一家初创公司的融资突围
“我们最值钱的资产，就是机房里跑着的那些GPU和每天产生的推理数据。”一位刚刚通过“亦企Token（词元）贷”获得授信的AI初创公司负责人向业内人士透露。这家公司成立不足三年，没有厂房，没有土地，按传统银行的风控逻辑，几乎不可能拿到大额信贷。
近日，“亦企Token（词元）贷”首批业务在北京经济技术开发区正式落地，授信总金额近20亿元。据公开信息，这是北京市落地的首批算力词元贷，也是全国范围内较早将“算力用量”这一全新维度引入信贷审批体系的尝试。
什么是“词元贷”？
对大模型行业而言，Token（词元）是衡量算力消耗的基本单位——模型每处理一段文字、生成一张图片，背后都是数以万计的词元在流动。词元消耗量，直观反映了一家AI企业真实的技术活���度和业务规模。
银行此前的风控核心是“看报表、看抵押”。但对轻资产的科技初创公司来说，报表往往难看，抵押物几乎为零。词元贷的思路是：把企业的算力调用记录、词元消耗曲线、算力平台结算数据等纳入授信模型，用“数字资产的行为轨迹”替代传统抵押物。
据业内人士介绍，这类模式下，一家日均调用算力稳定增长的企业，即使尚未盈利，也可能获得与其业务规模匹配的授信额度。风控逻辑从“你有什么”转向“你在做什么”。
机遇与风险并存
对创业公司而言，这无疑拓宽了融资渠道。AI行业烧钱速度快，股权融资周期长、稀释大，信贷资金如果能及时补位，可能直接影响企业的生存窗口期。
但硬币的另一面同样值得警惕。首先，算力数据能否真实、不可篡改地接入银行系统，是整个模式的基础——数据造假风险需要技术和管理双重约束。其次，AI行业波动剧烈，一旦下游应用需求收缩，词元消耗量骤降，企业的还款能力将随之恶化，银行需要建立动态调额和风险预警机制。
此外，多位受访专家提醒，信贷工具不应替代股权融资，初创企业若以贷养研发，杠杆过高反而可能加速风险暴露。
一个可能被复制的样本
北京经开区聚集了大量AI与大模型企业，算力基础设施密集，是这类金融创新天然的试验田。近20亿元的首批授信规模，显示出金融机构对这一模式的初步信心。
据公开信息，算力作为新型生产要素的金融化探索，正在多个省市酝酿。词元贷能否跑通，取决于数据打通、风控模型和行业周期的三重考验。如果成功，它可能成为“数据要素×金融服务”的标杆案例；如果失败，也将为后来者留下宝贵的风控教训。
对于那位拿到授信的创业者来说，答案更直接：机房里的每一次词元跳动，如今都成了可以写进资产负债表的信用凭证。
本文由AI辅助生成
