AI爆发导致 GPU需求激增，美国限制收拢下芯片价格上行。2022 年 11 月 ChatGPT 发布后， 2 个月内月活用户即达 1 亿，令人瞩目。相比之下，iTunes、Twitter 分别用了 6.5 和 5 年。ChatGPT 类人工智能大模型应用爆发，导致全球对高算力 GPU 加速卡的需求激增，又受美国对华高科技行业逐渐严苛的限制威胁，中国科技公司纷纷大量采购英伟达芯片以应对即将到来的算力挑战。2022 年 12 月 A100 售价为 1 万美元，2023 年 7 月升至 1.7 万美元。

多地政府提出加强算力建设。算力建设获得从中央到地方的多项政策支持，2021 年国家发改委就在《全国一体化大数据中心协同创新体系算力枢纽实施方案》中明确了国家算力枢纽建设方案。与此同时，为构建多层次算力设施体系，北京、上海、深圳等地政府陆续发布了一系列政策鼓励国企、政府部门支持民间算力资源。

AI算力租赁赋能产业链各方，市场潜力巨大。算力租赁是一种通过云计算服务提供商租用计算资源的模式，我们认为，云算力采用“化整为零”的方式赋能产业链各方，具备可持续性。需求侧，随着 AIGC 大模型所需算力狂飙，AI 算力租赁市场潜力增加。根据 OpenAI 测算，自 2012 年至 2018 年，用于训练 AI 所需要的算力大约每隔 3-4 个月翻倍，每年头部训练模型所需算力增长幅度高达 10 倍，整体呈现指数级上涨。供给侧，算力生产商与云平台的合作由来已久，用户可以通过阿里云、腾讯云等平台租用英伟达 A100 等显卡与 AI 处理器，随着英伟达 DGX 云的推出，AI 云算力进入新阶段。

回本周期短，产品毛利率可观。以 A100（80G）租赁服务为例，A100（80G）显卡单价成本取 10 万元，现假设每张卡都得到充分租用，则按照 2023 年 8 月 19 日国内云算力平台租用 A100（80G）服务器的均价 15.1 元 / 小时，考虑到各大平台竞争客户，经常性推出优惠活动，则假设平均实际租金为 7.6 元 / 小时，投入 10 亿元资金的实际回本周期为 1.5-2 年，按照平台最低定价计算，毛利率至少为 46.3%。

哪些公司在 AI算力租赁赛道占优？1）有先发优势，已有在手订单。目前手握订单的企业仍为少数，参考具有相似性的加密资产挖矿行业，率先卖出算力的公司能快速收回资金来扩大算力规模，从而将先发优势转化为领跑实力；2）具备 AI 算力运维能力：AI 智能运维成主流趋势，但受制于运维价值难以衡量、数据共享体系难以形成等原因，自研运维发展进度缓慢，拥有运维可视化的第三方服务商成为大多数企业的选择。3）资金实力强，能大量购入 AI 算力。

投资建议：算力租赁的核心资源在于资金、客户和运维能力，按此逻辑建议关注：1）恒为科技：国内优秀网络可视化及智能系统平台提供商；2）中贝通信：投入 14 亿强势进军 AI 算力领域，已完成对科大讯飞订单的第一批交付；3）云赛智联：国资系 IT 服务商、资本实力雄厚；4）基础电信运营商：中国电信、中国移动、中国联通等；5）IDC 厂商：润泽科技、光环新网、奥飞数据等

风险提示：AI 算力迭代过快；高端芯片断供。

AI爆发导致 GPU需求激增，美国限制收拢下芯片价格飙升。继 2022 年 11 月 ChatGPT 发布后，2 个月内 ChatGPT 月活用户达 1 亿，而根据 World of Engineering 数据，iTunes、Twitter 分别用了 6.5 和 5 年达到 1 亿用户。ChatGPT 带来的人工智能爆发导致全球对高算力 GPU 加速卡的需求激增，又受美国对华高科技行业逐渐严苛的限制威胁，中国科技公司纷纷大量采购英伟达芯片以应对即将到来的算力挑战。2022 年 12 月每颗 A100 价格约为 1 万美元，2023 年 7 月 Thinkmate 上每颗价格升至 1.7 万美元。

 1 多地政府提出加强算力建设 

2 商业模式：AI 算力租赁，具备一定可持续性

2.1 算力租赁是什么？

AI云算力采用“化整为零”方式赋能产业链各方。算力租赁是一种通过云计算服务提供商租用计算资源的模式，适用于各种大规模计算需求的场景，企业用户可以根据自己的需求租赁服务器或虚拟机实现大规模的计算任务，而无需拥有自己的计算资源。

