【AI行业分享】:一天吃透一条产业链:算力租赁

AI行业分享

算力租赁本质上就是 AI 时代的“二房东”——买 GPU、建机房，然后把算力租给大模型公司和中小企业。它解决了 AI 创业团队和科研机构“买不起、等不及、用不完”的痛点，让算力像水电一样按需取用。

图片由AI生成

产业链全景：钱是怎么流动的？

整个产业链可以清晰地拆分为上、中、下三层，每层的赚钱逻辑和核心壁垒完全不同。

• 上游（卖铲子的人）
  ：提供核心硬件和基础设施。包括 GPU 芯片（如英伟达 H100/B200）、服务器整机、光模块、液冷散热设备以及最容易被忽略的电力和能耗指标。上游拼的是技术和供应链，谁有渠道拿到高端卡，谁就掌握了命脉。
• 中游（搬卡与运营）
  ：算力租赁服务商和云厂商。他们把买来的 GPU 部署在 IDC 机房里，搭建调度平台，按小时、按月或按 Token 租给下游。中游拼的是资源获取能力、资金规模和运维效率。
• 下游（用算力的人）
  ：大模型公司（如 Kimi、豆包）、互联网大厂、自动驾驶团队、高校科研机构以及影视渲染公司。下游拼的是应用场景，他们通过消耗算力来生成价值。

商业模式：从“包租公”到“Token 工厂”

算力租赁的生意经，核心公式只有一个：收入 = 卡的数量 × 上架率 × 租赁单价。

• 基础 IDC 机柜
  ：只提供机房电力，客户自备服务器，门槛最低，赚的是机柜租金和电费差价。
• 整机/裸算力出租
  ：服务商采购服务器，按台或按 GPU 时长出租。这是目前最主流的模式，现金流相对可预期，但收入上限被租赁价格锁死。
• 托管与运维服务
  ：配套网络、驱动、调度平台和安全运维，提供全套计算环境，赚取服务溢价。
• Token 工厂与 MaaS 服务
  ：运营方不仅出租 GPU，还自己部署模型、优化推理框架，直接按生成的 Token 数量向客户收费。这种模式收益弹性更大，毛利率最高，是行业未来的升级主线。

市场现状：供需缺口下的“量价齐升”

• 需求爆发
  ：随着 AI 大模型从“训练”走向“推理”（即日常对话和生成），算力需求像自来水一样持续消耗。中国信通院数据显示，2026 年一季度国内 AI 算力需求同比大增 417%，而有效供给增速仅 128%，缺口越拉越大。
• 租金飙升
  ：高端卡源紧俏，国内 H100 月租站稳 5.5 万 -6 万元，交付排期普遍延到 2027 年上半年。海外算力租赁厂商如 Nebius 和 CoreWeave 也相继宣布全系提价。
• 市场规模
  ：2026 年一季度国内算力租赁市场规模已达 680 亿元，全年有望突破 2600 亿元，80% 以上的中小 AI 企业选择租赁而非自建，以节省 90% 以上的初期成本。

核心壁垒与“生死线”

很多人以为做算力租赁就是“有钱买卡”就行，其实真正的门槛在于运营和资源整合。

• 卡源获取
  ：在高端 GPU 全球紧缺的背景下，能否拿到英伟达最新款芯片，或者能否快速适配国产算力芯片，决定了你有没有货可租。
• 资金与电力
  ：建一个 1024 张 H100 的集群，一次性投入约 7.5 亿元，且需要极高的电力和散热配套。没有雄厚的资金实力和拿电指标的能力，根本玩不转。
• 上架率是命门
  ：折旧和电费是刚性支出，卡不上架照样烧钱。行业经验表明，60% 的上架率是生死线，低于这个比例，利润会被迅速吞噬。

必须警惕的三大风险

• 重资产与高杠杆
  ：设备折旧是最大成本（通常按 4-5 年折旧），如果 GPU 技术迭代过快，老卡贬值速度可能快于会计折旧，导致资产大幅缩水。
• 供应链与合规风险
  ：核心算力芯片高度依赖海外供应商，容易受到地缘政治和出口管制的限制，供应链断裂或合规问题可能让集群瞬间停摆。
• 价格波动与竞争加剧
  ：随着跨界玩家涌入（从 50 家增加到 200 多家），如果未来算力供给过剩，租赁单价下跌，毛利率会从早期的 40% 以上迅速滑落至 15% 甚至更低。