核心观点：

• “龙虾”智能体框架席卷全球，国内大模型Token消耗呈指数级飙升，引发的Token通胀与算力涨价潮，直接带动云厂商的AI算力租赁资源使用量增加，算力租赁产业链成为核心受益环节之一。
• 依托算力租赁的商业模式不仅降低了用户的初期投资成本，还提高了资源的利用效率。对于算力提供方，算力租赁有助于优化资源，可以将闲置的计算资源出租。
• 得益于AI算力需求的爆发以及区块链技术的普及，算力租赁行业演变出了一种新兴形式——算力交易。相比于算力租赁的“服务化”属性，算力交易凸显了其“商品化”的特质。
• 算力租赁行业将从传统的资源租赁市场向标准化、证券化的交易市场转型，构建全新的租赁-交易-调度-服务一体式的全流程算力服务生态。

近期，OpenClaw（龙虾）智能体框架席卷全球，国内大模型Token消耗呈指数级飙升，从原来的百万个级别直接飙升至上亿级别，阿里云、百度云、腾讯云等头部云厂商密集提价，AI产业正经历一场深刻的供需与商业逻辑重构。

这场由 “龙虾” 引发的Token通胀与算力涨价潮，直接带动云厂商的AI算力租赁使用量增加，也是核心受益环节。

（1）概况

1）定义及特征

算力租赁是指用户向专业的算力服务提供商支付费用，以获取特定计算资源使用权的商业服务模式。算力租赁的核心特征为资源共享、按需付费。用户可通过互联网远程接入算力资源池，按实际需求动态调整资源配置，满足人工智能训练、大数据分析、科学计算等高算力场景的需求。

依托算力租赁的商业模式，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。这种模式不仅降低了用户的初期投资成本，还提高了资源的利用效率。对于算力提供方，算力租赁有助于优化资源，可以将闲置的计算资源出租。

2）分类

算力租赁主要分为买断式和零售式两种模式。

• 算力买断

算力买断模式主要面向具备持续大规模算力需求的企业客户，特点为长期合约绑定与算力资源的独占式服务。

图1 阿里云服务器的包年计费标准

资料来源：阿里云官网

在该模式下，客户通过预先支付较高费用获得指定算力资源的独占使用权，在合约期内，硬件资源完全定向服务于单一客户的计算任务。

这种模式的核心特征在于资源稳定性与确定性——客户可自主规划长期训练任务（如大模型迭代开发），同时规避了市场供需波动带来的价格风险。

对服务商而言，长期买断合约有助于提升资产利用率的可预测性，降低运营成本中的空置损耗，但需承担硬件折旧损耗与客户信用风险带来的潜在损失。

• 算力零售

算力零售模式则针对中小规模或间歇性算力需求的客户群体，提供灵活弹性的中短期算力租赁服务（按小时/天/周计费）。

图2 阿里云服务器ECS（弹性计算服务）的按小时计费标准

资料来源：阿里云官网

零售模式下，算力的资源分配采用共享机制，同一GPU集群可能分时段服务于不同客户，因此对于平台和用户来说，可能分别存在服务空档期与算力资源短缺的风险。

零售模式的定价受市场影响较大，租金价格需随实时供需关系动态调整。当行业GPU供给紧张或需求激增时，零售单价将显著上浮；反之在淡季因需求下降，单价将会下调。

该模式要求服务商具备精细化的动态调度能力，通过最大化资源复用率平衡算力空置带来的额外成本。

表1 算力租赁两种模式的区别

资料来源：融中咨询

3）算力租赁的新形态——算力交易

得益于AI算力需求的爆发以及区块链技术的普及，算力租赁行业演变出了一种新兴形式——算力交易。

表2 算力租赁与算力交易的区别

资料来源：融中咨询

算力交易是一种结合了智能合约与区块链技术的去中心化、去平台化的算力资源交易机制，是将计算资源（如CPU、GPU等）单位化后，以货币或其他形式进行买卖的行为。相比于算力租赁的“服务化”属性，算力交易则凸显了其“商品化”的特质。

