夜雨聆风
本文写作背景与初衷：
近期市场传出证监会拟收紧数据资产 ABS 项目审批的消息，叠加 2026 年 6 月沪深交易所全面放缓该类产品申报与发行审核的实际动作，引发行业广泛讨论。
本质上，当前市场多数所谓 “数据资产 ABS” 存在根本性逻辑问题：数据资产并未作为产生偿付现金流的核心基础资产，仅充当了贷款质押物的角色，这与 ABS “以底层资产现金流为第一偿付来源” 的核心定义完全相悖。
监管此番调整绝非简单的 “收紧”，而是对数据资产 ABS 的一次迟来的正本清源——明确要求产品名称必须与底层资产实质匹配，杜绝用 “数据资产” 的概念包装传统融资模式的伪创新。
笔者早在 2024 年 5 月便发表《数据资产助力城投公司转型，发行 DABS，完成 “335” 指标的路径探讨》一文，率先提出数据资产证券化的核心概念，并明确强调必须甄选具备稳定现金流预期的数据资产作为底层标的，这一观点比 2025 年全国首单数据资产 ABS 落地提前了一年。
正是目睹数据资产 ABS 概念在落地过程中被滥用、核心逻辑被扭曲的现状，为避免 “词元资产证券化” 这一更前沿的金融创新重蹈覆辙，防止市场对其产生概念误解与认知歧义，特撰写本文，厘清词元资产证券化的底层逻辑、法律本质与合规路径，推动行业回归资产证券化 “现金流真实、权属清晰、风险隔离” 的基本法理。
—— 马清泉
2026年6月17日
写于云南文山壮族苗族自治州
摘要：
伴随数据资产证券化市场从试点走向规模化，围绕大语言模型计费单元“词元”（Token）的资产证券化构想引发关注。
本文系统论证：词元的消耗即计费模式赋予现金流突出的可计量性与可审计性，然而词元本身面临独立性缺失、权属模糊及定价稳定性不足三重结构性障碍，难以成为适格基础资产。词元仅是计量尺度，真正的基础资产应锚定AI服务合同项下的应收账款、收费权或信托受益权。
本文梳理四种可行交易模式，构建以现金流真实性、可预测性与账户归集监测为核心的风控体系，以及数据、金融、交易结构合规三位一体的框架，并展望可信数据空间、数据信托与RWA代币化的赋能前景。
关键词：词元资产证券化；AI服务收益权；数据信托；现金流风险隔离；RWA代币化
目次
一、词元（Token）概念简介
二、词元资产证券化的双重面孔：清晰现金流与结构性障碍
（一）消耗即计费模式带来的可计量现金流优势
（二）独立性缺失、权属模糊与定价稳定性不足的结构性障碍
三、重构基础资产：从“词元本身”转向“AI服务收益权”
（一）定位厘清：词元是现金流计量尺度，而非证券化基础资产
（二）真正的基础资产：AI服务合同项下的应收账款、收费权与信托受益权
（三）可行交易模式与现金流闭环设计
四、风控、合规与价值回归
（一）风控核心：现金流真实性、可预测性与账户归集监测
（二）合规框架：数据合规、金融合规、交易结构合规的三位一体
（三）路径展望：可信数据空间、数据信托与RWA代币化的赋能潜力
五、结语
正文：
一、词元（Token）概念简介
2022年12月，《中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见》（“数据二十条”）正式发布，首次确立数据资源持有权、数据加工使用权、数据产品经营权“三权分置”的产权制度框架，数据作为第五大生产要素的地位得到制度性巩固。
2025年4月，全国首单数据资产贴标ABS——“华鑫-鑫欣-数据资产1-5期资产支持专项计划”取得深圳证券交易所无异议函，总储架规模5亿元，首期发行1.337亿元，优先级票面利率2.0%，获AAA信用评级。以此为起点，数据资产证券化市场进入快速扩容期。
