01 【算力租赁】产业链全景图
02 吃透【算力租赁】
算力租赁，就是按小时或包月租用“AI超级大脑”的计算能力，不用自己砸几百万买硬件。
训练大模型、做图像渲染都需要极强的算力，一台高端GPU服务器动辄几百上千万，就像为了一次搬家直接买辆重卡，特别不划算。于是有人建好装满芯片的数据中心，把算力像切蛋糕一样拆成小份，按小时或月出租。
你随时开通，按用量付费，设备维护、机房散热全不用管，和扫码租共享汽车一样即开即用。成本低、灵活方便，是目前中小AI团队最主流的方案。
相比自建数据中心，优势非常明显：
02-1、行业规模
放眼全球，凭借灵活性这个优势，算力租赁正在快速渗透到各个行业。2024年，全球GPU算力服务器租赁市场的规模是59.12亿美元，到2031年预计会膨胀到236.2亿美元，相当于七年翻两番，年复合增长率达到21.4%，每年稳稳保持两成以上的增长。
AI算力需求的爆发，直接给这个市场装上了加速引擎。国内市场过去几年一直是两位数增长，2024年中国智能算力租赁规模达到377 EFLOPS（一个EFLOPS代表每秒一百亿亿次计算），同比增幅高达88.5%，几乎翻了一番。未来三年，这个市场的复合增长率预计维持在53%，相当于每年增长一半还多，速度就像坐上了火箭。
在如此大的市场规模之下，算力租赁全产业链背后的3大核心赛道正在孕育新的机会，分别是：【Token运营与分成】新模式、算力基底液冷设备、算力租赁（底层资源交付）。
03 【Token运营与分成】新模式
Token 工厂，是算力基础设施在AI推理需求爆发后长出的新形态。
英伟达把AI Factory定义为一种专用计算设施，它的产出单位不是每秒浮点运算次数，而是token throughput。换句话说，Token工厂不再像过去那样，靠出租机柜、GPU或者算力时长来赚钱，而是像一座智能印刷厂，源源不断地生产出可计量、可定价的“智力成品”。
这背后折射出的变化是：上游算力基础设施的商业模式，正在从“卖机房面积”转向“卖智能打印效率”——好比从按小时租用厨房，变成按出餐份数收费。
Token正成为一种新的内部资源和企业间激烈争夺的商品，大厂从“无限供应”转向“精打细算”，同时云厂商正通过高额激励和价格战来抢占Token销售市场，除此以外，更有企业已经于头部大模型公司实现Token分成的模式，比如宏景科技、协创数据等已进入智谱大模型的产业链。
03-1、模式对比
传统模式有点像“租车位”，按机柜、服务器或GPU时长收费，收入多少主要看占用时间。
而Token工厂不一样，它直接跟下游推理需求挂钩，靠提升Token吞吐量、压低单位成本来分得一杯羹。两者的本质区别在于：定价的锚点从“资源用了多久”变成了“产出有多少、成本有多低”。
背后的逻辑其实很直白——推理需求爆发式增长，算力供不应求，这让算力基础设施环节有了更多向下游要价的底气，也能跟着产业一起分享增长红利。
03-2、Deepseek案例
Token运营不是把算力买进来再卖出去，更像从“倒卖电力”转向“用电力驱动精加工”——算力只是原料，Token才是成品。
利润空间从长期看，有望持续走扩。以DeepSeek-V4为例，随着国产算力进步，其推理价格会同步下探，所以单纯靠转售算力来赚钱，天花板不难看清。
Token运营的真正壁垒，在于一条闭合的增强回路：行业数据积累、大模型训练优化、高质量Token输出、用户反馈再迭代，四个环节环环相扣，像一台不断自我校准的飞轮。
那些握有核心数据集、能持续产出低幻觉率、高专业密度Token的厂商，等于在这条链上卡住了关键位置，长期利润空间自然更有底气往上走。
03-3、核心逻辑与数据
核心逻辑：算力租赁正在从“一次性卖硬件时长”向“持续运营智能服务”演进。算力公司通过承担前期重资产投入，与大模型厂商按Token产出进行收入分成。这一模式让算租公司分享了AI应用的爆发红利，推动板块估值体系从传统的周期PE向成长PS切换。关键数据支撑：
利润率跃升：Token分成模式落地后，算租公司的净利率有望从15%提升至20%以上。
极 佳的单机经济模型：在Token工厂模式下，百万级设备投资若Token使用率达到90%，年销售额可达50-60万元，年化投资回报率高达30%-40%，投资回收期缩短至2-3年。
需求端爆发：当前国内Token应用每周增量达80%，且头部算租标的已经落地了全市场首单MaaS算力租赁正式合同。
03-4、核心龙头公司：
04 算力基底--液冷设备
当前液冷设备在算力租赁产业链中已彻底跨越“可选配置”阶段，成为高功率AI数据中心的“强制标配”。
随着单机柜功率突破风冷极限以及政策对PUE的严控，液冷正处于渗透率加速跃升的黄金窗口。当前投资的核心在于把握具备端到端系统交付能力的龙头企业，它们将充分享受单机价值量翻倍与市场规模爆发的双击。
04-1、核心逻辑与数据
产业逻辑：物理极限与政策红线双重倒逼
液冷爆发的最核心驱动力在于芯片功耗的急剧攀升。当前英伟达B200单GPU功率已达1000-1200W，B300进一步提升至1400W，下一代Rubin架构预计将达到1800-2300W。
而传统风冷向液冷转换的单卡功率门槛约为700W，单机柜功率一旦超过30kW，风冷便面临物理失效。液体的导热能力是空气的25倍，成为解决高密度算力散热的唯 一路径。
此外，政策端对数据中心能效（PUE）的考核日益严苛，国家要求新建大型数据中心PUE必须降至1.25以下，而传统风冷PUE普遍在1.4-1.8之间，只有液冷能将PUE压降至1.1-1.2的合规区间。
北京等地甚至已开始对PUE超标的数据中心征收差别电价，将政策约束直接转化为经济强制力。
市场空间与业绩弹性：渗透率逼近80%，龙头业绩加速释放
在AI大集群建设的推动下，液冷市场正迎来爆发式增长。2024年AI服务器的液冷渗透率仅为15%，预计到2026年将快速飙升至接近80%。
从价值量来看，单台全液冷服务器的价值量约为8000-12000元，相比传统风冷方案提升了6-8倍。
以英伟达GB200 NVL72为例，其单机架液冷模块价值量约为7.91万美元，GB300 NVL72更是高达9.50万美元。
国内液冷整体市场规模在2026年有望突破680亿元，2025-2028年的复合增速预计超过120%。
04-2、核心龙头公司
05 传统租赁公司
在算力大爆发的时代，传统的算力租赁公司依旧是需求旺盛。
05-1、核心逻辑与数据
核心逻辑：国内大厂2026年大幅上调资本开支，但海外高端卡合规获取渠道持续收紧，导致算力租赁从“买方市场”彻底转向“卖方市场”。拥有稳定一手货源和独立供应链的公司，不仅享受极强的议价权，其存量算力资产也在经历显著的价值重估。关键数据支撑：
供需缺口极大：2026年一季度国内AI算力需求同比高达417%，而供给增速仅为128%，预计全年市场规模将突破2600亿元。
租赁与现货价格飙升：B300服务器现货价格已从年初的350万元/台突破至1000万元/台以上；H100租赁价从每小时2.95美元大幅上调至3.85美元，涨幅超30%。
盈利底线：传统裸金属出租模式（收取固定租金）下，当前B300租赁的净利率约为15%。
05-2、核心龙头公司
