夜雨聆风2026年以来，国内算力租赁市场的整体表现如何？具体到NVIDIA的高端卡和国产卡，其供需关系 和价格呈现出怎样的变化趋势？
2026年算力租赁市场以春节为关键分界点。春节前市场需求异常旺盛，主要由头部大厂的训练需求驱 动，寻求租赁的算力类型集中于NVIDIA的H200、B200和B300。同时，推理需求也十分强劲，大量5090消费级显卡被用于推理任务，4090及少量的6000D也受 到市场追捧，导致后两者现货价格出现短暂炒作。受此影响，5090的租赁价格从2025年的7500-8200 元/月上涨至春节前的9800-12000元/月，临近春节时最高成交价达到14000元/月。同期，国内部分 H200存货价格也从2025年的65000-72000元被炒高至75000-80000元。这一波需求拉动主要源于头 部互联网公司和AI公司密集推出新模型，特别是字节跳动因其文生视频模型的火爆而成为市场上最大 的算力租赁需求方。
春节后，受“美超威事件”影响，市场担忧后续NVIDIA高端卡（不仅是H200，也包括B系列）进口将 变得极为困难。这引发了第二波涨价潮，出现了一个短暂的窗口期，头部厂商为确保资源供应，不计价 格地抢购市场上所有可用的现货租赁资源。尤其是在京津冀、长三角和珠三角等算力热点区域，现存的 高电机柜和租赁资源在2月底至3月份期间基本被抢购一空。这一系列事件导致现货服务器价格翻倍上 涨，存量算力租赁价格上涨20%-30%，而新建算力集群的报价则因采购成本上升而大幅提高。此轮涨 价周期一直延续至4月和5月，市场现有资源也相对稀缺。
对于国产算力，其租赁模式多为定向型，即根据客户需求再进行采购，如摩尔线程、燧原等。华为昇 腾是国内唯一进行预先建设的系列。由于2024至2025年的超前建设，部分昇腾算力资源池在2026年 初尚未租出。因此，在春节前NVIDIA卡价格飙升时，昇腾910B的租赁价格并未上涨，基本维持在3万 多元/月，部分甚至低至28000元/月。春节后，由于对NVIDIA供应的担忧，部分大厂开始将部分业务 转向国产算力，例如Deepseek全面转向华为昇腾。同时，头部大厂的一些新模型开发也开始在国产平 台上进行，涵盖昇腾、摩尔线程、沐曦、寒武纪等。
进入5月份，市场价格趋于稳定。NVIDIA推理卡如5090的价格基本稳定在1600-1700元/月，部分报 价18000元/月，未再出现大幅上涨。当前涨势最猛的主要是B系列和H系列等训练用的大卡，因其进口 难度极大。
针对推理卡5090，其价格在5月份趋于稳定，是否意味着近期AI推理产品的热度有所下降？
本地化A一体机（“龙虾机”）非常火爆，这对算力租赁市场产生了一定的分流效应。目前约80%的“ 龙虾机”由B端客户采购，用于公司内部团队（如二三十人的开发团队）进行新项目测试和开发；其余 20%则由个人开发者购买。同时，各大云厂商也推出了相应的云服务，旨在将基于此类设备的应用开 发吸引到其云端平台。
尽管如此，5090租赁价格稳定在1700-18000元/月左右，并非因为推理需求减弱。头部大厂的推理需 求依然旺盛。价格稳定的主要原因有两点：首先，5090的租赁价格相较于2025年的7000-8000元/月 已上涨约1.2倍，价格已达到一个平台期。若价格继续上涨，其性价比将接近其他选择。其次，市场存 在 一 定 数 量 的 存 量 NVIDIA A100 和 A800 算 力 。 目 前 ， 腾 退 出 来 的 A100 40G 版 本 租 金 约 为 24000- 25000元/月，80G版本租金在3万多元/月。如果5090的价格进一步上涨至2万多元，许多客户会转而 选择租赁性能更强的A100。市场的这种博弈关系使得5090的月租金最终稳定在当前水平。
