Token分成/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，供自身AI业务使用。

（2）特点：全流程自主可控、可根据自身业务定制化设计，但前期资本开支巨大，建设周期长（6-18个月）。

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：建设周期短（1-3个月），省去土地、环评、能耗指标等行政壁垒环节。

1.3 算力租赁

（1）定义：企业租用第三方算力资源，按需付费，服务商负责全部基础设施、算力硬件与运维服务。

（2）特点：轻资产模式、部署速度快、弹性扩容、按需付费。

二.算力租赁模式概览

算力租赁即服务商将GPU、CPU集群等硬件资源池化，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）推理需求快速增长：大量中小企业无力承担自建成本，租赁模式大幅降低了AI使用门槛。

（2）高端GPU供应紧缺：大量企业很难短期内拿到足量GPU卡，而算力租赁企业凭借渠道资源，提前锁定充足货源。

（3）峰值波动：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：以每P/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 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。

（2）资源壁垒：GPU货源渠道、能耗指标、土地资源、低成本电力等壁垒。

（3）获客及运维：需要达到一定的上架率，转化为稳定现金流；运维能力可提升毛利率和客户粘性。

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

服务商与大模型厂商合作，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：具备庞大用户基础、自有云平台及技术积累。

（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。

4.3 专业算力租赁商

（1）特点：具备GPU货源优势，将大量资源都倾斜到该业务，业绩弹性大。

（2）头部厂商：协创数据、宏景科技、利通电子、行云科技、赛微智能、莲花控股。