今年5月以来，债券市场悄然崛起一支生力军——科创债。重庆三峡😀银行刚刚在9月下旬完成了25亿元科创债的发行，这是本月第10😡家发行科创债的中小银行。据统计，目前国内银行已累计发行科创债😘超50只，规模突破2600亿元。更为引人注目的是，发行主体已🥳从政策性银行、国有大行迅速扩展至30多家城商行和农商行。 👍 从银行柜台前的普通投资者，到实验室里的科研团队，再到地方😎政府的产业规划部门，近期持续升温的科创债正悄然改变着中国科技🤔创新的资金版图。 科创债，科技企业的 “专属低息钱包”😴 南开大学金融发展研究院院长田利辉的解释通俗易懂，“简🤯单说，科创债就是专门给科技领域‘输血’的债券。”与普通债券看👍重厂房、设备等硬资产不同，这种债券更关注企业的专利数量、研发🥳投入和技术前景，哪怕是轻资产的科技公司也能拿到钱，能够更精准💯地将资金引向半导体、人工智能、生物医药等“硬科技”领域。 😍 今年5月，央行和证监会联合发布公告，正式推出债券市场“科🎉技板”，支持金融机构、科技型企业等发行科技创新债券。这一政策👍出台后，市场反响热烈。政策出台当月，便有19只科创债发行，规😎模达到1980亿元。其中工行、农行、中行、建行、交行五家国有🤩大行合计发行1100亿元，占当月总规模的56%。 截至🤯8月末，全国科创债发行总额已超1.48万亿元，其中80%流向😀了半导体、人工智能等硬科技领域，且整体违约率低于 0.5%，👍远低于普通公司债。中小银行也在纷纷跟进。9月以来，齐鲁银行、🤩武汉农商行、厦门银行等10家中小银行发行了科创债，规模合计超🎉百亿元。 此外，科创债的票面利率普遍较低。公开数据显示🤔，2025年以来非金融企业发行的1年期以上科创债，加权平均利🚀率仅1.74%，比普通公司债低0.29个百分点，比中期票据低😉0.26个百分点。天津医药集团甚至创下1.98%的发行利率，😆两期债券认购倍数都超过3倍，足见市场热度。 科创债之所😊以能迅速崛起，在于它创造了一种多方共赢的机制。 对于科🎉技企业而言，科创债最实在的价值是“长钱”和“便宜钱”。科技创😊新往往需要5到10年的周期，传统信贷多是3年期以内的短期贷款👏，很难匹配研发节奏，而科创债最长可达15年，恰好覆盖研发到商🙄业化的全周期。 人工智能和半导体行业受益显著，6月16😎日，中科创星科技投资有限公司在中国银行间债券市场成功发行“2🥳025年度第一期定向科技创新债券——25创星PPN001（科🤔创债）”，发行规模为4亿元，期限为5+5年。 “不用稀🥳释股权，还能拿到低成本资金。”某AI企业负责人透露，公司发行😢科创债后，不仅解决了算法研发的资金缺口，更向市场传递了技术实❤️力信号，估值较之前提升了20%。 对于银行而言，它实现🔥了从“信贷思维”到“科创服务”转型。在这场科创浪潮中，银行既🙌是发行方也是推动者。2025年5月以来，建行、工行等国有大行🔥相继发行科创债，其中建行300亿元的发行规模创下市场单笔之最😁，3年期利率仅 1.65%，比普通金融债低10-15个基点。💯 科创债是优化资产结构的“利器”，通过“科创债+科技贷😂款+股权投资”的联动模式，银行得以绑定企业全生命周期服务。比😢如建行通过科创债服务半导体企业后，同步获得了后续的信贷、结算😎等业务，客户粘性显著提升。更重要的是，部分地区将科创债投资纳🤩入普惠金融考核，助力银行满足监管要求。 展开全文 ❤️ 中小银行也在加速布局。武汉农商行发行的6亿元科创债，精准服😎务本地“965”产业体系；齐鲁银行20亿元科创债利率低至1.🙄84%，创下中小银行同类产品新低，该债券已于2025年9月1😍0日发行完毕，期限5年，重点支持山东“专精特新”企业。 🌟 对于个人投资者而言，科创红利“走进寻常百姓家”。过去，普通😊投资者想参与科技投资，要么直接买高波动的科技股，要么购买门槛🥳较高的私募基金。科创债ETF的推出改变了这一现状。 