图3 基于区块链技术的算力交易结构模型

资料来源：中国电信研究院

在算力芯片、智能合约、区块链技术的稳步发展，与政策扶持与各地官方算力交易平台建立的双重驱动下，算力交易预计将成为未来主流的算力服务方案之一，为中小型用户提供灵活、低门槛的算力资源获取渠道，推动算力资源的普及化、去中心化、资产证券化，重塑算力租赁行业的生态模式。

图4 上海算力交易平台于2025年世界电信和信息社会日正式启动

资料来源：通信世界网（CWW）

（2）发展历程

国内算力租赁行业的发展历程可划分为四个阶段：萌芽探索期、需求驱动期、增长爆发期、成熟整合期。

图5 算力租赁行业发展历程

资料来源：融中咨询

1）萌芽探索期（2018年之前）

在早期阶段，企业主要通过自建数据中心来满足算力需求，这种模式使得硬件采购和运维成本居高不下。2014年，稳定币USDT的诞生具有重要意义，它首次将现实资产代币化（RWA）的理念付诸实践，为算力资源的金融化奠定了基础。

这一时期，云计算平台开始初步提供通用服务器租赁服务，但针对GPU等专用算力的服务体系尚未形成。中小企业常常因为算力需求波动，面临着资源闲置或者短缺的问题。

2）需求驱动期（2018–2022年）

中美科技摩擦的加剧以及AI技术的爆发式发展，共同催生了算力租赁市场的兴起。

2018年，美国实施芯片出口限制政策，导致国内高端GPU供应紧张，企业为缓解"算力荒"，纷纷转向租赁模式。2021年，"东数西算"工程正式启动，通过政策引导，实现了算力资源的跨区域调度。到2022年，中国智能算力规模达到268EFLOPS，首次超过通用算力，这标志着算力租赁市场初步形成规模。但此时的租赁服务主要以整机柜包月模式为主，在灵活性方面还存在一定的局限。

3）爆发增长期（2023–2024年）

ChatGPT的出现引发了大模型训练的热潮，千亿级参数模型的训练需要千卡级GPU集群的支持，在这样的背景下，算力租赁成为了具有性价比的选择。同时，由于技术的进步以及市场竞争越发激烈，各种计算卡的租赁价格呈现逐年下降趋势。而随着华为昇腾910B等国产芯片逐步投入商用，算力租赁市场逐步向着多元化、国产替代化的方向发展。

2024年，智能算力租赁规模达到377EFLOPS，年增长率高达88%。与此同时，商业模式创新不断涌现，按任务计费的碎片化算力包、通过区块链赋能实现RWA资产化（例如ComputeLabs将GPU进行代币化）等模式，正在重塑整个行业生态。

4）成熟整合期（2025年至今）

目前，算力租赁市场已经进入理性发展的新阶段。以H100为例，其租赁单价从2023年初接近8美元/GPU/小时，下探至2025年中旬约2.4美元/GPU/小时，跌幅超过70%。

在政策层面，中国首批数据中心REITs获得批准，这为算力资产证券化打开了融资通道。

技术发展层面，行业焦点转向了智能化调度，基于AI驱动的算力网络能够实现资源的自优化分配，卫星计算、深海数据中心等新型算力形态不断拓展着服务的边界。

租赁模式的去中心化、碎片化的发展彻底重构了产业生态，中小团队借助共享算力获得了大模型训练能力，算力正从过去的稀缺资源转变为普惠性的基础设施。

（3）政策环境

近年来，国家及地方针对算力领域的政策对算力租赁行业起到了支持作用，其整体风向聚焦于推动算力资源的高效流动、资产证券化和区域协同优化，通过降低融资与运营成本、提升算力调度能力和供给规模，为算力租赁行业创造更高效化、智能化和市场化的发展环境。

