El préstamo de tokens de Bank of China lleva las finanzas de IA más allá de los centros de datos

Según informes, Bank of China completó el primer «préstamo de tokens» para potencia de cómputo de China, llevando el crédito para IA a la capa de aplicaciones pese a los limitados detalles públicos sobre la transacción.

Un informe de CLS que recogía la afirmación apareció el 15 de agosto de 2026. Sin embargo, el informe no proporcionó una hora de publicación verificable para el hecho subyacente. Bank of China no había publicado un anuncio equivalente que identificara al prestatario, el importe del préstamo, el precio o la fecha de cierre.

Esa brecha de verificación importa porque el producto reportado es más ambicioso que un préstamo convencional para potencia de cómputo. Un token es la unidad que un modelo de IA procesa al leer o generar contenido. Por tanto, el consumo de tokens conecta el gasto en infraestructura con el uso real del modelo.

Los préstamos existentes de Bank of China financian principalmente contratos de computación, capacidad en la nube, entrenamiento de modelos y servicios relacionados. Un préstamo de tokens acercaría la decisión crediticia al resultado de una aplicación de IA. Eso cambia tanto la oportunidad como el riesgo.

La competencia clave no es Bank of China contra otro banco. Es el crédito basado en contratos frente al crédito basado en uso. El primero se apoya en facturas, acuerdos de servicio y contrapartes consolidadas. El segundo pide a un banco que trate la actividad de IA medible como evidencia de valor empresarial futuro.

Si ese modelo funciona, los desarrolladores y las empresas de aplicaciones obtienen otra vía para financiar los costes de inferencia sin comprar servidores. Si fracasa, el consumo volátil de tokens podría convertirse en un sustituto débil de los ingresos, las garantías o una demanda de clientes demostrada.

Lo que Bank of China habría cambiado

El préstamo de tokens reportado desplaza el punto de referencia de la financiación desde la capacidad de cómputo hacia el resultado de IA que los clientes realmente consumen.

CLS describió la transacción como el primer préstamo de tokens para potencia de cómputo del país. También presentó el acuerdo como una incursión en empresas de la capa de aplicaciones y destacó una futura coordinación en toda la cadena de suministro de computación.

Esas afirmaciones respaldan una interpretación concreta. El préstamo parece diseñado para una empresa que utiliza modelos o produce servicios de IA, en lugar de para el propietario de un centro de datos que financia edificios, servidores o clústeres de GPU.

Esa distinción separa el producto reportado del préstamo de potencia de cómputo ya establecido de Bank of China. El banco lanzó formalmente su BOC Tech Innovation Computing Power Loan el 17 de mayo de 2025. El lanzamiento cubrió diez regiones activas de IA, con Hefei como sede principal.

Bank of China indicó que el programa inicial involucraba a 38 empresas e instituciones. Su cooperación propuesta totalizaba alrededor de 8.000 millones de RMB y cubría el suministro de computación, las operaciones, la investigación y las aplicaciones industriales.

El marco de préstamos original vinculaba las decisiones crediticias, en parte, a bonos gubernamentales de computación y contratos de servicios de computación. La financiación podía alcanzar el 80 por ciento de un contrato de servicios elegible.

Los plazos estándar iban de uno a tres años. El banco señaló que ciclos más largos de conversión de efectivo podían justificar plazos de hasta cinco años. También ofrecía desembolsos flexibles y reembolso anticipado.

Esa estructura sigue partiendo de un documento comercial conocido. Un cliente firma un contrato de servicios de computación y el banco evalúa ese contrato junto con el prestatario y cualquier subvención pública.

Un préstamo de tokens apunta hacia una unidad de cuenta distinta. En vez de preguntar solo cuánta capacidad en la nube contrató una empresa, un prestamista puede examinar cuántos tokens consumen o generan sus aplicaciones.

Eso no significa necesariamente que los tokens se conviertan en garantía. El material disponible públicamente no muestra que Bank of China aceptara saldos de tokens como activo pignorado.

En su lugar, podría significar que la compra, medición o liquidación de tokens informa el propósito del préstamo y el diseño de su reembolso. La distinción es esencial porque un token no es automáticamente un activo financiero transferible.

