算力租赁全线爆发！AI算力关键赛道，核心布局龙头梳理 算力，即设备根据内部状态改变而每秒能处理的信息数据量，其载体的发展历程经历了从算盘和机械计算器的时代到现如今基于互联网基... 

来源：雪球App，作者： 木头惠，（https://xueqiu.com/8474246756/279008002）

算力，即设备根据内部状态改变而每秒能处理的信息数据量，其载体的发展历程经历了从算盘和机械计算器的时代到现如今基于互联网基础平台的服务器。过去二十年里，算力载体的丰富度得到了空前的提升，并呈现出多样化的发展趋势。

算力供给主要可以分为三大类型：通用算力、智能算力和超算算力。这些算力的实现核心在于各类计算芯片，如CPU、GPU、FPGA以及ASIC等，它们被嵌入到计算机、服务器、高性能计算集群以及各类智能终端中。无论是海量数据的处理还是各种数字化应用，都离不开这些算力的加工和计算。

随着2023年AI大模型的迅猛发展，对高端智能算力的需求已呈现指数级飙升。算力资源的紧缺正推动着算力供给向共享时代迈进。在这一背景下，算力租赁行业迎来了前所未有的繁荣时期。

面对人工智能技术，尤其是大模型的广泛应用所带来的算力需求激增，许多企业都感受到了巨大的压力。

智能算力已成为驱动AI大模型训练的核心力量，而高性能GPU作为满足此需求的关键，其供需失衡已导致价格攀升和交付周期延长。这一现状使得众多企业在追求算力的道路上遇到了瓶颈。

算力租赁模式的出现为企业提供了新的解决方案。得益于云计算技术的日益成熟和普及，算力租赁已成为一种将强大计算能力以灵活、按需的方式提供给用户的理想选择。它允许用户随时随地通过云端接入所需算力，不仅大大增强了算力的可扩展性和灵活性，还实现了真正的按需付费，为企业节省了大量的成本。

对于那些有算力需求的公司而言，租用云端算力不仅能显著降低硬件成本，还能提高对成本的控制能力。此外，算力上云也为实现高效的算力调度奠定了基础。

对于专注于垂类行业小模型研发的企业来说，算力租赁模式更是降低了大模型研发门槛的利器。它们无需再投入巨资购买和维护昂贵的服务器，只需通过浏览器即可轻松访问算力中心，享受强大的算力服务。

算力租赁模式凭借其灵活性、可扩展性和成本效益，有望成为未来算力供给的最优选择。

资料来源：量子位

AI算力租赁的商业本质，实则是为那些需要大模型训练的软件研发厂商，提供一种向拥有丰富GPU资源的厂商租赁GPU算力的服务。

在这种商业模式中，出租方的主要利润来源于租金收入与运营成本之差。

其中，运营成本涵盖了多个方面，包括固定资产的折旧费用、数据中心的日常运营开销、IDC机房的租金以及人员成本等。

以2023年为例，若以租赁设备为H800服务器进行估算，算力租赁行业的年租金价格大约维持在12万元人民币/P/年的水平。基于这样的价格体系，算力租赁的回收周期大约为17个月。

随着算力资源配置成本的持续增加，算力租赁业务已然迈入了快速发展的轨道。通过将计算能力、存储和网络资源进行有效整合与封装，以服务的形式（例如通过API接口）提供给客户，从而显著降低了企业在前期的投资与后续的运营成本。

算力租赁产业链上游是算力供应商、中游是云厂商、下游是AI应用组织和企业。

其中英伟达是全球高性能算力显卡的最大供应商，几乎垄断了整个AI服务器芯片市场。

中游云厂商包括阿里、腾讯、移动、联通、电信等。云厂商需要向下游用户提供算力租赁业务相关资源，不仅仅包括机柜、带宽、电力，还有更重要的是要根据用户需求，租赁合适的算力（硬件配置+软件环境）。

算力租赁产业链图示：

整体而言，算力租赁重点关注购卡能力及服务器渠道：是否有购卡渠道及绑定服务器厂商以及在手订单是否充足和资金实力等维度，此外，传统业务能否与算力租赁业务形成协同效应，以及应注意算力租赁行业受地缘政治、政策、法律等引发供应链及衍生风险。

此外，早期在算力服务行业布局的厂商在算力租赁领域具有资源优势和先发优势。国内服务器主要厂商包括浪潮信息、中科曙光、工业富联、拓维信息等；布局算力租赁服务相关的企业包括鸿博股份、中贝通信、莲花健康、润建股份、软通动力、青云科技、汇纳科技等。

当前，由于算力供给与需求之间存在错配现象，算力租赁业务呈现出卖方市场的特征。在这一背景下，算力租赁的价格水平相对较高，出租方在市场中拥有更大的议价权。然而，这也为算力租赁行业的发展提供了巨大的机遇。

随着技术的不断进步，尤其是人工智能、大数据等领域的快速发展，对算力的需求将持续增长。无论是自动驾驶、机器人技术，还是智慧医疗、文娱创作等领域，都需要强大的算力支持。而算力租赁作为一种灵活、高效的算力获取方式，将越来越受到这些领域的青睐。#人工智能##算力##大模型#

同时，随着市场需求的持续增长，算力租赁行业的规模也将不断扩大。更多的算力供应商将进入市场，提供更多的算力资源；云厂商也将不断完善自身的算力租赁服务，满足用户多样化的需求；而下游的AI应用组织和企业也将更加依赖算力租赁，推动行业的快速发展。

此外，随着算力租赁行业的不断发展，其商业模式也将不断创新和完善。例如，云厂商可以通过与算力供应商的深度合作，实现算力的优化配置和高效利用；同时，他们也可以通过提供定制化的算力租赁服务，满足用户特定的需求。这些创新都将推动算力租赁行业向更高水平发展。