截至2026年6月4日，根据财联社/Wind统计数据，目前以ABS形式发行的数据资产证券化已发行（落地）累计33单，总规模200.33亿元。在这一市场快速演进的背景下，一个更为前沿的命题浮现——能否将大语言模型（LLM）的计费单元“词元”（Token）直接作为资产证券化的基础资产，发行以词元消耗现金流为偿付来源的资产支持证券？
所谓词元，是大语言模型及AI服务中消耗和计费的最小单位。一次用户调用涉及输入词元和输出词元，分别按定价规则计费。词元的“消耗即计费、计费即收入”特性，使其在理论上天然契合资产证券化对现金流可计量性的要求。
2026年6月，国家数据局在《关于推进行业高质量数据集建设行动的实施方案》中明确提出“探索以词元（Token）为基础的价值体系”，为词元相关金融创新的讨论提供政策语境。然而，词元本身能否成为证券化的合格基础资产，需要一场严格的法律与金融辨析。
二、词元资产证券化的双重面孔：清晰现金流与结构性障碍
（一）消耗即计费模式带来的可计量现金流优势
词元资产证券化构想的合理内核，根植于词元独特的计量属性。在当前的AI大模型商业实践中，词元已形成清晰的计费逻辑。
以2026年6月主流模型定价为例：OpenAIGPT-5.5输入定价5美元/百万Token、输出定价30美元/百万Token；AnthropicClaudeOpus4.7输入定价5美元/百万Token、输出定价25美元/百万Token。
中国市场上，DeepSeekV4系列在2026年5月末执行调价后，价格降至原价的四分之一，V4-Flash缓存命中输入价仅0.02元人民币/百万Token。每一次用户调用，系统均按输入词元数量和输出词元数量分别计价，费用自动归集至服务商的结算系统。
这一模式具备资产证券化所要求的现金流可计量性。每一笔消耗对应一笔计费，每一笔记费对应一笔收入，消耗量与收入额之间形成严格的正向线性关系，不存在传统数据资产估值中常见的主观判断空间。
更进一步，词元消耗产生的现金流具备良好的可审计特征。每一次API调用均留存完整的调用日志，记录调用时间、调用方身份、消耗词元数量、计费单价与结算金额。服务商据此生成结构化账单，与客户对账，并以此作为开具发票和确认收入的依据。这种“日志—对账—发票—收入”的全链路可验证性，使得以词元消耗为基础的现金流在真实性、可追溯性维度达到较高标准。
从市场需求角度看，企业级AI服务消耗正在快速增长。据上证报6月17日报道，全球多家大模型厂商在6月纷纷下调Token价格。同时，Menlo Ventures 发布的年度报告显示，2025年企业在生成式AI上的支出为370亿美元，高于2024年的115亿美元。两者呈现典型的“杰文斯悖论”。企业级AI客服、代码生成、AIAgent等应用场景的规模化部署，正在将词元消耗从偶发性调用转化为持续性订阅或高频服务合同，形成一类稳定的经营性现金流来源。
（二）独立性缺失、权属模糊与定价稳定性不足的结构性障碍
词元资产证券化从构想到落地，需要跨越三道结构性障碍——这不是操作层面的技术细节，而是关涉资产法律本质的根本性难题。
1.第一重障碍：资产独立性缺失
资产证券化的基础资产，根据中国证监会《证券公司及基金管理公司子公司资产证券化业务管理规定》第三条，必须是“符合法律法规规定，权属明确，可以产生独立、可预测的现金流且可特定化的财产权利或者财产”。
词元不构成法律意义上的“物”，也不是一项可以独立转让的债权或知识产权。词元消耗的数量和速度，完全取决于用户对特定AI服务的实际使用行为；而用户之所以使用该服务，是因为背后的大语言模型具备满足其需求的能力。换言之，词元的价值高度依附于模型能力和平台生态——同一词元在性能卓越的模型上被用户持续付费调用，在能力平庸的模型上则可能无人问津。词元不具备脱离特定模型与平台而独立存在、独立转让、独立产生收益的资产属性
