文丨泰罗

19世纪，英国经济学家杰文斯发现，蒸汽机效率提升并没有减少煤炭消耗，反而推动蒸汽机进入更多行业，最终让煤炭需求大幅增长。

今天，同样的故事正在AI行业重演。大模型越来越便宜，算力消耗却越来越大。

斯坦福《2025 AI Index》显示，达到GPT-3.5同等水平的模型，推理成本从2022年11月的每百万Token约20美元，降至2024年10月的0.07美元，18个月下降超过280倍。

但另一边，国家数据局披露，中国日均Token调用量已从2024年初的1000亿，增长至2026年3月的140万亿以上，两年增长超过1000倍。

模型越高效、价格越便宜，为什么没有省下算力，反而带来了更大的消耗？

当模型调用价格足够高时，企业只会把AI用于少数高价值场景；当价格不断下降，AI便可以进入客服、办公、营销、金融、工业等更多环节。原本需要员工处理的工作，开始被拆解为成百上千次模型调用。

尤其是AI智能体兴起后，模型不再只是回答一个问题，而是要自主规划任务、调用工具、检查结果。用户发出一条指令，背后可能产生数十次甚至更多的推理过程。

所以，单位Token成本下降，并不意味着总算力开支一定下降。只要调用量增长得比价格下降更快，整个社会消耗的算力依然会继续扩大。

AI越便宜，使用AI的人越多；模型越高效，能够被AI改造的行业越多。大模型降价不是算力需求的终点，反而可能是需求真正爆发的起点。

过去几年，算力需求主要由大模型训练推动。训练一个大模型可能需要数万张GPU，但训练毕竟是阶段性的。模型训练结束后，相关算力需求便可能回落。

现在，算力消耗的主角正在从训练转向推理。训练决定AI能有多聪明，推理决定AI能做多大的生意。一个模型可能只需要集中训练几次，但进入搜索、手机、汽车、机器人和企业工作流后，每一次回答、识别和决策都需要重新调用算力。

推理需求还有一个重要特点：持续发生。

只要AI应用还在运行，算力就不能停机。这意味着，算力正在从大模型公司的一次性研发投入，变成千行百业每天都要支付的生产成本。

对于大量企业而言，自建智算中心不仅投入巨大，还要面对芯片快速迭代、集群运维复杂和利用率不足等问题。相比之下，按需购买算力，可以将沉重的固定资产投入转化为更灵活的经营支出。

算力租赁由此不再只是GPU短缺时期的临时生意，而逐渐成为连接上游芯片与下游AI应用的基础设施。

但需求爆发，并不意味着所有算力租赁公司都能赚钱。

算力租赁是典型的重资产生意。企业要先投入大量资金采购服务器、建设集群，再通过出租算力逐步收回成本。一旦客户不足、利用率下降或者设备迭代过快，昂贵的GPU就可能迅速变成折旧压力。

因此，行业比拼的已经不只是“谁有卡”，而是谁能同时解决资金、设备、客户和运维问题。

放眼整个市场，不同玩家也在从各自优势出发争夺这门生意。

2025年以来，粤港湾智算累计签约订单已逼近400亿元，最新披露的累计交付金额约190亿元，运营算力超过5万P，且新增订单中95%以上为五年期长单。

从签单到交付，粤港湾智算正在把算力资源转化为长期收入。此外公司已获纳入MSCI中国小型股指数，并被恒生指数公司调入互联网服务及基础设施板块，市场预计其有望在2027年3月的半年度调整中正式纳入港股通。

协创数据依托服务器制造、采购和供应链能力向算力服务延伸；中贝通信从通信网络建设切入智算中心运营；润泽科技、奥飞数据等IDC企业拥有机房、电力和数据中心运营基础；首都在线、优刻得则更接近云服务平台，强调全球节点、弹性调度和面向中小客户的算力供给。

这些公司看似都在做“算力租赁”，实际商业模式并不完全相同。有的主要提供机柜、电力和运维，有的直接采购GPU对外出租，有的提供算力云平台，还有的进一步参与模型部署和推理服务。

行业的真正分水岭，也不会是规划了多少P算力，而是四个更加现实的问题：算力是否已经交付，客户是否真实稳定，设备利用率能否保持高位，以及收入能否覆盖融资成本和硬件折旧。

大模型不断降价，让更多企业用得起AI；Token调用量持续增长，又把需求传导到服务器、数据中心和算力云平台。算力租赁正在从“有卡就赢”的资源生意，进入比拼资金成本、客户质量和运营效率的淘汰赛。

免责声明

本文涉及有关上市公司的内容，为作者依据上市公司根据其法定义务公开披露的信息（包括但不限于临时公告、定期报告和官方互动平台等）作出的个人分析与判断；文中的信息或意见不构成任何投资或其他商业建议，市值观察不对因采纳本文而产生的任何行动承担任何责任。