首😀批科创债ETF上市满月规模就突破1161亿元，较初始规模增长👍300%。这些 ETF 跟踪的多是AAA评级的科创债，信用风🌟险低，年化收益率约4%-5%，波动率仅1.05%，远低于股票🌟型基金。更亲民的是，一万元左右就能入场，让普通人也能分享科技🤗创新的红利。 对地方政府而言，科创债是打造产业集群的“🤯粘合剂”。天津通过科创债引导资金流向本地科技企业，泰达科技发😂行全国首单无担保民营股权投资类科创债，中交一航局发行建筑行业😊首只科创债，推动行业智能化转型。数据显示，北京、上海、广东等👏科创资源密集地区的科创债规模占比超70%，产业集聚效应显著。😢 股权投资机构则借助科创债破解了 “募资难”。东方富海🚀、中科创星等创投机构发行的10年期科创债，利率低至1.85%🥳，远低于信托募资4%-6%的成本，且期限匹配硬科技投资周期，⭐1元科创债资金可撬动3-5元社会资本。 中国特色的“科🤯创债之路” 虽然科创债是中国特色的金融创新，但海外市场👏早有支持科技融资的类似实践。不过与中国不同，美国、欧洲、日本🚀均未专门设立“科创债”板块，其支持机制更多嵌入现有市场体系。⭐ 美国的经验颇具启发。20世纪80年代，高收益债市场的😡发展让特纳广播等创新企业获得融资，这些被称为“明日之星”的初😊创企业，在144A规则等政策支持下，通过投机级债券实现快速成😍长。如今美国已形成“简化发行流程+投资者分层+信用衍生品”的👏成熟生态，科创类债券成为信用债市场的重要组成部分。 欧🔥洲则通过中小企业私募债制度破局。2015年成立的欧洲中小企业🤯私募债联合委员会（ECPP），为无评级的高科技初创企业提供简⭐易融资渠道，2020年欧洲央行的紧急购债计划更定向推动人工智😎能、新能源等领域的资金供给。 日本的路径则与经济转型紧😅密相关。在公司债发行管制放松后，科技企业通过债券市场获得长期😴资金，成为应对经济冲击、推动产业升级的重要力量。 与国🥳外相比，中国科创债市场在短时间内形成了多层次发行主体结构，涵😊盖政策性银行、商业银行、券商和创投机构，这种全方位的参与格局😍国际罕见。 中国还创新了“央地双保”模式。如东方富海发👍行的科创债由中债信用增进投资股份有限公司提供全额担保、地方担❤️保公司提供反担保，通过双保险机制大幅降低发债成本。 田😁利辉指出，“中国的特色在于政策精准引导。”通过单独设立科创债🌟板块、明确科创属性标准、提供央行贴息等政策组合，中国实现了资💯金的“精准滴灌”，这在国际上是独树一帜的创新。 在政策😘与资本的双重驱动下，人工智能、量子计算、半导体等前沿领域已成😆为科创债的重点“灌溉区”。 半导体行业是最大受益者之一🤯。截至 2025年8月，该领域科创债发行规模超3200亿元，🤩占比达21.6%。通过央行1.5%的贴息政策，最终发行利率降😂至2.95%，资金全部用于芯片制造产线建设。中芯国际、华虹半😢导体等企业均通过科创债获得大额资金，研发周期较之前缩短近1/😍3。 人工智能领域的融资创新同样亮眼。某头部AI企业发🙄行的20 亿元科创债，采用 “研发进度挂钩利率” 模式，若核🤩心算法研发达标，利率可下调0.3个百分点。这种创新设计既降低😀了企业融资成本，也让投资者更清晰地把握项目进展。截至目前，A😅I领域科创债发行已超2800亿元，带动行业研发投入增长45%😜。 科创债如何成为科技企业的“最优选” 面对股权😅融资、传统信贷和科创债，科技企业该如何选择？从成本、效率和控😜制权三个维度对比，答案清晰可见。 成本方面，科创债优势😁显著。目前科创债加权平均利率1.74%，若叠加央行1%-1.😡5%的贴息，实际成本可降至1%以下。传统信贷对科技企业的利率😁普遍在3.5%-5%，而股权融资虽无需还本付息，却需出让10👍%-30%的股权，长期来看成本更高。据公开数据显示，科创债帮😂助渤海化工集团和中交一航局分别节省了1100万元和320万元😴的融资成本，这就是最直接的例证。 效率上，科创债审批速😎度远超股权融资。