AI付费潮来袭，算力租赁躺赢

谁在驱动这波前所未有的算力需求热潮？答案可以简单地归结为Token调用量的指数级爆炸。

根据OpenRouter的最新测算，截至2026年4月初，全球AI大模型词元总调用量已达27万亿，环比增长18.9%，而中国AI大模型词元调用量已连续五周超越美国。越多的Token消耗，就意味着越多的服务器在工作，越多的GPU在发热，越多的电力在燃烧——而这些“越多”的背后，就是算力租赁这门生意最底层的增长逻辑。

“以租代买”的观念正在大量中小企业中迅速普及。单张NVIDIA A100显卡售价约10万至15万元，H100更高达20万至30万元，对于一家初创公司而言，仅硬件采购成本就足以将其压垮。而通过租赁，企业可以大幅降低70%以上的初期投入，还能根据需求随时更换最新一代的硬件设备。在中国的一些电脑设备租赁企业，高性能机型甚至出现了“上架即秒光”的火爆行情。这一现象证明，算力租赁的核心价值已经不再仅仅是“省钱”，而是提供了一条让中小企业能够以更低成本、更低风险跟紧技术迭代步伐的可行路径。

01

国内外玩家，齐发力

如果说旺盛的需求描绘了算力租赁的广阔前景，那么近期接连爆出的几笔交易，则直接告诉市场：这个赛道的水远比想象中更深，参与者也远比想象中更多元、更重量级。

5月4日，字节跳动旗下的AI应用豆包在App Store新增付费版本服务声明，在免费版的基础上推出了三档增值服务：标准版连续包月68元/月、加强版连续包月200元/月、专业版连续包月500元/月。付费功能主要聚焦于PPT生成、数据分析、影视制作等高复杂度生产力场景。

豆包为什么在这时候选择收费？三个关键数字足以说明问题：豆包的日均Token消耗量已达120万亿，相比2024年5月首次发布时增长了1000倍，仅在2026年头三个月就翻了一番；字节跳动2026年规划的约1600亿元资本开支中，预计有一半将投向AI芯片采购；而据业内测算，推理算力需求已经是训练阶段的10-15倍。也就是说，付费用户越多、使用频率越高、任务越复杂，算力消耗就越快——而这套逻辑闭环的终端传导效应，就是算力租赁厂商接单到手软。

如果说豆包付费体现的是AI用户和商业化的需求倒逼，那Anthropic跟SpaceX这笔算力租赁大单，就实打实体现了算力供给格局正在重新洗牌。5月6日，AI独角兽Anthropic官宣正式租下了SpaceX旗下位于美国田纳西州孟菲斯的Colossus 1数据中心的全部算力。

这是一个什么概念？Colossus 1配备了超过22万块英伟达GPU，涵盖H100、H200乃至下一代GB200加速器，总功耗达到300兆瓦——相当于一个约20万至30万户家庭的中型城市的全部居民用电。该数据中心从规划到建成仅用了122天，充分体现了SpaceX在工程建设和芯片采购上的惊人统筹能力。对Anthropic而言，这笔协议意味着在短短一个月内即可获得超过300兆瓦的新增算力，使其总算力水平从不足10万张H100当量一举追平甚至超越OpenAI、Google DeepMind等主要竞争对手。对SpaceX而言，这更是一石多鸟的精妙商业布局：原本为xAI训练Grok而建的Colossus 1在xAI解散并入SpaceX并更名为SpaceXAI后处于闲置状态，租给Anthropic后不仅实现了闲置顶级算力的直接变现，还为即将到来的IPO贡献了一个极具说服力的现金流故事。两家公司甚至已经在探讨合作开发“数吉瓦级的轨道AI算力”，将数据中心部署至近地轨道的工程化步伐正在加速。