表3 国内算力领域有关政策对算力租赁行业的影响

资料来源：融中咨询

（4）产业链

算力租赁产业链的上游是各大设备供应商，负责提供硬件与基础设施，如算力芯片、服务器机柜、光互联系统及冷却系统等；

中游云厂商和IDC（数据中心）服务提供商整合上游的算力资源，通过云计算平台提供算力租赁服务，以及根据用户需求配置合适的基础设施与算力环境；

下游需求体量巨大，包括使用算力租赁服务的企业和个人，创业公司、科研院所、政府城市项目、金融、医疗、科研等领域的企业和机构。

图6 算力租赁行业产业链图谱

资料来源：融中咨询

（5）市场规模

从算力规模分析，2024年，中国智能算力租赁市场规模达到377EFlops（FP16精度），同比增长88%。预计未来三年，中国智能算力租赁市场规模复合增长率平均值将保持在53%左右，至2027年，中国智能算力租赁市场规模将达1346EFlops。

图7 中国智能算力租赁市场规模及预测（EFlops，FP16）

资料来源：融中咨询

从市值规模分析，2024年智能算力租赁市场规模达到1479.6亿元，2025年上涨到2,116.1亿元。

图8 中国智能算力租赁市场规模（亿元）

资料来源：融中咨询

（6）竞争格局

由于国内AI算力租赁市场刚刚兴起，参与方众多。

云服务商和电信运营商凭借其技术优势、基础设施资源以及广泛的市场覆盖，占据了市场的主导地位，市场份额高达70%。这一显著的占比反映了云服务商和电信运营商在智能算力租赁领域的强大竞争力和市场影响力。

IDC服务商作为重要的参与者，位居第二梯队。这些服务商通过专业的数据中心运营和管理能力，为市场提供了可靠的算力租赁服务，满足了部分客户对数据中心基础设施的需求。

跨界厂商则利用其在其他领域的资源和技术优势进入市场，占据一定的市场份额。

目前算力租赁市场上已经有不错业绩表现的企业，其租赁业务的持续发展和市场不断扩大，以及相关技术不断升级会让其市场占有率越来越高，业绩稳步提升。

产业链其他部分参与方还包括：上游设备企业、人工智能企业、地方政府和技术平台服务商。

上游设备企业主要提供核心硬件支持；人工智能企业则专注于提供与AI相关的算力解决方案；地方政府通过政策支持和基础设施建设推动本地算力租赁产业的发展；技术平台服务商则通过整合异构算力资源和提供高效的调度服务，满足市场的多样化需求。

图9 中国智能算力租赁服务商市场份额占比

资料来源：融中咨询

（1）下游应用领域

国内智能算力租赁下游应用市场呈现显著的行业集中特征。

图10 互联网行业是算力租赁产业链下游需求最集中的市场

资料来源：融中咨询

互联网行业以62%的绝对占比成为核心需求方。互联网行业的需求主要集中于云计算、AI模型训练及实时推理等高算力场景，其对大规模弹性算力的依赖源于海量数据处理、短视频推荐算法优化以及生成式AI应用的爆发式增长。

其次为政府（14%），其需求以智慧城市、政务云和公共安全为重心，偏向数据合规性及安全性，并倾向于采用私有化部署与国产化算力解决方案。

金融行业占比6%，聚焦高频交易风控、量化建模及反欺诈分析，对低延迟算力和异构资源调度能力要求较高。

医疗行业占比5%，需求集中于医学影像AI分析、基因组学计算等场景，需兼顾算力精度与数据隐私保护。

制造与教育行业各占4%，其中制造业的智能算力应用以工业物联网、数字孪生为主，强调边缘计算与实时性响应能力，但当前渗透率仍较低，未来增长潜力较大；教育行业则多用于科研模拟与在线教育平台支持，需求相对分散且周期性明显。

