨立核實這些資料的手段，只能依賴當事人自證，或以傳統擔保作為補充。
裝置廠商自己提供信貸、幫助客戶採購自己的產品，歷史上並非首次。
上世紀90年代末網際網路泡沫期間，朗訊和思科都採用過「裝置融資+供應商信貸」的方式，幫助客戶採購自己的裝置。朗訊曾向客戶承諾高達81億美元的供應商融資，泡沫破裂後累計計提了約35億美元壞帳撥備，是這類案例中最慘痛的一個，其結構與輝達7月的擔保安排幾乎如出一轍。
這些案例的共同點是：融資方和受益方高度重合，需求被資金槓桿放大，一旦真實需求跟不上槓桿擴張的速度，壞帳就會集中爆發。
信貸標準的尺度在某種程度上是一種「溫度計」。歷史上信貸標準的放鬆，往往出現在一輪擴張周期的後半段。
這場實驗能走多遠，取決於一個基本條件：算力能否像房產一樣，持續、真實地產生現金流。
房產之所以能被反覆抵押、被證券化、被嵌入各類金融產品，是因為它足夠真實、足夠耐用，租金能夠持續回收。
算力能否承受同樣的重量，目前尚無答案。 (鈦媒體)