先看三组数字。第一组：全球顶尖模型的合计周度调用量，从2026年初的6.42万亿，涨到10月初的172万亿，十个月翻了约26倍。第二组：英伟达H100的一年期租赁价格，从2025年10月的每小时1.70美元，涨到2026年3月的2.35美元，不到半年涨了近40%。第三组：2026年一季度国内算力租赁市场规模680亿元，同比增长62%，全年预计突破2600亿元。

这三组数字放在一起，指向同一件事：AI的钱，正在从"买芯片"流向"租算力"。而且不是短期的抢货，是需求结构本身换了挡。

但这里有个反常识的地方，值得先说清楚。

一、单次调用越来越便宜，总账单却越来越贵

按支出加权的模型调用单价，截至10月21日是每百万字元0.94美元。这个价格在过去两年是一路往下走的，模型效率提升、单位成本下降，价格战打得很凶。可是同一时间，GPU的租金却在往上走。

单价跌、总支出涨，只能说明一件事：调用次数涨得比单价跌得更快。机构对摩根大通研报的汇总显示，10月模型调用的支出环比增长40%。当一个人的助手从"问答一次"变成"帮他规划、检索、调用工具、执行代码、再验证结果"，一次任务背后可能是十几次甚至几十次模型调用。

这就是今年AI产业最重要的一个转变：从训练主导，转向推理主导。训练是脉冲式的，一个大模型训完，采购告一段落；推理是常态化的，只要服务在线，算力就得一直烧着。前者的账单是一次性的，后者的账单是每月都来的。

二、需求涨417%，供给只涨128%

供需缺口的量级，用两个数字就能看清。中国信通院的数据显示，2026年一季度国内AI算力需求同比增长417%，而有效供给的增速只有128%。缺口不是缩小，是在扩大。

供给端其实也没闲着。截至2026年6月底，全国智能算力规模达到2185EFLOPS，同比增长177%；在用标准机架1556万架，存力规模突破2000EB。这个增速已经不算低，问题在于缺的不是总量，是"高端那一档"。

原因有两个。一是建设周期。一座大型智算中心，从开工到投产平均要两三年，芯片供货、园区审批、供电和冷却配套，每一环都要时间。钱砸下去和产能真正上线之间，隔着一段谁也绕不过去的空窗期。二是高端芯片的可得性，出口管制之下，国内能拿到的高端卡增量非常有限。

资本开支的方向能说明产业界的判断。北美四家主要云厂商2026年的资本开支指引合计约7200亿至7450亿美元；国内这边，阿里巴巴此前公布未来三年在云和AI上的投入将超过3800亿元。这些钱最终会变成算力，但都要等。

三、租金不是普涨，是分三档在走

很多人以为算力紧张就是"所有卡都在涨价"。实际情况要细得多。摩根大通10月的统计，把主流型号的租金摆在一起，分化非常清楚。

A100在跌，H100在涨，B200涨幅也在收敛。更长期的对比更明显：按第三方数据，截至10月22日，H100、B200、B300的租金较5月31日分别上涨5.5%、16.9%和51.9%。越新的卡涨得越狠，越老的卡越不值钱。

缺的不是"算力这个物件"，而是"马上就能用、单位成本够低的那一档算力"。对租赁商来说，这是一道很残酷的算术题：手里的卡如果两年内没换成新一代，租金收入会被同行的新卡压下去，而折旧还照提。

四、产业的关注点，从算力峰值转向了单位成本

10月中旬的湾芯展上，招银国际梳理了近70场演讲，得出的第一个结论是：产业的关注点正从单芯片性能，转向系统级效率，客户采购的核心指标变成了单位调用成本和响应时延。这句话翻译过来就是，客户不再问"你有多少P的算力"，而是问"你这套东西跑一次任务要花多少钱、要等多久"。

顺着这个逻辑，几个技术方向被推到台前。800V高压直流供电拿到了产业链的一致支持；超节点、混合键合、8英寸碳化硅进入产业导入阶段；光电共封装（CPO）的量产节奏还有分歧，产业方预计要到2027至2028年前后。

商业模式也在换。过去的算力租赁，本质是把机柜租出去，按卡按小时收费。现在头部厂商在往"按调用量分成"走，把算力变成一种可以拆分计价的服务。山西证券在中性假设下测算，到2028年算租厂商的调用分成收入有望达到592亿元。从租机柜到卖调用，这是这条链上最大的一次价值重估。