（2）代表企业

1）传统云厂商——中国电信

中国电信通过构建“中心—省—边缘—端”四级算力体系，来为行业提供高效、绿色的异构算力统一调度系统，为企业、行业及区域发展提供普惠化、安全化的AI算力服务。2025年前三季度，中国电信营业收入为3,943亿元，同比增长 0.6%，其中IDC业务持续规模拓展，收入达275亿元，同比增长9.1%。

在“东数西算”国家战略推动下，中国电信庆阳分公司东数西算大数据中心作为西部算力枢纽节点，正加速构建绿色集约、高效协同的算力网络体系，依托天翼云与国产AI大模型DeepSeek的深度融合，打造“智算+算法+网络能力”三位一体的创新模式。

图11 庆阳市的电信天翼云算力中心

资料来源：今日头条

天翼云入选首批国家级算力互联互通调度服务商，通过全国一体化算力体系提升资源利用率与服务覆盖范围。据公开数据，天翼云自建智算规模达22 EFLOPS，接入合作伙伴算力27 EFLOPS，并推出“息壤”算力分发网络平台支持异构算力统一调度。实现东西部算力的智能匹配与动态调度。企业可基于业务需求，灵活调用西部低成本算力资源。

中国电信东数西算庆阳算力中心还充分发挥清洁能源优势，结合自研的液冷技术、AI能效优化算法，为DeepSeek大模型训练与推理提供高能效算力。各企业无需自建高耗能算力中心，即可通过池化算力租赁实现绿色低碳转型，尤其适合中小企业和初创团队，推动政企普惠化AI服务落地。

2）专业IDC服务商——光环新网

光环新网在AI算力租赁市场的的核心竞争力在于其IDC资源储备，其拥有的高算力、低时延的IDC资源是行业内的稀缺资产。公司结合英伟达核心算力资源，向行业提供灵活的算力租赁解决方案。2025年前三季度，公司实现营业收入54.79亿元，较上年同期下降 5.96%，其中IDC业务实现收入16.67万元，同比增加1.53%。

公司新建的数据中心单机柜可支持10千瓦到20千瓦功率，已建立以英伟达为主的核心算力，已投产机柜总数超过7.2万个，现有算力规模超过4,000P。客户可根据实际需求选择算力资源并按使用量付费，同时其呼和浩特算力基地支持100MW IT负载，与燧原科技合作优化DeepSeek模型，实现训练-推理全链条服务闭环。

图12 光环新网新疆数据中心

资料来源：光环新网官网

光环新网通过布局自建数据中心+绿电配套（如新疆、呼和浩特基地），单位机柜成本比同行低15%-20%，形成差异化竞争力，为亚马逊AWS中国提供云服务支持，系亚马逊云科技全球最高等级合作伙伴。

3）字节跳动算力供应商——润泽科技

润泽科技为字节跳动提供了强大的算力支持，其业务以液冷智算中心为核心。字节跳动的最大算力供应商是润泽科技，同时也是润泽科技的第一大客户，其贡献的收入占润泽科技总收入的60%以上。

图13 润泽科技的数据中心机房

资料来源：润泽数据官网

在2023年，润泽科技成功交付了行业内首例整栋纯液冷智算中心，展现出强大的液冷技术实力，能够满足字节跳动对数据中心低能耗、高效能的要求，为字节跳动的AI模型训练和应用提供稳定可靠的算力集群。

润泽科技的主营业务为IDC运营服务，其主体机房位于廊坊，并在长三角、大湾区等多地布局了大规模园区级数据中心。字节跳动作为其终端用户之一，将自身服务器及相关设备置于润泽科技的数据中心，由润泽科技按照协商达成的运营服务等级，对数据中心基础设施进行365×24小时不间断的技术运维管理，保障数据中心基础设施的安全稳定运行。