银行间市场的备案制让科创债平均审批周期控制在🤯20个工作日内，银行承销的科创债最快可达十几天的周期，而企业🔥IPO通常需要6-12个月，且通过率不足70%。传统信贷虽审😉批较快，但对轻资产科技企业往往“惜贷”，审批通过比例仅30%🌟左右。 控制权方面，科创债的优势无可替代。股权融资会稀🚀释创始人股权，许多科技企业在成长期因频繁融资失去控制权。而科😀创债作为债权融资，不影响股权结构，企业可在获得资金的同时保持🙌经营自主权。正如某 AI 企业创始人所说：“科创债让我们既能😁‘有钱办事’，又能‘自己说了算’。” 不过三种融资方式🔥并非互斥。业内人士向巴伦中文网表示，科技企业早期适合股权融资🥳分担风险，成长期和成熟期则应增加科创债等债权融资，形成 “股😍权 + 债权” 的最优结构。科创板上市公司的实践也证明，成长👍期科技企业的偿债能力并不弱于传统企业，完全能够驾驭债权融资。🤯正如苏州银行、齐鲁银行等地方性银行发行的5年期科创债，专门支🤔持本地“专精特新”企业，形成了与国有大行错位发展的格局。 🤗 当然，科创债的价值远不止于短期融资。从长远看，它正在构建🌟中国科技金融的全新生态，为科技自立自强提供 “资本基石”。 🙌 在产业层面，科创债推动了“金融资本-科技创新-产业升级🚀”的闭环形成。央行4000亿再贷款额度的分档贴息政策，让集成😆电路、基础软件等“卡脖子”领域获得重点支持，18 家银行申请👍额度已超2400亿元。这种定向支持正在加速产业突破，2025🤔年上半年，国内半导体设备国产化率较去年提升12个百分点，背后🙄离不开科创债的资金支撑。 在金融层面，科创债倒逼金融体😆系从“规模导向”向“价值导向”转型。银行不再只看资产规模，而😎是聚焦专利数量、研发投入等科技指标；评级机构建立“科技创新竞🙄争力”评估模型，更精准地反映企业价值。这种变革让金融资源真正🤔流向有技术实力的企业，而非仅靠规模取胜的传统企业。 在😁国家战略层面，科创债正在培育一批“耐心资本”。科技创新需要长🤗期投入，科创债提供的5-15年期资金，恰好匹配了硬科技的成长😜周期。（本文首发于Barron's巴伦中文网，作者｜李婧滢，😆编辑｜蔡鹏程） 更多对全球市场、跨国公司和中国经济的深🌟度分析与独家洞察，欢迎访问返回搜狐，查看更多

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

中国大模型，首登Nature封面。 9月17日，在最新😍一期的国际权威期刊Nature（自然）中，DeepSeek-😊R1推理模型研究论文登上了封面。该论文由DeepSeek团队😅共同完成，梁文锋担任通讯作者，首次公开了仅靠强化学习就能激发👏大模型推理能力的重要研究成果。这是中国大模型研究首次登上Na💯ture封面，也是全球首个经过完整同行评审并发表于权威期刊的🙄主流大语言模型研究，标志着中国AI技术在国际科学界获得最高认🎉可。 Nature在其社论中评价道：“几乎所有主流的大🤔模型都还没有经过独立同行评审，这一空白终于被DeepSeek😆打破。” 中国AI大模型的“Nature时刻” 😆自大模型浪潮席卷全球以来，技术发布、性能榜单层出不穷，但始终😘缺乏一个权威的“科学认证”机制。OpenAI、谷歌等巨头虽屡😅有突破，但其核心技术多以技术报告形式发布，未经独立同行评审。🚀 DeepSeek以其公开性和透明性打破了这一局面。D🥳eepSeek-R1模型的研究论文最早于今年年初发布在预印本⭐平台arXiv上。自今年2月14日向Nature投递论文至今😀，历经半年，8位外部专家参与了同行评审，DeepSeek-R🙄1推理模型研究论文终获发表，完成了从预印本到Nature封面🙄的“学术跃迁”。审稿人不仅关注模型性能，更对数据来源、训练方❤️法、安全性等提出严格质询，这一过程是AI模型迈向更高的透明度😀和可重复性的可喜一步。 