• 对上游算力生产商而言，在算力硬件进入淡季、库存趋增时，能通过售卖云算力的方式，平滑收入的波动，并为旺季储备“有生”力量，及时满足回弹的市场需求；

• 对中游云服务厂商而言，则有助于增加客流；

• 对下游算力需求方而言，能最大化降低使用算力的门槛，驱动全民 AIGC 时代降临。

据产业调研了解，目前 AI 算力租赁尚处于试水阶段，主要模式为：

• 算力买断：面向体量稍大且训练需求频繁的客户，往往采用买断独占模式，即 GPU 只提供给特定客户使用，往往需签订长约。

• 算力零售：面对中小客户，签约时间较短，中间会有空档期，但价格随行就市。若未来 GPU 价格持续走高，该部分租金价格也会走高。

2.2 AI 算力需求旺盛，驱动供给进入新阶段

2.2.1 需求侧，AIGC 大模型所需算力狂飙，AI 算力租赁市场潜力巨大

• 摩尔定律中，集成电路上可容纳的元器件的数目，约每隔 18-24 个月便会增加一倍，性能也将提升一倍。

• 继摩尔定律后，英伟达 CEO 黄仁勋提出黄氏定律：每 12 个月 GPU 性能翻一倍，且不受物理制程约束。

• 根据 OpenAI 测算，自 2012 年至 2018 年，用于训练 AI 所需要的算力大约每隔 3-4 个月翻倍，总共增长了 30 万倍（而摩尔定律在相同时间只有 7 倍的增长），每年头部训练模型所需算力增长幅度高达 10 倍，整体呈现指数级上涨。

AI大模型训练和推理所需的算力可观，前期资金投入巨大。以 ChatGPT 为例，不考虑与日活高度相关的推理过程所需的算力，仅考虑训练过程，根据论文《Language Models are Few-Shot Learners》的测算，ChatGPT 的上一代 GPT-3 （1750 亿参数版）所需的算力高达 3640PF-days（即假如每秒做一千万亿次浮点运算，需要计算 3640 天）。已知单张英伟达 A100 显卡的算力约为 0.6PFLOPS，则训练一次 GPT-3（1750 亿参数版），大约需要 6000 张英伟达 A100 显卡，如果考虑互联损失，大约需要上万张 A100，按单张 A100 芯片价格约为 10万元，则大规模训练就需要投入约 10 亿元，非头部厂商难以承担。而 GPT4 的模型参数更大，训练的标识符更多，所需算力更为可观。

4 月 5 日，ChatGPT 官网停止 Plus 付费项目的购买。在升级界面，OpenAI 表示“因需求量太大暂停了升级服务”。这在一定程度上反映出，即便是 OpenAI 这样的头部模型厂商，也难以承载用户对 ChatGPT 的狂热需求。

2.2.2 供给侧，算力生产商与云平台的合作由来已久，当前进入新阶段

从阿里云、谷歌云和甲骨文云等云平台的官网可以看出，用户可以通过其租用英伟达 A100、英伟达 V100、谷歌 TPU 等显卡与人工智能加速处理器。此类服务一般根据硬件性能或使用时长等方式定价。近日英伟达 DGX 云的推出，将 AIGC 云算力推入新阶段。

3 月，英伟达在其 2023 年开发者大会上宣布推出 DGX 云：通过英伟达与微软云（Azure）、谷歌云（GCP）和甲骨文云（OCI）合作，企业通过一个浏览器就可以按月租用英伟达 DGX AI 超级计算机。DGX 云是世界上第一台云中的 AI 超级计算机。DGX AI 超级计算机配有 8 个 H100 GPU 模组，H100 配有 Transformer 引擎，旨在处理 ChatGPT 类大模型。8 个 H100 协同工作，效果如同一个巨型 GPU，同时，H100 可将大型语言模型的处理成本降低一个数量级。

我们认为，通过与云平台合作，将 GPU 等硬件计算服务以租用的方式，开放给广大企业，英伟达 DGX 云并非 AIGC 产业首例，但由于 DGX AI 超级计算机的杰出性能，DGX云将 AIGC云算力产业推向了更高的起点。

2.3 AI 算力租赁的回本周期与毛利率测算

以 A100 租赁服务为例，A100（80G）显卡单价取 10 万元，一亿元可以买 1000 张 A100（80G）（10000/10=1000）。现假设每张卡都得到充分租用，则按照 2023 年 8 月 19 日国内云算力平台租用 A100（80G）服务器的均价 15.1 元 / 小时，可得：

