文 | 半導體產業縱橫
文 | 半導體產業縱橫
誰在驅動這波前所未有的算力需求熱潮？答案可以簡單地歸結為Token呼叫量的指數級爆炸租賃。
根據OpenRouter的最新測算，截至2026年4月初，全球AI大模型詞元總呼叫量已達27萬億，環比增長18.9%，而中國AI大模型詞元呼叫量已連續五週超越美國租賃。越多的Token消耗，就意味著越多的伺服器在工作，越多的GPU在發熱，越多的電力在燃燒——而這些“越多”的背後，就是算力租賃這門生意最底層的增長邏輯。
“以租代買”的觀念正在大量中小企業中迅速普及租賃。單張NVIDIA A100顯示卡售價約10萬至15萬元，H100更高達20萬至30萬元，對於一家初創公司而言，僅硬體採購成本就足以將其壓垮。而透過租賃，企業可以大幅降低70%以上的初期投入，還能根據需求隨時更換最新一代的硬體裝置。在中國的一些電腦裝置租賃企業，高效能機型甚至出現了“上架即秒光”的火爆行情。這一現象證明，算力租賃的核心價值已經不再僅僅是“省錢”，而是提供了一條讓中小企業能夠以更低成本、更低風險跟緊技術迭代步伐的可行路徑。
國內外玩家租賃，齊發力
如果說旺盛的需求描繪了算力租賃的廣闊前景，那麼近期接連爆出的幾筆交易，則直接告訴市場：這個賽道的水遠比想象中更深，參與者也遠比想象中更多元、更重量級租賃。
5月4日，字節跳動旗下的AI應用豆包在App Store新增付費版本服務宣告，在免費版的基礎上推出了三檔增值服務：標準版連續包月68元/月、加強版連續包月200元/月、專業版連續包月500元/月租賃。付費功能主要聚焦於PPT生成、資料分析、影視製作等高複雜度生產力場景。
豆包為什麼在這時候選擇收費？三個關鍵數字足以說明問題：豆包的日均Token消耗量已達120萬億，相比2024年5月首次釋出時增長了1000倍，僅在2026年頭三個月就翻了一番；字節跳動2026年規劃的約1600億元資本開支中，預計有一半將投向AI晶片採購；而據業內測算，推理算力需求已經是訓練階段的10-15倍租賃。也就是說，付費使用者越多、使用頻率越高、任務越複雜，算力消耗就越快——而這套邏輯閉環的終端傳導效應，就是算力租賃廠商接單到手軟。
如果說豆包付費體現的是AI使用者和商業化的需求倒逼，那Anthropic跟SpaceX這筆算力租賃大單，就實打實體現了算力供給格局正在重新洗牌租賃。5月6日，AI獨角獸Anthropic官宣正式租下了SpaceX旗下位於美國田納西州孟菲斯的Colossus 1資料中心的全部算力。
這是一個什麼概念？Colossus 1配備了超過22萬塊英偉達GPU，涵蓋H100、H200乃至下一代GB200加速器，總功耗達到300兆瓦——相當於一個約20萬至30萬戶家庭的中型城市的全部居民用電租賃。該資料中心從規劃到建成僅用了122天，充分體現了SpaceX在工程建設和晶片採購上的驚人統籌能力。對Anthropic而言，這筆協議意味著在短短一個月內即可獲得超過300兆瓦的新增算力，使其總算力水平從不足10萬張H100當量一舉追平甚至超越OpenAI、Google DeepMind等主要競爭對手。對SpaceX而言，這更是一石多鳥的精妙商業佈局：原本為xAI訓練Grok而建的Colossus 1在xAI解散併入SpaceX並更名為SpaceXAI後處於閒置狀態，租給Anthropic後不僅實現了閒置頂級算力的直接變現，還為即將到來的IPO貢獻了一個極具說服力的現金流故事。兩家公司甚至已經在探討合作開發“數吉瓦級的軌道AI算力”，將資料中心部署至近地軌道的工程化步伐正在加速。
展開全文
