银行的钱，正在加速流向算力。
近日，广东省首个词元经济专项金融产品“Token贷”的推出引发热议，该产品以企业算力Token产出消耗、算力服务合约价值、算力业务产生的应收账款、Token佣金结算量等作为核心授信依据，为企业提供授信额度。
随之而起的关于“算力贷”的讨论多了起来。有文章把多地银行与算力平台、智算中心签约的现象称作“算力金融化”。这确实是一个值得警惕的信号：当算力从技术资产变成信贷抵押物，行业的游戏规则就变了。
为什么是现在？
原因不复杂。大模型竞争进入拼算力阶段，智能算力需求连续两年保持高增长，但智算中心是典型的重资本生意。一个中等规模智算中心，仅GPU服务器采购就可能超过十亿元，每年电费上亿，靠企业自有资金几乎无法完成。
地方政府有算力建设指标，银行有信贷投放压力，企业有抢卡冲动。三方需求在“算力贷”这个产品上汇合了。
目前算力贷的常见模式，是以GPU服务器等设备抵押，或以项目未来收益权质押，部分地方还引入政府性担保公司兜底。这让算力建设从“有多少钱办多少事”，变成“有卡就能贷”。短期看，这是金融支持实体经济。
短期利好是真实的
对上游硬件企业来说，算力贷带来更确定的订单。服务器、光模块、液冷、IDC都会受益。对国产芯片而言，算力贷如果与国产替代政策结合，可能加速金融资源向国产算力倾斜。对中小AI企业来说，算力贷和算力分期降低了使用门槛，不再被高昂的算力成本挡在门外。
但问题在于，算力贷的抵押物不是房子，是显卡。
显卡会贬值，而且贬值速度远超不动产。以英伟达为例，新一代训练芯片发布后上一代产品市场价可能在半年内下跌三成以上。国产芯片迭代加快，同样会冲击存量设备残值。而算力贷的期限往往五年起步，长则八年。银行按照当下的采购价评估抵押物，但并没有能力评估三年后AI芯片的残值。这是第一层错配：抵押物是技术品，不是资产。
第二层错配在现金流。智算中心未来的收入来自算力租赁，但国内算力租赁价格已经出现下行。供给集中释放后，部分新建智算中心上架率不高，项目收入可能覆盖不了贷款本息。算力不像房子，闲置就是纯粹的折旧和电费支出，没有库存价值。一旦技术路线切换，抵押物可能变成“电子废铁”。
这与光伏贷、新能源汽车产能扩张的逻辑相似。需求故事是真的，但短期供给过剩足以击穿价格和现金流。算力贷可能把AI的资本开支竞赛进一步杠杆化。地方政府要政绩，银行要规模，企业要囤卡，三者形成正反馈，最终建成大量低效算力。算力贷真正的风险不是单笔坏账，而是系统性产能过剩的金融放大器。
算力贷不是不能做，需要硬约束
最关键的就是防止算力变成无序扩张。算力贷不应成为地方盲目建智算中心的融资通道。项目必须与全国算力布局、电价、绿电消纳挂钩。没有消纳能力的项目，不该拿到低息贷款。
银行不能只信设备采购合同，需要有技术评估独立性，比如引入第三方评估算力利用率、模型需求、芯片迭代周期。抵押率应大幅低于设备原值，贷款期限与芯片生命周期匹配，而不是照搬房地产抵押逻辑。
地方担保公司不应过度为算力项目兜底，应有风险隔离，否则风险最终回到财政。鼓励算力贷与算力券、公共算力平台结合，优先支持有真实订单和客户的算力项目，而不是先建后找客户。
算力贷是一把双刃剑。用好了能加速国产算力基础设施，降低AI创新门槛。用不好，可能又成为AI泡沫的金融放大器，让银行和财政为过剩算力买单。
贷款是跟着真实算力需求走，还是跟着地方投资冲动走？如果是后者，今天的算力贷，就是明天的光伏贷。
算力贷需要的是审慎，也需要更多安全垫。
热门跟贴