Ninguna divulgación pública explica actualmente el mecanismo exacto. El prestatario sigue sin identificarse, y ni el principal ni el vencimiento del préstamo han sido confirmados de forma independiente.

Por tanto, la conclusión más prudente es limitada. Según informes, Bank of China ha probado un producto crediticio vinculado más directamente al uso de IA basado en tokens, pero su fórmula de evaluación crediticia sigue sin divulgarse.

Esa lectura prudente aún deja un avance significativo. La financiación se ha acercado un paso más al coste operativo recurrente de ejecutar aplicaciones de IA.

Por qué importa ahora un préstamo de tokens de Bank of China

La financiación de IA se está desplazando aguas abajo porque la inferencia se ha convertido en un gasto operativo continuo, no en una compra única de infraestructura.

Entrenar un modelo puede requerir un bloque concentrado de capacidad de cómputo. Operar un producto de IA orientado al cliente crea un patrón diferente. Cada prompt, documento generado, acción de software o flujo de trabajo de agentes añade demanda de inferencia.

Las empresas de aplicaciones suelen adquirir esta capacidad mediante API o servicios gestionados en la nube. Pueden poseer pocos activos físicos incluso cuando sus facturas de computación son considerables.

El crédito tradicional gestiona con mayor comodidad los proyectos con muchos activos. Un centro de datos cuenta con equipos, derechos de uso del suelo, contratos de energía y acuerdos de capacidad previsibles que los prestamistas pueden examinar.

En cambio, una empresa de aplicaciones de IA puede tener software, contratos con clientes, registros de uso y costes de modelos que cambian con rapidez. Sus datos operativos más informativos pueden estar en paneles de control de la nube y no en un registro de activos fijos.

Bank of China ya ha reconocido este desajuste. Su actualización sobre financiación de IA de julio de 2026 describía a las empresas de IA como ligeras en activos, intensivas en investigación y expuestas a ciclos de desarrollo largos.

El banco dijo que mantenía relaciones con más de 5.200 empresas de toda la cadena industrial de IA en junio de 2026. Sus préstamos, inversiones de capital, inversiones en bonos y arrendamiento tecnológico habían aportado más de 660.000 millones de RMB.

También informó de que atendía a cerca de 2.200 empresas de la capa de innovación tecnológica. Esas cifras muestran que el préstamo de tokens no surgió como un experimento aislado.

El banco ha estado construyendo un sistema más amplio en torno a la financiación de IA. En enero de 2025, anunció un plan de acción que ofrecía 1 billón de RMB en apoyo financiero a toda la cadena industrial de IA.

A finales de 2025, Bank of China informó de cooperación con 4.460 empresas centrales de IA. Las líneas de crédito pendientes habían alcanzado los 545.600 millones de RMB, según su informe anual.

El préstamo de tokens importa porque intenta conectar ese fondo de capital con la demanda de la capa de aplicaciones. Aquí es donde las empresas convierten las capacidades de los modelos en funciones de software, flujos de trabajo de clientes y servicios recurrentes.

Pensemos en un producto de búsqueda empresarial. Su operador puede pagar por llamadas al modelo cada vez que un empleado hace una pregunta, resume un documento o genera un informe.

La demanda puede crecer antes de que los clientes completen sus ciclos de pago. Eso crea una brecha de capital circulante incluso cuando el producto tiene una adopción real.

Un préstamo convencional para computación puede pagar un contrato en la nube. Una estructura vinculada a tokens puede alinear potencialmente la financiación de forma más estrecha con el consumo medido, la actividad de los clientes o las cuentas por cobrar resultantes.

La misma lógica se aplica a los agentes de programación, los sistemas de atención al cliente, los servicios de contenido y los asistentes específicos por sector. Su gasto principal aumenta a medida que los clientes usan el producto.

Este patrón presiona a los bancos para que comprendan datos operativos que rara vez evaluaban antes. También presiona a los proveedores de nube y plataformas de modelos para que produzcan registros fiables de medición y liquidación.

Para los compradores empresariales, el cambio podría ampliar la gama de proveedores capaces de respaldar grandes despliegues. Para los desarrolladores, podría reducir la necesidad de financiar con capital propio cada aumento de la demanda de inferencia.

La oportunidad es considerable, pero el uso por sí solo no puede establecer la calidad crediticia. Una aplicación muy utilizada aún puede perder dinero con cada solicitud.