为什么这件事重要？因为租金是周期性的价格，而调用量是持续性的需求。前者会随供给释放掉下来，后者跟着应用走。谁能在调用这一层站稳，谁的收入就不那么依赖下一轮抢货。

五、A股这条链，落到哪几个环节

第一层是算力租赁和智算中心运营。这层的收入最直接，弹性也最大，但要看两个指标：出租率和单柜功率密度。机柜数量堆得再多，租不出去就是折旧。

出租率还能满多久？

第二层是供电与散热。800V高压直流和液冷，是这一轮高密度机柜绕不开的两样东西。它们的订单能见度比芯片长，认证周期也长，一旦进入供应链，替换成本高。

订单的能见度有多长？

第三层是光互连与交换。集群规模上去之后，卡与卡之间的通信成为瓶颈，这也是1.6T光模块和CPO被反复讨论的原因。招银国际给的判断是，CPO量产还得等两三年，这中间800G和1.6T的可插拔光模块仍是主力。

第四层是国产算力。今年秋天，摩尔线程拿到京东云的十万卡GPU集群订单，这是国产GPU第一次进入头部云厂商的十万卡级核心集群。这类订单的意义不在金额，在于"能不能被大规模集群验证"，因为集群跑不起来，性能参数再好也没用。

国产卡真的能跑起来吗？

六、风险在哪里

第一个风险是租金回落。现在的高租金，是供给缺口撑起来的。等两三年后这一轮资本开支变成实际产能，租金大概率会往下走，那时候按租金收入给估值的企业，利润会被双杀：价格跌、折旧不变。

租金什么时候会掉？

第二个风险是技术路线换代。H100对A100的价格比已经升到1.85倍，老卡的相对价值在快速衰减。手里压着大量上一代卡的租赁商，面临的是账面资产和实际租金收入的背离。

第三个风险是集中度。算力租赁这门生意，第一梯队已经搭好大规模资源池并锁定长期订单，中小厂商因为出租率低，固定成本和融资成本两头挤，出清是大概率事件。看这个板块，不能用"行业景气所以都能涨"的逻辑。

第四个风险是需求侧的证伪。这一轮推理需求的爆发，建立在智能体真正在企业里落地的假设上。如果明年智能体的商业化进度慢于预期，调用量的增速会先掉，租金的松动会紧随其后。

七、怎么跟踪，才不会被故事带着走

判断标准先定好：这条链的核心变量是"每单位算力的租金"和"出租率"，不是机柜数量，也不是又签了多少框架协议。租金涨、出租率满，是景气；租金跌而机柜还在增加，就是过剩的前兆。

适用边界也要说清楚：算力租赁是重资产生意，它的估值逻辑更接近公用事业加周期，而不是软件。用软件公司的市销率去看它，会高估；用银行的市净率去看它，会低估它的成长。这个中间地带，恰恰是最容易看错的地方。

可执行的动作很简单：记下三个数，全球周度调用量的最新值、H100的一年期租金、国内算力租赁的季度规模。每季度更新一次，看三个数是同向还是分化。同向就维持判断，分化就重新算一遍。

一句话可以转述的结论：这一轮AI算力的紧缺，紧缺在"马上能用的高端算力"，而不是"算力总量"；租金会随产能释放回落，但调用量不会，所以真正的护城河在调用侧，不在机柜侧。

关注「用心小站」，不错过下一份产业拆解。

关注用心小站，获取更多深度分析

风险提示：本文不构成投资建议。文中调用量、租金、市场规模等数据分别来自OpenRouter、摩根大通、Silicon Data、中国信通院、方正证券、山西证券、招银国际等机构在2026年10月的公开资料，具体数值与口径已在正文标注；机构测算属预测，不是既成事实。算力租赁为重资产生意，租金价格、折旧政策与出租率变化均会显著影响相关公司利润。投资者需自行判断并承担风险。股市有风险，入市需谨慎。

扫码添加企业微信 · 加入读者交流群

每天一篇深度财经文章 · 了解基金、量化基金选择，欢迎入群交流

扫码添加企业微信

添加微信扫码

（添加企业微信后自动发送入群链接）