客户租赁B200这类高端训练卡的具体用途是什么？
不同预算规模的客户在算力租赁策略上有何差异？ 客户租赁高端卡的用途呈现分化。资金实力雄厚的头部客户，会直接租赁B系列和H系列等大卡，同时 用于模型训练和推理。其模式通常是以训练为主，当一个模型版本迭代训练完成后，空闲下来的算力会 直接用于持续性的推理任务。这种策略使得专注于大卡长协订单的供应商能够持续获得业务。 预算相对有限的头部及腰部客户，则会采取差异化策略：使用大卡进行周期性的训练任务，同时租赁 成本更低的卡（如5090）来满足常态化的推理需求。但需要补充的是，最顶级的客户同样会大量租赁 小卡。
对于垂直领域的客户，其选择与自身技术生态紧密相关。在自动驾驶领域，如果模型原先基于 CUDA生态搭建，客户倾向于租赁5090 。若其开发生态基于国产平台，则新建算力也多选择国产 品牌。金融行业的情况则更为特殊，例如招商银行等国有大行基本已转向国产系列，并且倾向于 自行采购国产卡而非租赁。对于NVIDIA的卡，金融机构则普遍采用租赁模式，以规避合规风险， 将相关风险转移给算力租赁服务商。
在算力租赁市场中，头部互联网大厂的需求占比达到60%，这部分需求是否主要由字节、阿里、腾讯 这三家构成？A模型公司在其中的角色和需求特点是怎样的？
60%的需求占比是指所有头部大客户，其中包括字节、阿里、腾讯这三家预算最充足的公司，但并 不局限于此，其他多家从事A业务的知名互联网公司也包含在这60%的范畴内。
这 60% 的 头 部 客 户 中 也 包 括 头 部 的 A 模 型 公 司 ， 例 如 智 谱 AI ， 该 公 司 租 赁 了 数 个 万 卡 集 群 。 而 另 外 40% 的需 求构 成中 ，也包 含了 腰部的 A 公司 。这些 腰部 A 公司通常融资规模相对有限，其获取算力的 方式呈现多样化，包括少量自建、算力租赁以及通过云服务。因此，它们在算力租赁市场的需求特点 是倾向于签订短期合同，例如一年期的订单，而非长协订单，并且在云服务上偏好可随时启停的资源 ，以便在模型训练完成后立即释放，控制成本。这种模式导致它们对算力租赁市场的直接订单拉动效 应不那么显著，其算力需求更多地通过火山云、阿里云、腾讯云等云厂商间接体现出来。
对于AI模型公司而言，直接向算力租赁公司租赁算力与向阿里云、火山引擎等云服务商获取算力，两 者在成本及模式上有何差异？
云服务商与算力租赁公司在业务模式上存在根本区别。大型云服务商自身既会自建云节点，也会向算力 租赁公司租赁算力，再将这些资源整合为云服务对外提供。因此，对于AI模型公司等终端客户而言，直 接与算力租赁方合作获取算力的单位成本通常更低。云服务商在转租算力时，不仅要考虑其自身的利润 空间，还会叠加其云平台软件、技术对接等增值服务，从而导致最终的定价相对更高。传统云主机服务 可以实现资源复用，但算力租赁业务基本无法复用，租入100P算力，对外也只能按100P租出，这决定 了云服务商必须严格核算其成本。
云服务商在获取算力资源时，是否因其规模优势而在采购价格和集群规模上具备更强的议价能力？
是的，云服务商在采购算力资源时通常具备显著优势。主流的民营云服务商，如火山引擎、阿里云、 腾讯云和百度智能云，倾向于签订3至5年的长期协议，采购体量巨大，因此更容易获得优惠的采购价 格。尽管采购成本较低，但云服务商在将其转化为对外提供的云服务时，仍会确保自身的盈利。在集群 规模方面，市场主流的集群规格为512P或128P，万卡级别的大规模集群虽然需求存在，但由于对供应 商的资金要求极高，市场上能满足此类订单的算力租赁方数量有限，因此并不常见。