Por eso el valor del producto depende de su mecanismo, no de su nombre.

El uso de tokens se convierte en una señal crediticia

Un préstamo de tokens creíble debe traducir el uso técnico en evidencia financiera sin pretender que la actividad equivale a capacidad de reembolso.

Los recuentos de tokens proporcionan una visión granular de la actividad de IA. Pueden mostrar cuándo se usa una aplicación, cómo cambia la demanda y qué endpoints de modelos generan los mayores costes.

Estos datos son más actuales que un estado financiero anual. También pueden estar más directamente conectados a un servicio de IA que el equipo de oficina o el capital registrado de un prestatario.

Sin embargo, los recuentos de tokens varían entre modelos. Una unidad procesada por un modelo no tiene necesariamente el mismo coste, rendimiento o valor comercial que una unidad procesada por otro.

El almacenamiento en caché, la compresión de prompts, el enrutamiento de modelos y los modelos especializados más pequeños también pueden reducir el consumo facturado. Una caída en el volumen de tokens puede reflejar una mejor ingeniería y no una demanda más débil.

Lo contrario es igualmente importante. Un rápido crecimiento de tokens puede resultar de prompts ineficientes, bucles fallidos de agentes, pruebas gratuitas, bots o tráfico abusivo. No indica automáticamente clientes que pagan.

Por tanto, un modelo de evaluación crediticia viable necesita varias capas de evidencia. Los registros medidos de tokens pueden establecer actividad, mientras que las facturas y los cobros de efectivo establecen la conversión comercial.

La concentración de clientes también importa. Un proveedor dependiente de un gran comprador tiene un perfil de riesgo diferente al de una plataforma que atiende a miles de equipos de pago.

El margen bruto añade otra prueba. Si los costes de los modelos aumentan más rápido que los ingresos, financiar consumo adicional de tokens puede profundizar las pérdidas de una empresa.

Los bancos también deben verificar quién controla los registros de uso. Los paneles proporcionados por el prestatario crean riesgos evidentes de manipulación, especialmente cuando los límites de préstamo responden a la actividad reportada.

Los datos directos de un proveedor de nube o una plataforma de modelos tendrían más peso. Los registros firmados, los pagos programables y el desembolso controlado pueden reducir aún más las disputas.

Bank of China ya ha explorado esta infraestructura. En mayo de 2026, firmó un memorando con la China Academy of Information and Communications Technology.

La alianza para la plataforma de computación abarca la liquidación en renminbi digital, la financiación y los servicios transfronterizos. Las partes señalaron que los contratos inteligentes podrían conectar la asignación de computación, la entrega y el pago.

Esa alianza proporciona al préstamo de tokens una base operativa plausible. Una plataforma nacional puede suministrar registros estandarizados de proveedores y clientes, mientras el banco controla cómo se mueven los fondos.

En una posible estructura, un prestamista podría desembolsar fondos directamente a un proveedor de computación aprobado. El prestatario recibiría capacidad de uso en lugar de efectivo sin restricciones.

Los registros de consumo de tokens podrían confirmar entonces si la capacidad llegó a la aplicación prevista. Los pagos de los clientes podrían fluir por cuentas supervisadas y respaldar el reembolso programado.

Este acuerdo se parece más a la financiación de la cadena de suministro que al crédito en criptomonedas. El token funciona como una unidad de producción medida, no como una moneda especulativa.

Esta distinción debe mantenerse explícita para los lectores norteamericanos. El préstamo reportado se refiere a tokens procesados por modelos de IA. No demuestra que Bank of China haya emitido un token de blockchain o aceptado criptoactivos.

El mecanismo también difiere de la financiación respaldada por GPU. Un prestamista que financia servidores puede estimar su valor de reventa si el prestatario incumple.

Los tokens consumidos por los modelos no tienen valor residual. Una vez que una aplicación los procesa, no pueden recuperarse ni revenderse.

Por ello, el banco debe suscribir el flujo de caja futuro, no solo el recurso adquirido. Esto sitúa la demanda de los clientes, los márgenes y los controles de liquidación en el centro del producto.

Los desarrolladores pueden reconocer esta lógica en los sistemas de observabilidad. Los buenos equipos ya supervisan el volumen de solicitudes, la latencia, los errores y el coste de cada modelo.