2.第二重障碍：权属的模糊性
一次词元消耗涉及多层权利主体：基础模型的训练数据权利人、模型开发者、应用层服务集成商以及最终用户。收益究竟归属于哪一主体？如果训练数据中包含受版权保护的文本或受个人信息保护的数据，原始数据权利人是否对词元消耗收益享有分配请求权？
《民法典》《著作权法》及现行数据法规均未对AI服务中词元计费收益的权属作出明确规定。在权利归属尚不清晰的情况下，基础资产的合法性无法确权，将构成资产证券化不可逾越的法律风险。
3.第三重障碍：定价稳定性不足
资产证券化产品要求基础资产产生的现金流具备可预测性，这是评级机构和投资者进行风险定价的基本前提。武汉大学2026年3月的研究表明，过去六年Token价格整体下降约600倍，经济档模型价格的半衰期仅1.10年——比摩尔定律还快。
近期，行业迎来新一轮降价潮：DeepSeekV4系列价格降至原价的四分之一；小米MiMo部分版本降幅高达99%；腾讯云MiniMax-M3模型推理费用下调50%。与此同时，ChatGPT全球生成式AI网页流量占比从2025年5月的77.6%跌至2026年4月的53.7%，市场竞争格局剧烈变动。这种定价不稳定性意味着，以词元消耗为基础资产的证券化产品难以获得稳定的信用评级，投资者也难以形成可靠的风险收益预期。
上述三重障碍叠加，呈现出一个清晰的结论：词元本身虽具备现金流的可计量优势，却因资产的非独立性、权属的未确定性和定价的不稳定性，无法成为合格的资产证券化标的。
三、重构基础资产：从“词元本身”转向“AI服务收益权”
（一）定位厘清：词元是现金流计量尺度，而非证券化基础资产
在辨析词元资产证券化的可行性时，一个关键的认知跃迁在于：必须严格区分“计量工具”与“基础资产”两个概念。
词元的正确法律定位，应当被界定为现金流的计量尺度，而非资产证券化的标的本身。所谓计量尺度，是指词元在AI服务交易中发挥类似“交易单位”的功能——它衡量用户消耗的服务量，并据此计算应付费用。
这类似于电力市场中的“千瓦时”：电力资产证券化的基础资产是售电合同项下的应收账款或收益权，而非“千瓦时”本身。没有人会将“千瓦时资产证券化”作为一个严肃的金融命题提出。同理，词元是AI服务的消耗计量单位，真正能够产生现金流并具备法律上可转让性的，是以词元为计量基础的AI服务合同项下的财产权利。
这一厘清对数据资产证券化的实践方向具有纠偏意义。当前市场上部分提法将“消耗单位”与“资产”的本质区别混淆，可能导致交易结构设计偏离法律和监管的基本逻辑。正确的路径应是：穿透词元的计量表象，识别其背后真实的交易关系和法律关系，将资产证券化的对象锚定在具备法律确定性的合同权利之上。
（二）真正的基础资产：AI服务合同项下的应收账款、收费权与信托受益权
基于上述认知，真正具备证券化可行性的基础资产，是AI服务提供商与其客户之间签订的AI服务合同项下的三类财产权利。
1.应收账款
当AI服务提供商已根据合同约定向客户提供特定期间或特定数量的词元消耗服务，并按合同约定的计价规则确定应收服务费金额时，该已确定但尚未收取的债权构成法律意义上合格的应收账款。应收账款的债务人（客户）明确，债务金额确定或可确定，且合同对履约标准、结算方式、账期等关键条款有明确约定。这类应收账款具备权属清晰、可特定化、现金流可预测的资产特征，与证监会《证券公司及基金管理公司子公司资产证券化业务管理规定》对基础资产的要求高度契合。
2.收费权或未来收益权
对于持续性的AI服务合同，服务商享有在合同约定期限内按约收费的权利。这种收费权是一种未来债权，其金额虽尚未最终确定，但在合同项下具有合法基础，且可根据历史调用数据和合同约定进行合理预测。收费权ABS在基础设施收费、公用事业收费等领域已有成熟实践，AI服务收益权在交易结构上可参照这一逻辑，其特殊性仅在于现金流计量依赖词元消耗的客观记录。