从2026年以来的市场情况看，不同类型客户对NVIDIA GPU的需求是否存在显著分化？哪些客户表现出 更强的采购意愿和更高的价格承受能力？
2026年以来，市场需求分化现象极其显著。春节前的一轮需求高峰主要由少数头部公司驱动。整个算 力租赁市场看似紧张，但深入分析后发现，需求高度集中在头部几家大模型公司。目前，市场上约一半 的新增算力租赁订单被字节、阿里、腾讯、百度等几家公司直接或间接消化。与2023年、2024年百花 齐放的市场格局不同，2026年的市场集中度大幅提升。头部大厂凭借充裕的现金流，在获取稀缺的推 理卡（如15090）以及现货H200、B200、B300等高端算力资源时表现出极强的意愿和能力。对于 B200、B300这类价格高昂（如B300单台服务器价格已达680万人民币）且稀缺的资源，算力租赁方 基本只面向头部定向客户，导致这些资源进一步向资金实力雄厚的买家集中。
字节、阿里、腾讯这三家头部公司在获取算力资源的意愿和行动上是否存在差异？
存在明显差异。从2024年至2026年，字节跳动在获取算力方面一直处于领先地位。进入2026年，腾 讯的需求迅速增长，正在积极洽谈长期订单，其需求规模已接近字节跳动。阿里巴巴同样在积极追赶。 百度则聚焦于自动驾驶垂直领域，凭借其技术方案切入大量客户，也在努力扩大其算力储备。 此外，智谱AI在上市后，解决了资金来源问题，其算力需求也显著增加。其他Al公司如MiniMax、月之 暗面、云从科技、旷视科技等也持续有算力租赁需求，但其中不少公司（如MiniMax）通过阿里云等云 服务商间接获取算力，因此在直接的算力租赁市场中表现不那么突出。
对于2026年下半年，头部厂商的算力需求以及NVIDIA GPU的供给情况有何预期？
预计2026年下半年，市场将延续你追我赶”的格局，主要由头部厂商驱动。字节、腾讯、阿里将持续争 夺A1领域的技术和市场领先地位，一旦有新产品或技术突破，便会迅速在全国范围内大规模获取算力资 源，例如阿里的“千问”大模型在金融行业的应用可能迎来爆发期，从而带动新一轮算力需求。垂直领 域中，自动驾驶行业在2026年下半年可能迎来技术爆发点，这将使深度布局该领域的百度受益。其他 A公司（如智谱、月之暗面、百川智能、零一万物）和机器人公司（如智元机器人）的需求将稳步增 长，但预计人形机器人赛道在2026年对算力租赁市场的拉动作用有限，反而是工业产线等固定式机器 人的训练需求可能迎来一波增长。传统互联网公司 （如小米、京东、美团、快手）和国资背景机构的 需求则相对平稳，后者正明显地将需求转向国产算力。总结而言，2026年下半年NVIDIA高端GPU（如 H200、B200、B300）的需求将继续由头部大厂主导，在供给持续紧张的情况下，价格预计将继续上 涨。而腰部公司的需求则呈现小集群、多批次的特点，增长较为平稳。
当前国内公司获取NVIDIA高端GPU的渠道是怎样的？各家公司的拿货能力是否存在差异？
目前国内所有公司，无论是上市还是非上市公司，都无法直接从NVIDIA获得B系列或H系列等高端非 合规GPU。市场上流传的某些公司能直接从NVIDIA采购的说法并不属实，其合作关系可能仅限于6000 Ada等合规产品，但这类产品市场需求相对较小。一个特殊的现象是，H200GPU在中国海关被列为审 批制产品，进口流程复杂；而B系列GPU目前未被列入审批制，只要海外能获得货源并通过合规报关， 海关则会放行。因此，各家公司的拿货能力主要取决于其在海外寻找和获取货源的能力，而非与 NVIDIA的直接关系。
在AI服务器的配置中，CPU和存储的配比是否出现了调整或变化？
