据悉，目前算力公司向腾讯等头部互联网大厂交付算力卡，起步门槛已经提高到了万卡集群，且租约一签就是五年起步。
    随着AI高速发展，训练数据的复杂度不断增加，大模型的推理能力提升，直接带来Token调用量的爆发。业内人士认为，当前算力租赁行业高速发展的核心驱动力，本质上是AI应用从“训练时代”向“推理时代”的范式转移。
    Token消耗激增
    据摩根大通预测，中国的推理算力Token消费量将从2025年的10千万亿增长到2030年的3900千万亿，增幅高达369倍。元旦至今，仅在国内，AI推理任务相关的Token调用量在短短三个月内便暴增250%。
    中国企业资本联盟副理事长柏文喜认为，当前国内算力租赁行业快速发展的核心驱动力，本质上是需求端与供给端的结构性短缺所引发的共振效应。
    “算力租赁行业存在较大机遇。”眺远影响力研究院院长高承远认为，AI智能体商业化落地加速，Token消耗量持续指数级增长，推理算力需求将长期超越供给。国产算力芯片实现规模化替代，寒武纪、摩尔线程等企业营收增长三位数，为行业提供了“第二供给曲线”；云厂商涨价潮重塑行业价格中枢，具备稳定资源的企业利润率显著改善。
    “全国多点开花”打开局面
    在需求高歌猛进的背景下，算力租赁行业的供给短板明显。全球高端GPU资源分配不均成中国算力企业面临的重要限制因素之一。
    国内外大模型的Token消耗量正呈现爆发式增长态势。以OpenAI为例，其日均Token处理量在过去一年增长超过10倍。
    “国内头部模型的调用量同样以月为单位翻倍增长。”柏文喜说道，Token消耗的激增对算力基础设施的弹性扩展能力提出更高要求。企业需要在硬件迭代，与现有资产配置之间寻找平衡，技术路线的选择风险随之加大。
    “国内与海外在算力领域的资本开支存在巨大差距，差距主要源于两者所处的产业发展阶段与市场环境不同。”中国城市发展研究院投资部副主任袁帅表示，这种差距在短期内可能会导致国内算力资源的供给相对紧张，推高算力租赁价格，给AI企业发展带来成本压力，但从长期来看，也为国内算力租赁企业提供巨大的发展空间，随着国内资本对算力领域的持续投入，算力基础设施将不断完善，算力供给能力也将逐步提升，缩小与海外的差距。
    “目前，中美芯片技术差距与算力差距的关联性正在减弱。”萨摩耶云计算集团首席经济学家郑磊认为，通过“全国多点开花”的智算中心策略，依托先进封装、大规模系统架构和软硬件协同优化，有望收窄系统级性能差距。
    “关键在于保持战略定力，避免封闭发展，在开放合作中培育生态竞争力。”郑磊认为，中国算力差距收缩不能依赖单一技术突破，而需坚持“系统优化为主、单点突破为辅、生态培育为基”的路径。
    “这种差距也催生了差异化机遇。国产算力产业链的自主可控需求迫切，政策扶持力度空前，为本土企业提供了弯道超车的窗口期。”柏文喜介绍道，当下是抢占市场份额的关键窗口期，但更需要未雨绸缪，在技术储备、客户黏性、运营效率等维度构建护城河，应对行业洗牌。
    算力租赁景气度依然较高
    传统算力租赁模式仍以重资产、长周期为主。“传统算力租赁的垫资模式给企业带来现金流压力。”高承远认为，3至5年长周期租约意味着企业需提前投入巨额资本购置硬件，但租金回收却需数年摊薄，考验企业的融资能力和资金周转效率。
    业内人士认为，算力租赁行业的高景气度至少可持续至2027年。在此期间，行业内头部企业以资源把控和技术优势掌握话语权，而强劲的供需缺口将持续带动价格中枢震荡上行，为企业创造长期的增值潜力。
    科方得咨询机构负责人张新原则认为，算力租赁行业的爆发期预计将持续3至5年，随着AI技术渗透到更多行业以及算力基础设施的不断完善，中长期需求将趋于稳定增长，但增速可能随技术成熟度和市场饱和度逐步放缓。
    “从供给侧看，高端算力芯片的获取难度与成本构成了刚性约束。尽管国产芯片替代进程加速，但在高端GPU领域，供给缺口依然显著。这种‘芯片’荒直接传导至算力租赁市场，推动价格持续上涨，形成了典型的卖方市场格局。”柏文喜介绍道。
    张新原认为，随着国内外大模型的Token消耗量均呈现快速增长趋势，这对算力租赁企业意味着订单量提升和产能利用率上升，但同时也加剧了GPU供应紧张和成本压力，促使企业加速扩容和技术升级。
    高承远认为，行业正从“硬件租赁”向“算力+服务+模型”的一体化服务模式升级，具备技术壁垒和资源整合能力的头部企业将获得持续溢价能力。