3.信托受益权
更具结构创新价值的路径，是将AI服务收益权设立数据信托。2026年6月8日，国家数据局在《关于推进行业高质量数据集建设行动的实施方案》中明确“鼓励探索数据集质押融资、作价入股、资产证券化、数据信托、数据保险等多元资产化创新模式”，为数据信托模式提供了明确的政策依据。
服务商作为委托人，将其持有的AI服务合同项下收益权作为信托财产交付信托公司，信托公司作为受托人负责收益权的归集、管理和合规监督；信托项下形成的信托受益权，可以作为资产支持专项计划的基础资产发行ABS。信托结构的引入，解决了收益权转让中的权利特定化、风险隔离和现金流归集等关键问题。
（三）可行交易模式与现金流闭环设计
以AI服务收益权为基础资产的证券化，在交易结构上有四种可行模式。
第一种：应收账款ABS模式
服务商将已形成的、确定金额的AI服务应收账款转让给资产支持专项计划，专项计划以应收账款的回收款作为偿付来源发行证券。该模式法律关系简单、现金流确定性强，适用于已有大量确认收入但尚未回款的服务商进行短期融资。其局限在于，应收账款通常是已发生的存量债权，无法覆盖未来新增的服务收益。
第二种：未来收益权ABS模式
服务商将其在特定期间内基于AI服务合同享有的全部收费权转让给专项计划，专项计划以该期间内归集的全部服务收费作为偿付来源。该模式的现金流取决于未来词元消耗量，具有一定的不确定性，需要结合历史数据进行压力测试，并通常设置优先/次级分层设计等内部增信机制。实践参照：2025年全国首单数据资产ABS即采用优先/次级分层设计，并附加浙商银行融资性保函作为外部增信。
第三种：服务收益信托加ABS的复合模式
这是当前数据资产ABS的主流交易架构——超半数已发行产品采用信托受益权结构。服务商将AI服务收益权设立信托，信托公司作为受托人开立监管账户，所有AI服务的客户回款直接归集至该账户；信托公司按信托合同约定进行现金流管理和合规监督后，将收益分配给持有信托受益权的专项计划，专项计划再向投资人分配。信托结构实现现金流与原始权益人主体信用的风险隔离。
第四种：可信数据空间收益权ABS模式
在可信数据空间的技术框架下，AI服务的每次调用均在受控环境中完成，调用日志、计费记录和结算指令通过数字合约自动执行，收入资金直接进入预置的监管账户。该模式将交易真实性和现金流闭环从“事中控制”前置为“技术内生”，有望成为AI服务收益权证券化的基础设施级解决方案。
无论选择何种交易模式，现金流闭环设计都是核心环节。基本逻辑是：AI服务合同的客户回款必须直接或通过锁定归集路径进入监管账户或信托专户，专项计划从该账户中获取偿付资金，非经约定程序不得挪用。只有当监管账户能够完整、及时、准确地捕获AI服务产生的经营现金流，外部增信依赖度才能逐步下降，数据资产才能真正从“质押配角”走向“现金流主角”。
四、风控、合规与价值回归
（一）风控核心：现金流真实性、可预测性与账户归集监测
AI服务收益权证券化的风险管理，必须围绕现金流品质展开。2026年6月，沪深交易所全面放缓数据资产ABS申报与发行审核流程，核心原因正是大量项目存在“伪创新”——城投公司将缺乏市场化变现能力的“沉睡数据”贴标为数据资产，实则依赖主体信用和地方政府隐性担保进行变相融资，底层资产真实偿付能力不足。清华大学副教授高峰指出，目前数据资产ABS底层以信托贷款债权为主流，而非直接的数据收益权。
首要控制点是现金流的真实性。管理人应当核查AI服务合同的真实性、有效性和可执行性，确认合同项下的服务是否已实际提供、调用日志是否完整可审计、计费依据是否与合同约定一致。对于以词元消耗计量的服务合同，调用日志构成验证现金流真实性的第一手证据材料，应当要求服务商提供原始日志记录，并由独立第三方进行抽样核验，确保日志未经篡改、计费准确无误。