值得注意的是，Anthropic並非只在SpaceX這一棵樹上“租算力”租賃。就在此前的一個月，Anthropic已分別與亞馬遜和谷歌/博通簽訂了總計約5吉瓦的算力供應協議，據估算僅與谷歌的5吉瓦協議就相當於在5年內投資近2000億美元。再疊加此前與微軟Azure簽訂的300億美元算力合同，Anthropic在算力承諾上的總規模已達數千億美元。鉅額的數字背後，揭示了一個現實：頂尖AI模型的競爭不僅是一場演算法和資料的競賽，更是一場純粹的算力消耗戰。而在這場消耗戰中，最有實力的並不是模型廠商本身，而是那些手握海量GPU資源、具備超強供應鏈整合能力的“算力王者”。
將視角拉回國內，算力租賃市場的玩家版圖同樣在迅速成型租賃。核心玩家大致可分為三類典型路徑：第一類是深度繫結核心客戶的IDC/AIDC廠商，如光環新網、潤澤科技、奧飛資料等，憑藉節點儲備和擴張能力站穩腳跟；第二類是具備全球排程、納管與自建結合能力的雲服務商，阿里、百度、騰訊等均已宣佈AI算力產品多輪提價，漲幅在5%至34%之間；第三類則是擁有差異化資源整合能力、正處於業績加速兌現階段的算力租賃及跨界轉型標的，協創資料就是一例——2026年第一季度實現歸母淨利潤7.5億元，同比增長343%；利通電子同期實現歸母淨利潤2.7億元，同比增長821%；東陽光則在2026年5月5日公告，其控股子公司簽署的算力服務採購框架合同訂單總金額達到160億至190億元。而放眼海外，新興雲廠商CoreWeave的資本開支計劃從103億美元跳升至300億至350億美元，在手訂單規模已逼近960億美元；甲骨文與OpenAI達成的4.5GW算力租賃協議，更將其2026年資本開支直接上調至500億美元以上。
從“賣算力”到“賣Token”租賃，商業模式變了
算力租賃之所以從“邊緣生意”迅速躍升為“核心資產”，關鍵在於其商業邏輯本身發生了根本性的代際進化租賃。五年前，這類生意還接近於簡單的“伺服器轉租”——平臺採購一批GPU，掛在網上按小時計價，客戶按需使用，更像一個自動售貨機式的標準商品交易。然而今天，這個行業正在經歷一場深刻的模式躍遷。
一個最直觀的變化來自價格端租賃。據行業監測資料顯示，H100 GPU的一年期租賃合同價格從2025年10月每卡每小時1.70美元的低點，急升至2026年3月的2.35美元，漲幅接近40%。與此同時，英偉達H200、H100等高階GPU的租金環比普遍上漲15%至30%——H200時租金達7.5元至8.0元/卡時，月租金6萬至6.6萬元，漲幅25%至30%；H100月租漲至5.5萬至6.0萬元，漲幅15%至20%。更說明問題的是，交付週期已經大幅延長至2027年第二季度（H200）和第一季度（H100），這種時間軸的拉長本身就是市場緊張程度最真實的訊號。
價格上漲的背後，是一個更根本的需求結構轉換——算力租賃正在從“賣算力”轉向“賣Token”租賃。這是一個看似簡單、實則影響深遠的轉變。過去，使用者購買的是GPU的“執行時間”，企業按小時付費，實際使用率完全取決於使用者自身。而如今，隨著AI應用全面進入推理驅動階段，大量開發者、企業和個人在呼叫大模型時，實質上是在“消費Token”——每一次API呼叫、每一次智慧體互動、每一次複雜任務推理，都會消耗規模浩大的Token量。需求方不再關心自己用了多少小時的GPU，只關心模型能生成多少Token、完成多少任務。相應地，算力租賃廠商的服務交付方式也開始從“裸算力出租”升級為“模型服務即算力”乃至“Token分成模式”。
然而，商業邏輯的光鮮面背後，也隱藏著不容忽視的隱憂租賃。有人用當前每小時2.35美元的H100租金屬性和樂觀的100%出租率假設倒推出“4個月回本”的神話，這種計算對於初創型和邊緣型玩家來說往往暗藏陷阱。業內人士指出，更真實的賬本是：GPU資產大約在2.5年內完全收回成本。2.5年回本，放在重資產行業裡已然相當可觀，但前提是——你拿得到當下最緊缺的高階GPU採購訂單，你的資料中心有足夠的電力容量和冷卻能力，你的客戶關係不是一次性交易而是3至5年的長期鎖定期合同。在全球四大科技公司（Meta、Alphabet、微軟、亞馬遜）2026年合計7250億美元AI資本支出的大背景下，中小型算力租賃參與者在供應鏈博弈中天然處於劣勢。可以預見的是，算力租賃賽道的資源和訂單將進一步向少數頭部玩家集中，“贏家通吃”的格局輪廓正在悄然浮現。
