尽管算力融入信用体系已是大势所趋，但“算力证明信用”的模式仍处于初步探索阶段，距离成熟普及尚需时日。

　　曾刚认为，现阶段将算力作为银行主要信用评价因子，还有多重风险点有待破解。比如，Token消耗审计是一大难点，该数据由平台方输出，存在刷量虚增业务规模的可能，缺少中立第三方存证审计机制，消耗数据不等于企业实际回款现金流。在可靠的现金流上，需要期限较长、权责清晰、违约处置完备的算力服务合同。业务稳定性上，算力需求随AI行业周期波动，订单存在取消、退单风险。

　　董希淼也认为，虽然持续增长的Token消耗表明企业产品或服务有真实市场需求，为营收增长提供了基础，间接关联偿债能力的“源头活水”。但Token是“收入潜力”而非“净利”，高消耗伴随高算力成本，若企业定价或回款不力，可能“增收不增利”。因此该指标需结合现金流、毛利率等数据交叉验证，否则无法直接等同于偿债能力。

　　“比如说操纵风险，Token数据易被‘刷单’或无效调用虚增，且缺乏统一审计标准。其次是波动风险，AI业务Token消耗常有脉冲式特征，项目结束即骤降，易引发贷后误判。最核心的是盈利脱节风险，即企业消耗量大但利润微薄，如果银行过度依赖此单一指标，可能高估企业还款能力，导致信贷风险加大。”董希淼说。