因此，Nature也对Deep⭐Seek的开放模式给予高度评价，在其社论中评价道：“几乎所有😀主流的大模型都还没有经过独立同行评审，这一空白终于被Deep⭐Seek打破。”全球知名开源社区Hugging Face机器😡学习工程师Lewis Tunstall也是DeepSeek论😊文的审稿人之一，他强调：“这是一个备受欢迎的先例。如果缺乏这🤔种公开分享大部分研发过程的行业规范，我们将很难评估这些系统的🤗潜在风险。” 据了解，DeepSeek本次在Natur🤯e上发表的论文较今年年初的初版论文有较大的改动，全文64页，🙌不仅首次披露了R1的训练成本，而且透露了更多模型训练的技术细🎉节，包括对发布初期外界有关“蒸馏”方法的质疑作出了正面回应，😂提供了训练过程中减轻数据污染的详细流程，并对R1的安全性进行🤩了全面评估。 其中，在训练成本方面，R1-Zero和R🥳1都使用了512张H800GPU，分别训练了198个小时和8💯0个小时，以H800每GPU小时2美元的租赁价格换算，R1的😂总训练成本为29.4万美元（约合人民币209万元）。不到30👏万美元的训练成本，与其他推理模型动辄上千万美元的花费相比，可💯谓实现了极大的降本。 关于R1发布最初时所受到的“蒸馏💯”质疑，DeepSeek介绍，其使用的数据全部来自互联网，虽😂然可能包含GPT-4生成的结果，但并非有意而为之，更没有专门😅的蒸馏环节。所谓“蒸馏”，简单理解就是用预先训练好的复杂模型🎉输出的结果，作为监督信号再去训练另外一个模型。R1发布时，O💯penAI称它发现DeepSeek使用了OpenAI专有模型😂来训练自己的开源模型的证据，但拒绝进一步透露其证据的细节。 🤩 R2何时问世引发关注 自今年年初发布R1以来，D😆eepSeek在全球树立了开源模型的典范，但过去数月，外界对⭐于R2何时发布始终保持高度关注，相关传言一直不断。不过，R2🙄的发布时间一再推迟，外界分析R2研发进程缓慢可能与算力受限有😆关。 展开全文 值得注意的是，今年8月21日，D🙌eepSeek正式发布DeepSeek-V3.1，称其为“迈🎉向Agent（智能体）时代的第一步”。据DeepSeek介绍🤩，V3.1主要包含三大变化：一是采用混合推理架构，一个模型同😆时支持思考模式与非思考模式；二是具有更高的思考效率，能在更短🤩时间内给出答案；三是具有更强的智能体能力，通过后训练优化，新🤯模型在工具使用与智能体任务中的表现有较大提升。 由于R😢1的基座模型为V3，V3.1的升级也引发了外界对于R2“在路😘上”的猜测。V3.1的升级更深刻的意义在于，DeepSeek🙌强调DeepSeek-V3.1使用了UE8M0 FP8 Sc😊ale的参数精度，而UE8M0 FP8是针对即将发布的下一代💯国产芯片设计。这也表明未来基于DeepSeek模型的训练与推😅理有望更多应用国产AI芯片，助力国产算力生态加速建设。这一表🙌态一度带动国产芯片算力股股价飙升。 中国银河证券研报指💯出，DeepSeek从V3版本就开始采用FP8参数精度验证了🤯其训练的有效性，通过降低算力精度，使国产ASIC芯片能在成熟💯制程（12-28nm）上接近先进制程英伟达GPU的算力精度，🥳DeepSeek-V3.1使用UE8M0 FP8 Scale❤️参数精度，让软件去主动拥抱硬件更喜欢的数据格式，“软硬协同”😜的生态技术壁垒逐渐成为AI浪潮下新范式，未来国产大模型将更多😊拥抱FP8算力精度并有望成为一种新技术趋势，通过软硬件的协同😎换取数量级性能的提升，国产算力芯片将迎来变革。 责编：😉万健祎 校对：王朝全 版权声明 " Typ😁e="normal"@@--> 证券时报各平台所有原创😡内容，未经书面授权，任何单位及个人不得转载。我社保留追究相关😀行为主体法律责任的权利。 转载与合作可联系证券时报小助😉理，微信ID：SecuritiesTimes " Ty🤔pe="normal"@@-->返回搜狐，查看更多