Los prestamistas necesitarían una versión financiera de esa disciplina. El reto consiste en convertir la telemetría operativa en evidencia que siga siendo comparable, auditable y difícil de manipular.

Los préstamos basados en contratos se encuentran con el riesgo basado en el uso

La promesa del Token Loan es una mejor alineación con las operaciones de IA, mientras que su debilidad reside en la exposición a una economía de modelos que cambia con rapidez.

El préstamo existente de Bank of China para potencia de cómputo parte de contratos definidos. Una empresa que cumpla los requisitos puede presentar un acuerdo de servicio, un vale gubernamental de computación y los registros financieros habituales.

Este enfoque es imperfecto, pero ofrece contrapartes y obligaciones identificables. El banco sabe qué planea comprar el prestatario y cuánto cuesta el contrato.

Los préstamos basados en el uso introducen mayor flexibilidad. Una empresa puede disponer de recursos a medida que cambia la demanda de los clientes, en lugar de comprometerse con un gran bloque fijo de capacidad.

Esa flexibilidad puede reducir el gasto ocioso. También puede ayudar a pequeñas empresas de aplicaciones a evitar comprar hardware antes de contar con cargas de trabajo estables.

Sin embargo, el uso flexible crea una exposición crediticia cambiante. El valor y el coste de un token pueden variar cuando un proveedor actualiza su modelo, su unidad de precio, su política de caché o sus condiciones de servicio.

Las aplicaciones también distribuyen las solicitudes entre varios modelos. Una empresa puede usar un sistema para razonamiento complejo, otro para extracción y un modelo local más pequeño para tareas rutinarias.

Un único denominador de tokens puede ocultar esas diferencias. Los prestamistas necesitan un modelo normalizado de costes e ingresos, en lugar de un total bruto de consumo.

La tensión más profunda está entre la adopción y la monetización. Muchas empresas de IA pueden generar una elevada interacción subvencionando el uso, pero el tráfico resultante quizá no permita pagar la deuda.

Los inversores de capital pueden aceptar años de pérdidas mientras persiguen escala. Los bancos requieren una fuente de reembolso más clara y deben gestionar los impagos dentro de sistemas de crédito regulados.

Esa diferencia limita hasta qué punto los Token Loans pueden ser agresivos. Un banco no puede simplemente copiar un modelo de capital riesgo y sustituir la propiedad por deuda.

Los vales gubernamentales de computación pueden absorber parte del coste. El producto original de Bank of China ofrecía una reducción adicional de intereses de hasta 20 puntos básicos para prestatarios elegibles en centros de IA designados.

El apoyo público mejora la asequibilidad, pero puede distorsionar la señal. Una aplicación que sobrevive gracias a la inferencia subvencionada podría tener dificultades cuando expiren los vales o cambien las políticas.

También existe un riesgo de proveedor. Si una plataforma en la nube controla el registro de medición y aloja la aplicación, una interrupción del servicio puede afectar tanto a las operaciones como a la evidencia que respalda el préstamo.

La portabilidad entre proveedores reduciría esa dependencia. Sin embargo, los registros compatibles requieren definiciones comunes de capacidad entregada, inferencia satisfactoria y uso facturable.

El trabajo del banco en la plataforma nacional de computación busca abordar este problema de coordinación. Su objetivo es conectar oferta, demanda, programación, entrega y liquidación.

Esa coordinación explica por qué importa la participación de actores aguas arriba y aguas abajo. Un Token Loan no puede escalar solo con un banco y un prestatario.

Los proveedores de nube deben verificar la entrega. Las empresas de aplicaciones deben exponer métricas de negocio fiables. Las plataformas de liquidación deben conectar el uso con el pago.

Las agencias gubernamentales pueden aportar vales, normas o programas de reparto de riesgos. Las aseguradoras y los fondos de garantía pueden cubrir porciones definidas de las pérdidas.

Esta red puede hacer que la financiación sea más precisa. También puede crear un sistema complejo en el que la responsabilidad se vuelva poco clara cuando los datos entren en conflicto.

Para los desarrolladores y compradores empresariales, la complejidad aparece en la debida diligencia de proveedores. Un proveedor financiado puede ofrecer una capacidad atractiva, pero los clientes aún necesitan garantías sobre continuidad, gestión de datos y acceso a los modelos.