其次，现金流的可预测性需要审慎评估。管理人应基于历史调用数据的统计分析建立现金流预测模型，并在压力情景下测试极端波动对偿付覆盖倍数的影响。特别需要注意的是，AI服务收益可能受到模型性能退化、竞品替代、用户迁移成本低等因素的显著冲击——以ChatGPT网页流量一年内从77.6%跌至53.7%为参照——预测模型应纳入这些AI服务特有的风险因子，而非简单套用传统收费权ABS的预测方法论。
最后，账户归集与资金监测机制必须从交易结构设计阶段即予以明确。所有AI服务收费应直接或通过不可撤销的归集路径进入监管账户，管理人应持续监测账户入账情况，将实际归集数据与预测数据进行逐期对比。当实际归集金额连续或累计低于预测阈值时，应触发增信措施或加速清偿安排。
（二）合规框架：数据合规、金融合规、交易结构合规的三位一体
AI服务收益权证券化同时受三类监管规则的约束，合规框架须做到三位一体全覆盖。
在数据合规层面，必须确保AI服务本身在数据来源、数据处理和数据产品三个维度上均处于合法状态。具体而言：用于训练模型的原始数据来源是否合法、是否包含未经授权的个人信息或重要数据；模型训练和推理过程中的数据处理是否符合分类分级、安全保护的法律要求；AI服务产品本身是否已履行算法备案、安全评估等合规义务。如果底层数据或算法存在合规瑕疵，则基于此产生的服务收益权将面临合法性挑战。
在金融合规层面，专项计划管理人的尽职调查、信息披露、投资者适当性管理、存续期管理等义务必须全面履行。基础资产入池的合格标准、现金流预测的假设与方法、增信措施的法律效力和执行路径、风险揭示的充分性，均需在发行文件中如实披露，不得进行误导性陈述或重大遗漏。
在交易结构合规层面，收益权转让的真实性和对抗效力是核心问题。收益权作为一项合同权利，其转让应当通知债务人（AI服务客户）或取得其同意，以确保转让对债务人发生效力，使债务人将款项支付至监管账户而非原始权益人自有账户。若采用信托结构，信托财产的确权交付和信托受益权的特定化必须满足信托法的形式要件和实质要件，避免因结构瑕疵导致风险隔离失效。
（三）路径展望：可信数据空间、数据信托与RWA代币化的赋能潜力
在AI服务收益权证券化的演进路径上，三项制度和技术创新值得持续关注。
首先，可信数据空间为现金流真实性的技术保障提供全新可能。在可信数据空间内，AI服务的调用、计量、结算均通过数字合约自动执行，日志存证不可篡改，收入资金按预设规则自动分账归集，人工干预被降至最低限度。这一架构将资产证券化产品对“人”的信任（依赖管理人尽调和会计师审计）转化为对“技术”的信任（依赖数字合约的自动执行和存证），有望显著降低操作风险和中介成本。
其次，数据信托制度从法律层面解决收益权归集与风险隔离的难题。信托财产的独立性使得AI服务收益权一旦交付信托，即与原始权益人的固有财产相隔离，不受原始权益人破产或债务纠纷的影响。同时，受托人的信义义务为投资人提供额外的保护层——受托人负有忠诚义务和勤勉义务，必须为受益人的最大利益行事。国家数据局已将数据信托明确纳入政策鼓励方向，这一制度安排为AI服务收益权证券化的长治久安提供了比一般债权转让更为坚实的法律保障。
最后，RWA（Real World Asset）代币化打开跨境融资的新空间。2026年2月6日，中国人民银行牵头八部门联合发布《关于进一步防范和处置虚拟货币等相关风险的通知》，确立“境内严禁、境外严管”总基调；同日，中国证监会发布《关于境内资产境外发行资产支持证券代币的监管指引》，建立“事前备案+负面清单+持续监管”的全流程制度，为境内资产通过合规通道赴港发行ABS代币提供了明确的监管框架。