• 理想回本周期= 1*10^8 / (15.1 * (365 * 24) *1000) = 0.8（年）

考虑到各大平台经常推出优惠活动以竞争客源，实际租金无法达到 15.1 元 / 小时，假设平台采用 50% 的优惠力度，则有：

• 实际回本周期= 1*10^8 / (15.1 * 50% *(365 * 24) * 1000) =1.5（年）

假设服务器的使用年限为 4 年，则单卡成本摊销后为 2.9 元 / 小时（100000/（4*365*24）），则以目前算力租赁价格较低的平台智星云的定价 5.4 元 / 小时计算，毛利率最低为 46.3%。

3 竞争优势：哪些公司在 AI 算力租赁赛道占优？

3.1 有先发优势，已有在手订单

参考云挖矿市场规律，算力租赁先发优势或将化为领跑实力。在报告《Web3 视角下的 AIGC 算力进化论》中，我们比较了加密资产挖矿和 AIGC 产业的异同点，提出：

1） AIGC（人工智能生成内容）产业耗电量可观，并将快速提升，大约会在 1.6~7.5 年间超过当前比特币挖矿产业耗电量，主要驱动因素是 GPT 类大语言模型在模型参数、日活和模型数量上的高速增长；

2） 和比特币挖矿类似，AIGC 产业由算力驱动的内容处于高强度竞争中，参与者只有持续、快速生产出高质量内容，才能保证自己获取到的用户注意力不下降。

各大公司纷纷布局，订单签订成功仍为少数。据头豹研究院报告，国内各大公司已着手布局 AI 算力租赁，如利通电子和世纪华通合作建立世纪利通，在上海、深圳等地建立大数据中心以开展算力租赁业务，预期面向腾讯、华为等大客户；中科曙光和 AMD 深度合作，公司算力业务已与百度飞桨进行适配，为紫东太初、悟道等大模型训练提供算力。但目前国内已知接到订单的公司仍为少数，大部分公司仍处于前期投入阶段。

以中贝通信为例，中贝通信聚焦 5G 新基建、云网算力服务，是中国移动、中国电信、中国联通、中国铁塔的重要服务商。公司成立于 1992 年，主要为政府和行业客户提供基于云主机的算力、存储、云服务和解决方案，以及 5G 新基建、智慧城市与行业应用服务和光电子产品，在国际“一带一路”沿线国家开展 EPC 总承包业务。中贝通信与科大讯飞等知名企业展开合作，已有订单完成交付。2023 年 6 月公司与科大讯飞就算力租赁核心内容达成初步意向，2023 年 8 月向科大讯飞交付第一批服务器进行研测。另外，公司也积极将与核心客户湖北移动的合作范围拓宽至算力服务领域，力争在第四季度达到 500P 算力服务能力。

3.2 具备 AI 算力运维能力

AI算力运维地位显著提升，采购第三方方案成为主流。随着大数据、云计算、人工智能等新兴技术的发展，AI 运维成为不可或缺的科技力量和解决方案。据云计算开源产业联盟《中国 AIOps 现状调查报告（2023 年）》，2023 年超半数企业在智能运维方面投入资金对比去年有所增加，同时采购第三方解决方案代替自研成为多数企业运维的主要方式，在受访者中占 38.1%，选择共研方式的企业占比上升至 28.3%。

AI智能运维发展面临挑战，运维可视化或成破局关键。据云计算开源产业联盟的调查结果，当前智能运维能力建设仍面临众多挑战，比如运维的具体价值难以衡量、难以形成数据共享和知识传递等。而可观测能力的建设有助于提高数据价值、降低分析成本，或将成为推动 AI 运维继续发展的关键。

恒为科技是国内优秀的网络可视化及智能系统平台提供商。以恒为通信为例，公司成立于 2003 年，致力于为运营商网络、企业与行业 IT、工业互联网和智慧物联网等领域提供业界先进的产品和解决方案，拥有多个一流的研发机构，服务全国客户的同时积极开拓国际市场，与国际知名厂商建立战略伙伴关系。

恒为科技深度布局算网可视化，解决方案有望率先落地。随着 AI 数据中心的算力和通信需求迅猛增长，恒为科技将业务从过去的网络可视化、信创基础产品，向智算可视化、智算基础架构方向扩展。公司依托深厚技术优势着力研发一系列新产品新技术，其中包括针对智算系统 100G 以太网 /IB 网、200G 以太网 /IB 网的智算可视化运维系统，以及 100G 类 IB 的低延时国产智算加速网卡和交换机系统。2023 年 7 月公司与中贝通信展开深度合作，有望率先落地面向智算领域的高速网络解决方案。

3.3 资金实力强，能大量购入 AI 算力

中贝通信进军智算领域，资金投入约 14亿。AI 算力租赁赛道要求公司具备较强的资金实力，以中贝通信为例，公司于 2023 年年初将智算算力服务作为新基建业务发展重点，目前已部署多个算力中心，累计投入金额约 14 亿元，预期建成后可提供算力 13500P。