“龍蝦”爆火，Token調用量激增，算力租賃行業迎來新拐點

核心觀點：

• “龍蝦”智能體框架席卷全球，國內大模型Token消耗呈指數級飆升，引發的Token通脹與算力漲價潮，直接帶動云廠商的AI算力租賃資源使用量增加，算力租賃產業鏈成為核心受益環節之一。

• 依托算力租賃的商業模式不僅降低了用戶的初期投資成本，還提高了資源的利用效率。對于算力提供方，算力租賃有助于優化資源，可以將閑置的計算資源出租。

• 得益于AI算力需求的爆發以及區塊鏈技術的普及，算力租賃行業演變出了一種新興形式——算力交易。相比于算力租賃的“服務化”屬性，算力交易凸顯了其“商品化”的特質。

• 算力租賃行業將從傳統的資源租賃市場向標準化、證券化的交易市場轉型，構建全新的租賃-交易-調度-服務一體式的全流程算力服務生態。

近期，OpenClaw（龍蝦）智能體框架席卷全球，國內大模型Token消耗呈指數級飆升，從原來的百萬個級別直接飆升至上億級別，阿里云、百度云、騰訊云等頭部云廠商密集提價，AI產業正經歷一場深刻的供需與商業邏輯重構。

這場由 “龍蝦” 引發的Token通脹與算力漲價潮，直接帶動云廠商的AI算力租賃使用量增加，也是核心受益環節。

（1）概況

1）定義及特征

算力租賃是指用戶向專業的算力服務提供商支付費用，以獲取特定計算資源使用權的商業服務模式。算力租賃的核心特征為資源共享、按需付費。用戶可通過互聯網遠程接入算力資源池，按實際需求動態調整資源配置，滿足人工智能訓練、大數據分析、科學計算等高算力場景的需求。

依托算力租賃的商業模式，用戶可以根據自己的需求租賃服務器或虛擬機實現大規模的計算任務，而無需擁有自己的計算資源。這種模式不僅降低了用戶的初期投資成本，還提高了資源的利用效率。對于算力提供方，算力租賃有助于優化資源，可以將閑置的計算資源出租。

2）分類

算力租賃主要分為買斷式和零售式兩種模式。

• 算力買斷

算力買斷模式主要面向具備持續大規模算力需求的企業客戶，特點為長期合約綁定與算力資源的獨占式服務。

圖1 阿里云服務器的包年計費標準

資料來源：阿里云官網

在該模式下，客戶通過預先支付較高費用獲得指定算力資源的獨占使用權，在合約期內，硬件資源完全定向服務于單一客戶的計算任務。

這種模式的核心特征在于資源穩定性與確定性——客戶可自主規劃長期訓練任務（如大模型迭代開發），同時規避了市場供需波動帶來的價格風險。

對服務商而言，長期買斷合約有助于提升資產利用率的可預測性，降低運營成本中的空置損耗，但需承擔硬件折舊損耗與客戶信用風險帶來的潛在損失。

• 算力零售

算力零售模式則針對中小規模或間歇性算力需求的客戶群體，提供靈活彈性的中短期算力租賃服務（按小時/天/周計費）。

圖2 阿里云服務器ECS（彈性計算服務）的按小時計費標準

資料來源：阿里云官網

零售模式下，算力的資源分配采用共享機制，同一GPU集群可能分時段服務于不同客戶，因此對于平臺和用戶來說，可能分別存在服務空檔期與算力資源短缺的風險。

零售模式的定價受市場影響較大，租金價格需隨實時供需關系動態調整。當行業GPU供給緊張或需求激增時，零售單價將顯著上浮；反之在淡季因需求下降，單價將會下調。

該模式要求服務商具備精細化的動態調度能力，通過最大化資源復用率平衡算力空置帶來的額外成本。

表1 算力租賃兩種模式的區別

資料來源：融中咨詢

3）算力租賃的新形態——算力交易

得益于AI算力需求的爆發以及區塊鏈技術的普及，算力租賃行業演變出了一種新興形式——算力交易。

表2 算力租賃與算力交易的區別

資料來源：融中咨詢

算力交易是一種結合了智能合約與區塊鏈技術的去中心化、去平臺化的算力資源交易機制，是將計算資源（如CPU、GPU等）單位化后，以貨幣或其他形式進行買賣的行為。相比于算力租賃的“服務化”屬性，算力交易則凸顯了其“商品化”的特質。