值得注意的是，Anthropic并非只在SpaceX这一棵树上“租算力”。就在此前的一个月，Anthropic已分别与亚马逊和谷歌/博通签订了总计约5吉瓦的算力供应协议，据估算仅与谷歌的5吉瓦协议就相当于在5年内投资近2000亿美元。再叠加此前与微软Azure签订的300亿美元算力合同，Anthropic在算力承诺上的总规模已达数千亿美元。巨额的数字背后，揭示了一个现实：顶尖AI模型的竞争不仅是一场算法和数据的竞赛，更是一场纯粹的算力消耗战。而在这场消耗战中，最有实力的并不是模型厂商本身，而是那些手握海量GPU资源、具备超强供应链整合能力的“算力王者”。

将视角拉回国内，算力租赁市场的玩家版图同样在迅速成型。核心玩家大致可分为三类典型路径：第一类是深度绑定核心客户的IDC/AIDC厂商，如光环新网、润泽科技、奥飞数据等，凭借节点储备和扩张能力站稳脚跟；第二类是具备全球调度、纳管与自建结合能力的云服务商，阿里、百度、腾讯等均已宣布AI算力产品多轮提价，涨幅在5%至34%之间；第三类则是拥有差异化资源整合能力、正处于业绩加速兑现阶段的算力租赁及跨界转型标的，协创数据就是一例——2026年第一季度实现归母净利润7.5亿元，同比增长343%；利通电子同期实现归母净利润2.7亿元，同比增长821%；东阳光则在2026年5月5日公告，其控股子公司签署的算力服务采购框架合同订单总金额达到160亿至190亿元。而放眼海外，新兴云厂商CoreWeave的资本开支计划从103亿美元跳升至300亿至350亿美元，在手订单规模已逼近960亿美元；甲骨文与OpenAI达成的4.5GW算力租赁协议，更将其2026年资本开支直接上调至500亿美元以上。

02

从“卖算力”到“卖Token”，商业模式变了

算力租赁之所以从“边缘生意”迅速跃升为“核心资产”，关键在于其商业逻辑本身发生了根本性的代际进化。五年前，这类生意还接近于简单的“服务器转租”——平台采购一批GPU，挂在网上按小时计价，客户按需使用，更像一个自动售货机式的标准商品交易。然而今天，这个行业正在经历一场深刻的模式跃迁。

一个最直观的变化来自价格端。据行业监测数据显示，H100 GPU的一年期租赁合同价格从2025年10月每卡每小时1.70美元的低点，急升至2026年3月的2.35美元，涨幅接近40%。与此同时，英伟达H200、H100等高端GPU的租金环比普遍上涨15%至30%——H200时租金达7.5元至8.0元/卡时，月租金6万至6.6万元，涨幅25%至30%；H100月租涨至5.5万至6.0万元，涨幅15%至20%。更说明问题的是，交付周期已经大幅延长至2027年第二季度（H200）和第一季度（H100），这种时间轴的拉长本身就是市场紧张程度最真实的信号。

价格上涨的背后，是一个更根本的需求结构转换——算力租赁正在从“卖算力”转向“卖Token”。这是一个看似简单、实则影响深远的转变。过去，用户购买的是GPU的“运行时间”，企业按小时付费，实际使用率完全取决于用户自身。而如今，随着AI应用全面进入推理驱动阶段，大量开发者、企业和个人在调用大模型时，实质上是在“消费Token”——每一次API调用、每一次智能体交互、每一次复杂任务推理，都会消耗规模浩大的Token量。需求方不再关心自己用了多少小时的GPU，只关心模型能生成多少Token、完成多少任务。相应地，算力租赁厂商的服务交付方式也开始从“裸算力出租”升级为“模型服务即算力”乃至“Token分成模式”。

然而，商业逻辑的光鲜面背后，也隐藏着不容忽视的隐忧。有人用当前每小时2.35美元的H100租金属性和乐观的100%出租率假设倒推出“4个月回本”的神话，这种计算对于初创型和边缘型玩家来说往往暗藏陷阱。业内人士指出，更真实的账本是：GPU资产大约在2.5年内完全收回成本。2.5年回本，放在重资产行业里已然相当可观，但前提是——你拿得到当下最紧缺的高端GPU采购订单，你的数据中心有足够的电力容量和冷却能力，你的客户关系不是一次性交易而是3至5年的长期锁定期合同。在全球四大科技公司（Meta、Alphabet、微软、亚马逊）2026年合计7250亿美元AI资本支出的大背景下，中小型算力租赁参与者在供应链博弈中天然处于劣势。可以预见的是，算力租赁赛道的资源和订单将进一步向少数头部玩家集中，“赢家通吃”的格局轮廓正在悄然浮现。

