
Token工厂模式兴起:算力租赁产业及服务商梳理
一. AIDC部署模式
1.1 自建自用
(1)定义:企业自行投建算力中心,包括土地购置、机房建设、GPU服务器采购及运维,算力资源全部服务于自身AI业务。
(2)特点:全流程自主可控、可根据自身业务场景定制设计,但前期资本开支巨大,受高端GPU交期延长、能耗指标审批趋严影响,建设周期持续拉长。
1.2 基建租赁
(1)定义:企业租用第三方机房及配套设施(机柜、电力、制冷、网络等),但需自行采购和部署算力设备(GPU服务器等)。
(2)特点:省去土地获取、环评审批、能耗指标申请等行政壁垒环节,标准机柜交付周期缩短至1-3个月,可快速完成算力部署。
1.3 算力租赁
(1)定义:企业向第三方服务商租用算力资源,按需付费,服务商负责机房基建、硬件采购、集群调度与日常运维。
(2)特点:典型轻资产模式,部署上线速度快,支持弹性扩容与按需启停,无需承担硬件折旧与基建风险。

二. 算力租赁模式概览
算力租赁即服务商将GPU、CPU等算力硬件资源池化,以租赁的方式提供给需求方,用户按需租用。
与通用云服务比较:算力租赁聚焦AI训练/推理等高性能计算场景,云服务虽然也是按需租用IT资源,但更偏向网站、应用、数据库等通用IT场景。
2.1 兴起逻辑
(1)国内推理需求快速增长:大量中小企业、垂直行业厂商无力承担自建算力的巨额投入,租赁模式大幅降低了AI使用门槛。
(2)高端GPU供应长期紧缺:算租头部企业凭借批量采购、长期合作协议,可提前锁定货源。
(3)AI应用峰值波动大:算力需求峰值波动较大,对于大多数企业而言,算力租赁比自建更具经济性。
2.2 业务模式
(1)按服务器租赁:以每台服务器(含8张GPU)/月为计量单位,配置固定,适合长期稳定使用,是当前行业主流模式。
(2)按算力规模租赁:以PFLOPS/年为计量单位,可根据自身算力需求实现灵活配置。
(3)按单张GPU租赁:以GPU/小时为计量单位,灵活性最高,适用于短期或临时性算力需求。
2.3 算力租赁行业特点
(1)重资产属性:服务商需一次性大额资本开支用于硬件采购与机房建设,对企业资金实力、融资成本要求极高。
(2)技术壁垒:行业核心壁垒已从单一的GPU货源获取,升级为 “高端GPU稳定供给+低成本绿电资源+液冷基建配套”的综合壁垒。
三. 商业模式比较
(1)传统租赁模式
租金收入为核心收入来源,利润=算力规模×出租率×单位租金-硬件折旧-机房成本-运维成本-资金成本。
局限性:收入天花板(受限于自身算力规模和出租率)、周期属性强(按重资产周期股估值)、客户风险集中(依赖少数大客户)。
(2)Token分成/工厂模式
服务商与大模型、AI应用厂商深度合作,按照模型实际调用的Token数量进行利润分成;核心指标从GPU利用率/上架率转向Token吞吐量/单位成本。
优势:收入=保底租金+Token流水分成,打开成长天花板;双方利益绑定,形成共赢的产业生态。
四. 国内算力租赁厂商
4.1 第三方IDC服务商
(1)特点:长期深耕数据中心运营,提前锁定枢纽节点的土地和能耗指标,机房资源丰富、运维经验成熟。
(2)头部厂商:万国数据、世纪互联、润泽科技、东阳光、润建股份、奥飞数据、数据港。
4.2 电信及云服务商
(1)特点:三大运营商具备覆盖全国的算力网络、带宽资源与庞大的政企客户基础;头部云厂拥有成熟的云平台技术、海量C端/B端客户资源。
(2)头部厂商:电信、移动、联通、阿里、腾讯、字节、华为、首都在线、铜牛信息、优刻得、网宿科技、美利云、光环新网、青云科技。
4.3 专业算力租赁商
(1)特点:以算力租赁为核心业务,资源高度聚焦,普遍具备突出的GPU供应链渠道优势,业绩弹性在三大阵营中最大。
(2)头部厂商:协创数据、宏景科技、利通电子、行云科技、杰创智能、莲花控股。
SZ 宏景科技
格隆汇声明:文中观点均来自原作者,不代表格隆汇观点及立场。特别提醒,投资决策需建立在独立思考之上,本文内容仅供参考,不作为实际操作建议,交易风险自担。