圖3 基于區塊鏈技術的算力交易結構模型

資料來源：中國電信研究院

在算力芯片、智能合約、區塊鏈技術的穩步發展，與政策扶持與各地官方算力交易平臺建立的雙重驅動下，算力交易預計將成為未來主流的算力服務方案之一，為中小型用戶提供靈活、低門檻的算力資源獲取渠道，推動算力資源的普及化、去中心化、資產證券化，重塑算力租賃行業的生態模式。

圖4 上海算力交易平臺于2025年世界電信和信息社會日正式啟動

資料來源：通信世界網（CWW）

（2）發展歷程

國內算力租賃行業的發展歷程可劃分為四個階段：萌芽探索期、需求驅動期、增長爆發期、成熟整合期。

圖5 算力租賃行業發展歷程

資料來源：融中咨詢

1）萌芽探索期（2018年之前）

在早期階段，企業主要通過自建數據中心來滿足算力需求，這種模式使得硬件采購和運維成本居高不下。2014年，穩定幣USDT的誕生具有重要意義，它首次將現實資產代幣化（RWA）的理念付諸實踐，為算力資源的金融化奠定了基礎。

這一時期，云計算平臺開始初步提供通用服務器租賃服務，但針對GPU等專用算力的服務體系尚未形成。中小企業常常因為算力需求波動，面臨著資源閑置或者短缺的問題。

2）需求驅動期（2018–2022年）

中美科技摩擦的加劇以及AI技術的爆發式發展，共同催生了算力租賃市場的興起。

2018年，美國實施芯片出口限制政策，導致國內高端GPU供應緊張，企業為緩解"算力荒"，紛紛轉向租賃模式。2021年，"東數西算"工程正式啟動，通過政策引導，實現了算力資源的跨區域調度。到2022年，中國智能算力規模達到268EFLOPS，首次超過通用算力，這標志著算力租賃市場初步形成規模。但此時的租賃服務主要以整機柜包月模式為主，在靈活性方面還存在一定的局限。

3）爆發增長期（2023–2024年）

ChatGPT的出現引發了大模型訓練的熱潮，千億級參數模型的訓練需要千卡級GPU集群的支持，在這樣的背景下，算力租賃成為了具有性價比的選擇。同時，由于技術的進步以及市場競爭越發激烈，各種計算卡的租賃價格呈現逐年下降趨勢。而隨著華為昇騰910B等國產芯片逐步投入商用，算力租賃市場逐步向著多元化、國產替代化的方向發展。

2024年，智能算力租賃規模達到377EFLOPS，年增長率高達88%。與此同時，商業模式創新不斷涌現，按任務計費的碎片化算力包、通過區塊鏈賦能實現RWA資產化（例如ComputeLabs將GPU進行代幣化）等模式，正在重塑整個行業生態。

4）成熟整合期（2025年至今）

目前，算力租賃市場已經進入理性發展的新階段。以H100為例，其租賃單價從2023年初接近8美元/GPU/小時，下探至2025年中旬約2.4美元/GPU/小時，跌幅超過70%。

在政策層面，中國首批數據中心REITs獲得批準，這為算力資產證券化打開了融資通道。

技術發展層面，行業焦點轉向了智能化調度，基于AI驅動的算力網絡能夠實現資源的自優化分配，衛星計算、深海數據中心等新型算力形態不斷拓展著服務的邊界。

租賃模式的去中心化、碎片化的發展徹底重構了產業生態，中小團隊借助共享算力獲得了大模型訓練能力，算力正從過去的稀缺資源轉變為普惠性的基礎設施。

（3）政策環境

近年來，國家及地方針對算力領域的政策對算力租賃行業起到了支持作用，其整體風向聚焦于推動算力資源的高效流動、資產證券化和區域協同優化，通過降低融資與運營成本、提升算力調度能力和供給規模，為算力租賃行業創造更高效化、智能化和市場化的發展環境。

表3 國內算力領域有關政策對算力租賃行業的影響

資料來源：融中咨詢

（4）產業鏈

算力租賃產業鏈的上游是各大設備供應商，負責提供硬件與基礎設施，如算力芯片、服務器機柜、光互聯系統及冷卻系統等；

中游云廠商和IDC（數據中心）服務提供商整合上游的算力資源，通過云計算平臺提供算力租賃服務，以及根據用戶需求配置合適的基礎設施與算力環境；

下游需求體量巨大，包括使用算力租賃服務的企業和個人，創業公司、科研院所、政府城市項目、金融、醫療、科研等領域的企業和機構。

圖6 算力租賃行業產業鏈圖譜

資料來源：融中咨詢

（5）市場規模

從算力規模分析，2024年，中國智能算力租賃市場規模達到377EFlops（FP16精度），同比增長88%。預計未來三年，中國智能算力租賃市場規模復合增長率平均值將保持在53%左右，至2027年，中國智能算力租賃市場規模將達1346EFlops。