如果AI服务面向境外客户收费，或者服务商有境外融资需求，可在境内完成数据信托设立和监管备案后，由境外持牌发行载体受让信托受益权，在合规交易所（如香港持牌虚拟资产交易平台）发行证券代币。这一路径需同时满足境内数据安全、外汇管理和证券监管要求，以及境外证券发行和信息披露规则，跨境合规的复杂性远高于纯境内交易，但其对于打通境内数据资产与境外资本市场的连接通道具有战略意义。
五、结语
词元资产证券化折射出市场对数据资产金融创新的期待，但本文的辨析揭示了一个关键误读：词元本身并非可独立转让的资产，只是AI服务的计量单位；其独立性、权属与定价稳定性的三重缺失，构成不可逾越的结构性障碍。真正的证券化基础资产，应回归到AI服务合同项下的应收账款、收费权或信托受益权等收益权。
从“词元资产”到“AI服务收益权”的认知重构，本质上是对资产证券化“现金流真实、权属清晰、风险隔离”基本法理的回归。当前数据资产ABS市场正处于从“爆发式增长”向“精耕细作”过渡的监管纠偏期——2026年6月沪深交易所全面放缓审批，正是对“伪创新”的挤出与对真实底层资产的筛选。
未来实践应聚焦现金流闭环设计、数据与金融合规三位一体管控，并借力可信数据空间、数据信托等技术与制度工具，实现从概念探索到可持续金融产品的跃迁。唯有穿透计量表象、锚定法律实质，数据资产证券化才能行稳致远。
参考来源：
1.《中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见》（“数据二十条”），2022年12月19日，国务院新闻办官网。
2.证券时报：《全国首单数据资产证券化项目于深交所获批》，2025年4月15日。
3.中国外贸信托官方公告，2025年7月。
4.新华财经：《数据资产ABS申报提速：单月受理量超2025年全年千亿蓝海蓄势待发》，2026年4月8日。
5.国家数据局：《关于推进行业高质量数据集建设行动的实施方案》（国数科基〔2026〕25号），2026年6月8日公开发布。
6.中国证监会：《证券公司及基金管理公司子公司资产证券化业务管理规定》，2014年11月19日。
7.上海证券报：《竞争加剧+成本下降Token迎降价潮》，2026年6月17日。
8.《财经》杂志：《一人一周烧掉20亿Token，得到了三个“反常识”》，2026年6月。
9.东方财富：《补贴→Token计费→降价！OpenAI打响价格战，Token经济学拐点将至？》，2026年6月11日。
10.中国证券报：《全国首单获批数据资产ABS正式发行华鑫证券以专业金融之力落笔“数字金融”大文章》，2025年7月31日。
11.证券时报：《数据资产ABS爆火背后：中小券商掘金、信托暗为通道，“伪创新”隐冒头》，2026年4月21日。
12.新华财经：《数据资产ABS“急刹车”：全链条暂停背后的监管纠偏与市场重塑》，2026年6月11日。
13.中国人民银行等八部门：《关于进一步防范和处置虚拟货币等相关风险的通知》（银发〔2026〕42号），2026年2月6日。
14.中国证监会：《关于境内资产境外发行资产支持证券代币的监管指引》（证监会公告〔2026〕1号），2026年2月6日。
15.金杜律师事务所：《准确把握虚拟货币与RWA代币监管新规，在合规基础上寻找融资新机遇》，2026年2月。
作者简介：
马清泉，合伙人/人工智能与数据合规专委会主任
荣膺中国法律科技律师10强，数据资产创新影响力人物，入围《亚洲法律杂志》（ALB）青年律师大奖，担任财政部、工信部、国家市监总局、国家数据局，以及多个省市的数据资产、数据产权、人工智能、法律合规等课题组成员、评审专家、入库专家与授课讲师，具有丰富的实务经验与综合解决方案。
推荐阅读
