2026年8月、広州海珠区で「Token貸し」が導入される
広州海珠区では2026年8月に「Token貸し」という融資サービスが開始されました。このサービスでは、AI企業のToken（AIがテキストを処理する際に消費する最小単位）の使用量を銀行の信用判断の主要な基準としています。これは、銀行のリスク管理が「固定資産」から「ビジネスの活動性」へと根本的に変化したことを意味します。北京、上海、安徽、成都など全国の多くの都市でもこの取り組みが追随しています。しかし、Tokenの使用量が企業の利益と必ずしも一致しない、データの偽造、銀行の能力不足といったリスクも存在します。
Token貸し：AI企業にとっての「新しい融資手段」
従来の銀行融資では「固定資産（工場や設備）」を重視していましたが、AI企業は典型的な「軽資産」企業です。工場がなく、設備もわずかなサーバーしかないため、資金は計算能力の購入や研究開発に使われます。銀行はこのような「資金消費」の背後にある価値を理解できず、融資を渋りがちです。
Token貸しの導入により、以下の変化がありました：
- 信用判断の基準が変わった：固定資産ではなく、Tokenの使用量（AIビジネスの活動性）、計算能力サービスの契約価値、売掛金、Tokenの手数料収入など4つの要素を重視する。
- 全産業チェーンをカバー：計算能力を提供する企業向けの「供給貸し」、計算能力を利用する企業向けの「アプリケーション貸し」、Tokenを配布する企業向けの「サービス貸し」の3つの製品があり、大小さまざまな規模の企業が申請できる。
- 柔軟かつ包括的：融資額は最大3000万円、期間は3年。担保方法として信用や売掛金の質権が利用可能で、新しい会社でも注文や保証があれば融資を受けられる。
例えば、中国銀行海珠支店ではAI企業に4億円以上の融資を実現しており、試験的な融資では2800万円を提供しています。大手企業から出たスタートアップチームであってもTokenの使用量が多い場合は、より容易に資金を調達できます。
Tokenが融資の根拠となる理由
TokenはAI産業における「電力消費量」のようなものです。工業時代に工場の電力使用量が多いと生産ラインが稼働していることを示しますが、AI企業のToken使用量が多いとビジネスが実際に活発に行われていることを意味します（顧客がモデルを呼び出し、サービスが提供されている）。
海珠区がこの取り組みを進められたのは、以下の理由からです：
- 実際の産業基盤がある：地元には8000社以上のAI企業があり、大規模なモデルや具身知能（バーチャルアシスタント）などが含まれており、Tokenの使用量は根拠のないものではない。
- 政策のサポートがある：研究開発への補助金（年間150万円）、アプリケーション統合プロジェクトへの補助金（500万円）、Token使用量への補助金（200万円）、融資金利の割引などの政策が整っている。政府が政策を出し、銀行が資金を提供し、財政がコストを補助する「鉄の三角」が形成されている。
国家データ局長もTokenを「インテリジェント時代の価値の指標」と位置づけており、この指標の信頼性が高まっています。
全国での競争
Token貸しは広州だけの取り組みではありません。全国の都市でさまざまな形で試みられており、それぞれに特徴があります：
- 広州海珠：金融商品と産業政策を組み合わせて、AI企業のToken使用量と融資ニーズに直接対応している。
- 北京経済開発区：「詞元八条」という政策で計算能力券やデータ券を年間1億円提供し、2030年までにインテリジェント経済の規模を4000億円にすることを目指しており、インフラ構築に重点を置いている。
- 上海：データ資産のトークン化を進め、データを担保可能な資産に変えている（例：北京銀行が数庫科技に2000万円を融資）。
- 安徽：Token貸しとモデル貸しを奨励し、スタートアップ企業には最大50万円の個人保証付き融資を提供している（金利割引50％）。
- 成都：純粋な信用に基づく計算能力貸しで、「計算能力券」を信用の根拠としており、オンライン申請で即日審査が可能（最初の融資額は114万円）。
共通点は、すべての都市が銀行がAI産業の言語を理解するのを助けていることです。つまり、「ハードウェア（計算能力貸し）」から「ビジネス（Token貸し）」へとリスク管理の視点を変えているのです。
リスクに注意
Token貸しのロジックは理にかなっているように見えますが、以下のような問題も潜んでいます：
1. Tokenは「活動指標」であり、「利益指標」ではない：ある企業が1日に10億円のTokenを消費する場合、それはビジネスの急成長か、モデルの効率が低いか（繰り返し呼び出しが多い）、資金を無駄にしているか、あるいはデータの偽造（スクリプトを使ってTokenを生成する）かのどれかです。例えば、補助金を利用してユーザーにAPIを無料で提供し、高いToken使用量を偽装して融資を受けることもあります。
2. システム的なリスク：銀行が「Tokenの増加→信用枠の拡大→より多くの計算能力の購入→さらなるTokenの増加→さらなる信用枠の拡大」というサイクルを形成すると、AI業界が冷え込む（顧客が減少したりモデルの価格が下がったり）と、Tokenの使用量が急激に減少し、企業のキャッシュフローが断たれる可能性があります。これはサプライチェーンファイナンスで見られるような問題です。
3. 銀行の能力不足：従来の融資担当者は財務報告書や担保物しか見ていませんでしたが、今では大規模モデルの技術やTokenの商業的意味を理解する必要があります。例えば、モデル訓練を行う企業とAIカスタマーサービスを提供する企業では、Tokenの使用量の価値が大きく異なります。銀行が同じ基準ですべてのAI企業を評価すると、誤解が生じやすい。
4. データの検証不足：現在、Tokenの使用量に関する成熟した監査基準がないため、企業が虚偽の報告を行った場合、銀行のリスク管理は機能しません。
まとめ
Token貸しはAI企業の融資問題を解決する有効な手段ですが、「返済できない」という問題には対処できません。Tokenの使用量が多いからといって必ずしも利益があるわけではありません。収益性を判断するには、ビジネスモデル、顧客の支払い意欲、コスト管理なども考慮する必要があります。
現在、多くの都市でToken貸しが推進されていますが、問題は「発展後のガバナンス」です。不良債権率が上昇した場合、影響を受けるのは銀行だけでなくAI産業全体に及びます。そのため、Tokenデータの検証を整備し、Tokenと従来のリスク管理（注文、回収、利益）を組み合わせることが重要です。
方向性は正しいですが、道のりはまだ長いです。Token貸しは革新的な取り組みですが、万能の解決策ではありません。
（全文は平易な言葉で書かれており、専門用語を避けているため、一般の人でもAI金融の新しい仕組みやリスクを容易に理解できます。）