圖7 中國智能算力租賃市場規模及預測（EFlops，FP16）

資料來源：融中咨詢

從市值規模分析，2024年智能算力租賃市場規模達到1479.6億元，2025年上漲到2,116.1億元。

圖8 中國智能算力租賃市場規模（億元）

資料來源：融中咨詢

（6）競爭格局

由于國內AI算力租賃市場剛剛興起，參與方眾多。

云服務商和電信運營商憑借其技術優勢、基礎設施資源以及廣泛的市場覆蓋，占據了市場的主導地位，市場份額高達70%。這一顯著的占比反映了云服務商和電信運營商在智能算力租賃領域的強大競爭力和市場影響力。

IDC服務商作為重要的參與者，位居第二梯隊。這些服務商通過專業的數據中心運營和管理能力，為市場提供了可靠的算力租賃服務，滿足了部分客戶對數據中心基礎設施的需求。

跨界廠商則利用其在其他領域的資源和技術優勢進入市場，占據一定的市場份額。

目前算力租賃市場上已經有不錯業績表現的企業，其租賃業務的持續發展和市場不斷擴大，以及相關技術不斷升級會讓其市場占有率越來越高，業績穩步提升。

產業鏈其他部分參與方還包括：上游設備企業、人工智能企業、地方政府和技術平臺服務商。

上游設備企業主要提供核心硬件支持；人工智能企業則專注于提供與AI相關的算力解決方案；地方政府通過政策支持和基礎設施建設推動本地算力租賃產業的發展；技術平臺服務商則通過整合異構算力資源和提供高效的調度服務，滿足市場的多樣化需求。

圖9 中國智能算力租賃服務商市場份額占比

資料來源：融中咨詢

（1）下游應用領域

國內智能算力租賃下游應用市場呈現顯著的行業集中特征。

圖10 互聯網行業是算力租賃產業鏈下游需求最集中的市場

資料來源：融中咨詢

互聯網行業以62%的絕對占比成為核心需求方。互聯網行業的需求主要集中于云計算、AI模型訓練及實時推理等高算力場景，其對大規模彈性算力的依賴源于海量數據處理、短視頻推薦算法優化以及生成式AI應用的爆發式增長。

其次為政府（14%），其需求以智慧城市、政務云和公共安全為重心，偏向數據合規性及安全性，并傾向于采用私有化部署與國產化算力解決方案。

金融行業占比6%，聚焦高頻交易風控、量化建模及反欺詐分析，對低延遲算力和異構資源調度能力要求較高。

醫療行業占比5%，需求集中于醫學影像AI分析、基因組學計算等場景，需兼顧算力精度與數據隱私保護。

制造與教育行業各占4%，其中制造業的智能算力應用以工業物聯網、數字孿生為主，強調邊緣計算與實時性響應能力，但當前滲透率仍較低，未來增長潛力較大；教育行業則多用于科研模擬與在線教育平臺支持，需求相對分散且周期性明顯。

（2）代表企業

1）傳統云廠商——中國電信

中國電信通過構建“中心—省—邊緣—端”四級算力體系，來為行業提供高效、綠色的異構算力統一調度系統，為企業、行業及區域發展提供普惠化、安全化的AI算力服務。2025年前三季度，中國電信營業收入為3,943億元，同比增長 0.6%，其中IDC業務持續規模拓展，收入達275億元，同比增長9.1%。

在“東數西算”國家戰略推動下，中國電信慶陽分公司東數西算大數據中心作為西部算力樞紐節點，正加速構建綠色集約、高效協同的算力網絡體系，依托天翼云與國產AI大模型DeepSeek的深度融合，打造“智算+算法+網絡能力”三位一體的創新模式。

圖11 慶陽市的電信天翼云算力中心

資料來源：今日頭條

天翼云入選首批國家級算力互聯互通調度服務商，通過全國一體化算力體系提升資源利用率與服務覆蓋范圍。據公開數據，天翼云自建智算規模達22 EFLOPS，接入合作伙伴算力27 EFLOPS，并推出“息壤”算力分發網絡平臺支持異構算力統一調度。實現東西部算力的智能匹配與動態調度。企業可基于業務需求，靈活調用西部低成本算力資源。

