算力租赁

2026年全球AI算力市场正处于一个前所未有的"供需剪刀差"之中——全球AI大模型训练+推理对算力的需求以每年3-5倍的速度增长（OpenAI GPT-5训练算力需求预估为GPT-4的5-10倍），而高端GPU的供给端却受制于台积电CoWoS先进封装产能瓶颈+美国对华出口管制的双重约束。我们认为，算力租赁产业正处于一个"结构性短缺窗口期"——这个窗口预计将持续到2028-2029年，而窗口期内掌握"现货GPU资源"的企业将享有极高的定价权和超额利润。 在这个框架下，我们最核心的判断是：算力租赁不是一个"低壁垒的服务器倒卖生意"，而是一个"强资源属性+强运营能力+强资金实力"三重壁垒的赛道——"拿到卡"只是入门券，"让卡跑起来、跑得高效、跑得稳定"才是真正的竞争壁垒。

我们对算力租赁"国产替代"路径的判断与市场主流存在重大分歧。市场普遍认为华为昇腾910C已经"对标A100"、国产替代路径清晰——但我们认为市场低估了三个关键问题：第一，CUDA生态的"软件护城河"远比硬件性能差距更难跨越——全球超过90%的AI训练代码基于CUDA编写，从CUDA迁移到华为CANN（异构计算架构）意味着数百万行代码的重写和优化，这不是"性能对标"就能解决的问题；第二，昇腾910C的"单卡算力"确实接近A100，但"集群算力效率"（大规模并行训练时的实际算力利用率/MFU）仍然显著低于NVIDIA——单卡对标≠集群对标，"千卡集群"的线性扩展能力才是真正的战场；第三，美国出口管制的"围堵"策略正在从"芯片禁运"升级为"算力配额"——2025年5月BIS新增的"算力配额"制度意味着中国云厂商的年度算力进口总上限被卡死在约50万片等效H100——这个数字仅为中国AI训练总需求的20-30%，而国产替代的产能缺口需要到2028-2029年才能逐步弥合。**我们的核心判断是：2026-2029年=国产算力"从0到1"的替代窗口期——国产GPU占中国AI训练算力市场的份额将从2025年的约15%提升至2029年的约40-50%，但"完全替代"在2030年前不太可能实现；而在这个替代过渡期内，"NVIDIA存量卡的算力租赁"将是市场上最稀缺的资产。**第三个深层次的问题是算力租赁"商业模式"的可持续性。当前算力租赁行业存在两种模式：一是"重资产自建型"——自购GPU集群、自建数据中心，通过长租（1-3年合同）或短租（按小时计费）变现（如鸿博股份/英博数科）；二是"轻资产撮合型"——自己不持有GPU，通过算力调度平台撮合供需（如青云科技/AI算力调度平台）。我们认为，"重资产自建型"在当前GPU价格快速下行的周期中面临严峻的"资产减值风险"——一张H100在2023年采购成本约$30,000-35,000，而2026年B200的发布已经使H100的二手市场价跌至$15,000-20,000，这意味着早期高价囤卡的租赁商面临30-50%的资产减值压力。这与云计算行业的"服务器折旧周期"逻辑完全不同——GPU的"代际贬值"速度远超通用服务器，因为每一代新GPU的算力提升（H100→B200约为2-4倍）会导致上一代GPU的租赁价格断崖式下跌。"算力租赁的'隐藏风险'=GPU的'摩尔定律式'贬值速度（18-24个月一代）=租赁商的'存货跌价'风险远大于市场预期。"

---