Los equipos que evalúan proveedores de IA deberían conservar sus propios contratos, informes de uso, registros de rendimiento e historiales de decisiones. Una base de conocimiento consultable puede mantener esas evidencias disponibles durante las revisiones de contratación y renovación.

Esa disciplina no eliminará el riesgo financiero. Puede ayudar a los compradores a separar la narrativa de financiación de un proveedor de la calidad real de su servicio.

Lo que el Token Loan aún no demuestra

La primera transacción reportada no demuestra que los préstamos vinculados a tokens puedan valorar el riesgo, prevenir el uso indebido o escalar más allá de un piloto controlado.

El mayor problema es la divulgación. El informe público no identificó al prestatario ni proporcionó el importe del préstamo, el vencimiento, la estructura de intereses o la fuente de reembolso.

No se ha divulgado ninguna metodología que muestre cómo influyó la actividad de tokens en el límite de crédito. Tampoco está claro si el banco utilizó consumo histórico, uso futuro contratado, pedidos de clientes o datos de liquidación de la plataforma.

La fecha de la transacción sigue siendo incierta. El artículo de CLS apareció el 15 de agosto de 2026, pero la fecha de cierre subyacente no pudo confirmarse de forma independiente mediante un anuncio de Bank of China.

Por tanto, los lectores deberían tratar el 15 de agosto como la fecha del informe, no como una fecha verificada de finalización del préstamo. Esta distinción evita que un titular actual cree una cronología falsa.

La designación de «primero a nivel nacional» también merece cautela. Los bancos chinos y los gobiernos locales han introducido varios préstamos para potencia de cómputo, productos vinculados a vales y experimentos de plataforma.

La sucursal de Bank of China en Shanghái afirmó anteriormente que completó un préstamo inicial de potencia de cómputo para una empresa de servicios de modelos en tres días. Un resumen de caso del gobierno de Shanghái describió al prestatario como una empresa que construía una plataforma de computación espacial.

Ese préstamo anterior no se presentó como un Token Loan. Aun así, muestra que la financiación de computación orientada a aplicaciones es anterior a la última afirmación.

La novedad puede residir, por tanto, en el método de medición o liquidación basado en tokens. Sin documentos de la transacción, los observadores externos no pueden determinar cuán sustancial es esa distinción.

El desempeño crediticio es otra cuestión abierta. Un piloto puede completarse con éxito porque el banco selecciona a un prestatario sólido, recibe garantías externas o restringe estrechamente los desembolsos.

Esas protecciones pueden ser sensatas. También dificultan inferir si el método funcionará para empresas más pequeñas con ingresos inciertos.

El riesgo de modelo añade otra complicación. Los bancos deben decidir si la demanda de tokens refleja un valor duradero para el cliente o una experimentación temporal.

Los pilotos empresariales suelen producir un uso intensivo antes de que los equipos de compras aprueben una implantación más amplia. Algunos proyectos se estancan después debido a preocupaciones de seguridad, precisión o integración.

Un prestamista que se base en el consumo inicial podría confundir el tráfico de evaluación con una demanda recurrente. Necesita tasas de renovación, utilización pagada y datos de cobro para corregir ese sesgo.

Los controles contra el fraude también necesitan pruebas. En teoría, los prestatarios y partes relacionadas podrían generar uso artificial si la elegibilidad para el préstamo depende en gran medida del volumen de tokens.

La medición independiente reduce ese riesgo, pero no puede eliminar la actividad coordinada. Un modelo sólido debería comparar el consumo con clientes únicos, facturas, calendario de pagos y resultados de la aplicación.

La privacidad plantea otra disyuntiva. La telemetría detallada puede mejorar la suscripción crediticia, pero el uso empresarial de IA puede revelar flujos de trabajo sensibles, comportamiento de los clientes o volúmenes confidenciales de proyectos.

Los bancos no necesitan el contenido de los prompts para verificar el consumo. Aun así, necesitan límites claros sobre qué metadatos se recopilan, retienen y comparten.

Los reguladores tendrán que decidir finalmente cómo afecta esta información a la clasificación crediticia y a la gobernanza de datos. La documentación pública aún no ha respondido a esas preguntas.