润泽科技通过定制化服务满足了字节跳动的大规模算力需求，间接支撑豆包、火山引擎等应用的算力底座，业务稳定性强且收入预期高。2025年上半年，公司IDC业务收入16.14亿元，同比增长6.15%；AIDC业务收入8.81亿元，同比增长36.95%。

（1）未来发展趋势

1）算力芯片租赁价格下降

自2024年以来，中美市场的GPU租赁价格呈现平稳下降的态势，预计未来租赁价格仍将持续降低。

图14 中美GPU租赁价格正逐步下降

资料来源：中国IDC圈

从全球视角看，算力租赁价格的下探，主要源于技术和商业两方面的价差作用。

在技术方面，新旧架构迭代加速，Blackwell架构（如B100）和CoWoS封装的成熟，使得单位算力成本持续攀降。老一代H100及A100需求走弱，租赁价格自然回落。

商业方面，则体现在云服务商间竞争白热化。特别是专业GPU云平台，如海外市场的CoreWeave、RunPod、Lambda Labs等以低于传统云的价格吸引用户，与AWS、GCP等巨头形成拉锯战，激进降价成为抢占市场的常用策略。

此外，随着工业化、企业级推理和消费级应用增长，对GPU的需求愈发多元。中低端场景推动专业平台提供更具价格优势的产品，抑制了高端租赁价格的上行空间。

2）云端化发展

算力租赁服务正逐渐向云端化发展，云平台整合海量算力资源，实现资源的灵活调配和弹性伸缩，极大提高了资源利用率和使用便利性，并提供AI软件开发相关的算力增值服务，促使算力逐渐成为标准化商品，算力交易平台正在兴起。

同时，企业越来越多地采用多云战略，智能算力租赁服务商需要提供多云协同管理解决方案以满足企业需求。

3）区域化协同调度

智算中心布局更加注重区域化协同，如“东数西算”工程，通过区域化布局与调度的协同，降低延迟，提高用户体验。

智能算力租赁服务商需建立高效的算力调度平台，实现不同区域间算力资源的灵活调配和协同工作，与各地区产业深度融合，形成区域化协同发展的产业生态。

4）去中心化与资产证券化

去中心化与资产证券化正成为推动行业变革的重要方向。

去中心化式的算力交易平台依托区块链技术，将分散在全球的闲置算力资源通过智能合约进行高效整合与调度，旨在打破传统云计算巨头的集中化垄断模式，实现供需双方的直接匹配与透明交易。

例如，美国算力租赁市场的领跑者Akash Network通过分层技术架构、市场化定价机制和灵活的代币经济模型，成功实现了GPU算力租赁的产品市场契合（PMF），在竞争激烈的市场中脱颖而出。

图15 Akash截至2024年中旬的累计租赁量突破18万次

资料来源：The Block Beats

资产证券化则通过将算力基础设施（如数据中心、GPU集群）转化为可交易的金融产品。

例如，万国数据、润泽科技等企业通过发行数据中心REITs发行盘活优质算力资产，将重资产的长期收益转化为流动性较强的证券资产，吸引资本参与，实现“投-建-管-退”的闭环运营，加速资金回笼并支持行业扩张。

图16 万国数据中心公募REITs的基金基本信息

资料来源：上海证券交易所

这两种趋势相互协同，去中心化平台为资产证券化提供更灵活的底层资源支撑，而资产证券化则为去中心化算力网络的规模化建设提供融资渠道，共同推动算力租赁从传统资源型租赁模式向“技术+金融”的复合型生态演进，既提升了行业效率，又拓展了参与主体的多元化与市场深度。

（2）风险与挑战

行业高度依赖英伟达等国际芯片，易受出口管制冲击；数据中心能耗高、电力成本占运营成本40%-60%，加之技术迭代快、安全合规趋严，客户集中度高，且“东数西算”区域失衡导致东西部供需错配，多重压力压缩企业盈利空间。