算力要破局租賃，答好三道必答題
如果說前三個部分討論的是算力租賃的“現在”，那麼真正決定這個行業未來走向的，則是三個更深層、更長遠的結構性問題租賃。
第一個問題是技術代際競賽的加速租賃。英偉達正以驚人的節奏更新其產品路線圖：Blackwell平臺之後，Vera Rubin平臺已承諾在今年下半年出貨，效能功耗比將達前代產品的10倍；Rubin Ultra預計2027年問世，Feynman計劃於2028年推出。每一代GPU的算力躍升都意味著舊代伺服器的賬面價值可能快速縮水，這對於投入數千億購置固定資產的算力租賃企業而言，意味著折舊風險和資產減值風險不可忽視。但也恰恰因此，租賃模式體現出了更強的商業韌性——唯有透過大批次、快速迭代的叢集運營，才能將硬體更新的成本平滑分散到大量客戶身上，將技術迭代的負面衝擊轉化為靈活性和規模優勢。梅賽德斯-賓士的F1車隊不會因為明年要換新引擎就不參加今年的錦標賽；同樣的邏輯，AI企業不會因為明年的算力硬體更強就不租用今天已有的GPU。在技術不斷加速的情況下，算力租賃不虧反賺——租戶無需擔心資產貶值，出租方則可以靠規模效應消化迭代成本。
第二個問題是“算力鴻溝”與國產化的博弈租賃。一個頗具黑色幽默意味的現實正在中國部分智算中心上演：安裝了英偉達GPU的機櫃出租率超過90%，國產GPU伺服器的出租率卻很低。核心瓶頸不是硬體本身——而是軟體生態。CUDA沉澱了十數年的開發者工具鏈和生態優勢，國產GPU在框架適配、編譯最佳化上仍有明顯差距。華泰證券判斷2026年是“國產超節點元年”，試圖透過超節點架構的系統級重構彌補單晶片差距，降低通訊開銷以將理論算力轉化為可用吞吐。但這條路註定需要時間，算力租賃行業在享受大模型需求爆發的紅利的同時，也必須面對“缺芯少魂”的結構性煩惱。工信部已經印發了《關於開展普惠算力賦能中小企業發展專項行動的通知》，圍繞“算力銀行”“算力超市”等創新業務作出部署，支援中小企業存入閒置算力資源。這一政策導向旨在打破算力的重資產壁壘，但如果基礎算力底座仍然以海外高階晶片為主，那麼所謂的“普惠算力”在深層供給上仍將受制於外部供應鏈的不確定性。
第三個問題是算力租賃與實體產業AI轉型之間的協同租賃。當前的市場熱潮主要由網際網路大模型企業的需求推動，Token的指數級增長也多集中在雲端應用和智慧體賽道。但真正的算力大航海時代遠遠沒有到來——如果智慧製造、醫療影像、自動駕駛、數字孿生等實體行業真正全面擁抱AI，屆時算力需求的井噴量級將再翻數倍。在此背景下，算力租賃行業面臨一個選擇：是繼續沿襲當前追逐頭部大客戶的流量路徑，僅在網際網路大廠之間做算力的“軍火商”；還是主動下沉，與各行業深度合作，讓算力真正成為國民經濟的公共基礎設施。二者的結果將大不相同。前者是“賺快錢”，後者是“賺大錢”——但賺大錢的路徑需要耐心、產業認知和跨領域的協同能力。
AI的免費時代正在加速終結，而算力作為AI世界裡最剛需、最稀缺的生產資料，它的“租賃者”正在成為這場產業浪潮中確定性最強的受益者租賃。不是所有人都能從大模型的演算法突破中分一杯羹，也不是每家公司都燒得起千億美元級的自建算力叢集，但幾乎每一家想要落地AI應用的企業，都繞不開“按月付費、按Token計費、按需擴容”的算力租賃路徑。當AI付費潮從C端應用向B端基礎設施層層傳導，算力租賃便不再是某個細分賽道的邊緣生意，而是整個AI產業商業閉環中不可或缺的“水電煤”。