Por ello, el producto debería juzgarse como un piloto reportado, no como una clase de activo consolidada. Su contribución más importante puede ser el experimento que obliga a realizar a los bancos.

¿Pueden los datos de uso técnico mejorar los préstamos sin convertirse en un indicador indirecto de la exageración? La respuesta llegará con el rendimiento de los reembolsos, la calidad de las auditorías y las transacciones repetidas.

Tres señales mostrarán si la financiación de tokens puede escalar

La siguiente etapa depende de condiciones de operación transparentes, préstamos repetidos y registros estandarizados entre proveedores.

La primera señal es una divulgación formal de la transacción. Bank of China o el prestatario deberían identificar la fecha de la operación, el principal, el vencimiento, el uso aprobado de los fondos y la fuente de reembolso.

El detalle más valioso sería la fórmula de suscripción crediticia. Los observadores necesitan saber si el consumo de tokens determina la elegibilidad, el tamaño del préstamo, la supervisión, la liquidación o los cuatro elementos.

Una divulgación que muestre que los registros de tokens complementan los contratos y los ingresos reforzaría la credibilidad del producto. Una divulgación centrada únicamente en la marca debilitaría la afirmación de una innovación genuina.

La segunda señal son préstamos repetidos a múltiples empresas de aplicaciones. Un único prestatario cuidadosamente seleccionado no puede establecer un mercado.

Las operaciones repetidas deberían abarcar distintas cargas de trabajo, como búsqueda empresarial, agentes de software, atención al cliente y modelos específicos de cada sector. Esa variación comprobaría si el marco se extiende más allá de un único modelo de negocio.

El rendimiento importa más que el número de operaciones. Los bancos deberían informar finalmente, de forma agregada, sobre utilización, reembolso, morosidad y pérdidas.

Esos resultados mostrarían si la supervisión vinculada a tokens añade valor predictivo. También revelarían si el producto simplemente reasigna préstamos ordinarios de capital circulante bajo una nueva etiqueta.

La tercera señal es una medición estandarizada e independiente de los proveedores. Los registros de tokens se vuelven más útiles cuando los bancos pueden conciliarlos entre proveedores de nube, proveedores de modelos y plataformas nacionales de computación.

Los registros comunes deberían separar los tokens solicitados de los tokens procesados con éxito. También deberían identificar descuentos, caché, llamadas fallidas y la clase de modelo utilizada.

La estandarización ayudaría a los prestamistas a comparar prestatarios, al tiempo que preservaría la competencia entre proveedores. También podría respaldar desembolsos y reembolsos automatizados mediante cuentas de liquidación controladas.

La asociación con la China Academy of Information and Communications Technology ofrece a Bank of China una vía hacia esa infraestructura. Su valor dependerá de la adopción real por parte de proveedores y empresas de aplicaciones.

Una plataforma más amplia también podría conectar la financiación aguas arriba con la demanda aguas abajo. Los operadores de centros de datos obtendrían una visibilidad más clara del uso de las aplicaciones, mientras que los desarrolladores conseguirían un acceso más flexible a la capacidad.

Esa coordinación es la dirección futura que sugiere el informe de CLS. Es más trascendente que añadir la palabra token a un préstamo.

El banco intenta financiar una cadena en la que la energía sostiene la infraestructura, la infraestructura sirve a los modelos y los modelos impulsan las aplicaciones. Cada capa genera datos que pueden orientar la siguiente decisión de financiación.

Para los compradores empresariales, la acción inmediata es sencilla. Pregunten a los proveedores de IA cómo financian la inferencia, qué proveedores miden el uso y qué ocurre si finaliza una línea de crédito o una subvención.

Para los desarrolladores, supervisen conjuntamente el uso pagado, la concentración de clientes, los costes de los modelos y el margen bruto. El crecimiento de tokens solo adquiere significado financiero cuando se conecta con ingresos duraderos.

El Token Loan reportado por Bank of China merece atención porque acerca a los bancos a la capa operativa de la IA. Aún no demuestra que la actividad de tokens pueda respaldar crédito escalable.

Los próximos tres meses deberían revelar si la transacción genera documentación formal, prestatarios posteriores o registros de liquidación interoperables. Lo que llegue primero mostrará si se trata de un nuevo mecanismo de crédito o simplemente de un nombre memorable.