03

算力要破局，答好三道必答题

如果说前三个部分讨论的是算力租赁的“现在”，那么真正决定这个行业未来走向的，则是三个更深层、更长远的结构性问题。

第一个问题是技术代际竞赛的加速。英伟达正以惊人的节奏更新其产品路线图：Blackwell平台之后，Vera Rubin平台已承诺在今年下半年出货，性能功耗比将达前代产品的10倍；Rubin Ultra预计2027年问世，Feynman计划于2028年推出。每一代GPU的算力跃升都意味着旧代服务器的账面价值可能快速缩水，这对于投入数千亿购置固定资产的算力租赁企业而言，意味着折旧风险和资产减值风险不可忽视。但也恰恰因此，租赁模式体现出了更强的商业韧性——唯有通过大批量、快速迭代的集群运营，才能将硬件更新的成本平滑分散到大量客户身上，将技术迭代的负面冲击转化为灵活性和规模优势。梅赛德斯-奔驰的F1车队不会因为明年要换新引擎就不参加今年的锦标赛；同样的逻辑，AI企业不会因为明年的算力硬件更强就不租用今天已有的GPU。在技术不断加速的情况下，算力租赁不亏反赚——租户无需担心资产贬值，出租方则可以靠规模效应消化迭代成本。

第二个问题是“算力鸿沟”与国产化的博弈。一个颇具黑色幽默意味的现实正在中国部分智算中心上演：安装了英伟达GPU的机柜出租率超过90%，国产GPU服务器的出租率却很低。核心瓶颈不是硬件本身——而是软件生态。CUDA沉淀了十数年的开发者工具链和生态优势，国产GPU在框架适配、编译优化上仍有明显差距。华泰证券判断2026年是“国产超节点元年”，试图通过超节点架构的系统级重构弥补单芯片差距，降低通信开销以将理论算力转化为可用吞吐。但这条路注定需要时间，算力租赁行业在享受大模型需求爆发的红利的同时，也必须面对“缺芯少魂”的结构性烦恼。工信部已经印发了《关于开展普惠算力赋能中小企业发展专项行动的通知》，围绕“算力银行”“算力超市”等创新业务作出部署，支持中小企业存入闲置算力资源。这一政策导向旨在打破算力的重资产壁垒，但如果基础算力底座仍然以海外高端芯片为主，那么所谓的“普惠算力”在深层供给上仍将受制于外部供应链的不确定性。

第三个问题是算力租赁与实体产业AI转型之间的协同。当前的市场热潮主要由互联网大模型企业的需求推动，Token的指数级增长也多集中在云端应用和智能体赛道。但真正的算力大航海时代远远没有到来——如果智能制造、医疗影像、自动驾驶、数字孪生等实体行业真正全面拥抱AI，届时算力需求的井喷量级将再翻数倍。在此背景下，算力租赁行业面临一个选择：是继续沿袭当前追逐头部大客户的流量路径，仅在互联网大厂之间做算力的“军火商”；还是主动下沉，与各行业深度合作，让算力真正成为国民经济的公共基础设施。二者的结果将大不相同。前者是“赚快钱”，后者是“赚大钱”——但赚大钱的路径需要耐心、产业认知和跨领域的协同能力。

AI的免费时代正在加速终结，而算力作为AI世界里最刚需、最稀缺的生产资料，它的“租赁者”正在成为这场产业浪潮中确定性最强的受益者。不是所有人都能从大模型的算法突破中分一杯羹，也不是每家公司都烧得起千亿美元级的自建算力集群，但几乎每一家想要落地AI应用的企业，都绕不开“按月付费、按Token计费、按需扩容”的算力租赁路径。当AI付费潮从C端应用向B端基础设施层层传导，算力租赁便不再是某个细分赛道的边缘生意，而是整个AI产业商业闭环中不可或缺的“水电煤”。