在CPU方面，英特尔占据主导地位，大约80%至90%的算力服务器采用其产品，AMD的份额相对较 小。此前有客户试用过AMD的CPU，但发现与开源模型的适配性不佳，因此最终用户常指明要求使用 英特尔CPU。市场热门的英特尔数据中心级CPU型号主要包括6530和8558，这些型号已出现明显涨价。以6530为例，其从2025年到2026年的价格已接近翻倍。这种涨价主要体现在销售体系中，尽管 厂家出货价变动不大，但目前向国内一级代理采购的订单交付期已排至2027年。
在数量上，CPU的配置保持稳定，标准算力服务器通常配置两颗CPU。然而，内存配置则因价格急剧 上涨而呈现下降趋势。例如，对于配置H800或A800的服务器，原先16条64GB 内存的方案，现在为 降低单台服务器成本，出现了降至8条的现象。对于配置更大显存（如L40S）的服务器，常见的配置 是2TB内存，即32条64 GB内存，但也有采用128GB内存条的方案。总体而言，内存用量的减少是为 应对其价格飙升而采取的逆周期措施。
随着国内“超节点”方案的出现，其对算力租赁市场将产生何种影响？
目 前， 国 产 “ 超 节 点” 方 案， 尤 其 是华 为 昇 腾的 产 品 ，虽 然 市 场声 量 较 大， 但 实 际订 单 量 有限 。 以 华 为异 腾 的 超节 点为 例，其 单价高 达1.2 亿，20 2 5 年销 售了数 百套， 其中 约 20 0 套 主 要 由 运 营 商 采 购，运营商采购后再以算力租赁的形式提供服务。直接采购超节点的客户非常少，主要局限于少数 头 部 大厂 。其 他厂 商 如 中科 曙 光 也有 超 节 点方 案 ， 但基 本 在 其自 身 体 系内 使 用 。 超 节点 因 其 高昂 的 单 价、 功 耗 及技 术 支 持要 求 ，其 市场定 位是面 向顶尖 的大型 客户， 而非中 小型企 业。
在国产算力卡市场，华为昇腾占据了超过一半的份额。国产算力租赁呈现出不同的模式：例如，昆仑 芯主要供给百度使用；而像摩尔线程、沐曦、寒武纪等其他国产GPU厂商，则多采用定向搭建的模式， 甚至会向字节跳动、腾讯、阿里等头部客户赠送设备进行测试。
国产算力卡的主要用户群体包括：头部互联网大厂如字节跳动、腾讯、阿里、百度、小米等，出于供应 链安全等综合因素，均有采购国产GPU，同时也在使用英伟达产品。其中，“中字头”及央国企，其中 以新上项目基本以国产卡为主，具体选择哪家厂商则取决于市场竞争；三大运营商，新增采购以国产为 主。由于长期合作关系，运营商主要采购华为昇腾的设备，联通也有部分摩尔线程的部署；未使用海外 开源模型的企业：若企业自身模型是从零到一自研或基于国内模型开发，则较多采用国产卡。 相对而言，使用海外开源模型进行开发的中小企业，为保证生态系统的兼容性，基本仍选择英伟达的算力。
除了DeepSeek，还有哪些模型公司在积极推进与国产卡的适配？
阿里巴巴的“千问”模型一直以适配国产硬件为主，特别是其自家的平头哥芯片。阿里通过应用层面的推 广，使其许多B端金融客户在采用千问模型后，底层自购服务器时也倾向于选择平头哥的硬件。 其 他模 型 公 司 ， 如智谱 A1 、 MiniMax、 月之 暗 面 等 ， 也都 在进 行 与 国产 卡 的 适配 工 作 。 但 实际 进 展 上 ，它 们当前 仍以使 用英伟 达的硬 件为主。 相比 之下， 云从科 技在与 昇腾的适配方面走得较为激进； 科大讯飞也是一个特例，其使用的国产算力较多，英伟达产品较少。
此外，中科院、航天科工等机构一般必须适配国产硬件。而传统的互联网公司，如小米、京东、网易、快手 、B站、美团、拼多多、携程、贝壳、金山、搜狐、新浪等，目前转向国产的意愿不强，仍主要使用英伟达 算力，且其整体算力需求体量相对有限。