中國電信東數西算慶陽算力中心還充分發揮清潔能源優勢，結合自研的液冷技術、AI能效優化算法，為DeepSeek大模型訓練與推理提供高能效算力。各企業無需自建高耗能算力中心，即可通過池化算力租賃實現綠色低碳轉型，尤其適合中小企業和初創團隊，推動政企普惠化AI服務落地。

2）專業IDC服務商——光環新網

光環新網在AI算力租賃市場的的核心競爭力在于其IDC資源儲備，其擁有的高算力、低時延的IDC資源是行業內的稀缺資產。公司結合英偉達核心算力資源，向行業提供靈活的算力租賃解決方案。2025年前三季度，公司實現營業收入54.79億元，較上年同期下降 5.96%，其中IDC業務實現收入16.67萬元，同比增加1.53%。

公司新建的數據中心單機柜可支持10千瓦到20千瓦功率，已建立以英偉達為主的核心算力，已投產機柜總數超過7.2萬個，現有算力規模超過4,000P。客戶可根據實際需求選擇算力資源并按使用量付費，同時其呼和浩特算力基地支持100MW IT負載，與燧原科技合作優化DeepSeek模型，實現訓練-推理全鏈條服務閉環。

圖12 光環新網新疆數據中心

資料來源：光環新網官網

光環新網通過布局自建數據中心+綠電配套（如新疆、呼和浩特基地），單位機柜成本比同行低15%-20%，形成差異化競爭力，為亞馬遜AWS中國提供云服務支持，系亞馬遜云科技全球最高等級合作伙伴。

3）字節跳動算力供應商——潤澤科技

潤澤科技為字節跳動提供了強大的算力支持，其業務以液冷智算中心為核心。字節跳動的最大算力供應商是潤澤科技，同時也是潤澤科技的第一大客戶，其貢獻的收入占潤澤科技總收入的60%以上。

圖13 潤澤科技的數據中心機房

資料來源：潤澤數據官網

在2023年，潤澤科技成功交付了行業內首例整棟純液冷智算中心，展現出強大的液冷技術實力，能夠滿足字節跳動對數據中心低能耗、高效能的要求，為字節跳動的AI模型訓練和應用提供穩定可靠的算力集群。

潤澤科技的主營業務為IDC運營服務，其主體機房位于廊坊，并在長三角、大灣區等多地布局了大規模園區級數據中心。字節跳動作為其終端用戶之一，將自身服務器及相關設備置于潤澤科技的數據中心，由潤澤科技按照協商達成的運營服務等級，對數據中心基礎設施進行365×24小時不間斷的技術運維管理，保障數據中心基礎設施的安全穩定運行。

潤澤科技通過定制化服務滿足了字節跳動的大規模算力需求，間接支撐豆包、火山引擎等應用的算力底座，業務穩定性強且收入預期高。2025年上半年，公司IDC業務收入16.14億元，同比增長6.15%；AIDC業務收入8.81億元，同比增長36.95%。

（1）未來發展趨勢

1）算力芯片租賃價格下降

自2024年以來，中美市場的GPU租賃價格呈現平穩下降的態勢，預計未來租賃價格仍將持續降低。

圖14 中美GPU租賃價格正逐步下降

資料來源：中國IDC圈

從全球視角看，算力租賃價格的下探，主要源于技術和商業兩方面的價差作用。

在技術方面，新舊架構迭代加速，Blackwell架構（如B100）和CoWoS封裝的成熟，使得單位算力成本持續攀降。老一代H100及A100需求走弱，租賃價格自然回落。

商業方面，則體現在云服務商間競爭白熱化。特別是專業GPU云平臺，如海外市場的CoreWeave、RunPod、Lambda Labs等以低于傳統云的價格吸引用戶，與AWS、GCP等巨頭形成拉鋸戰，激進降價成為搶占市場的常用策略。

此外，隨著工業化、企業級推理和消費級應用增長，對GPU的需求愈發多元。中低端場景推動專業平臺提供更具價格優勢的產品，抑制了高端租賃價格的上行空間。

2）云端化發展

算力租賃服務正逐漸向云端化發展，云平臺整合海量算力資源，實現資源的靈活調配和彈性伸縮，極大提高了資源利用率和使用便利性，并提供AI軟件開發相關的算力增值服務，促使算力逐漸成為標準化商品，算力交易平臺正在興起。

同時，企業越來越多地采用多云戰略，智能算力租賃服務商需要提供多云協同管理解決方案以滿足企業需求。

3）區域化協同調度

智算中心布局更加注重區域化協同，如“東數西算”工程，通過區域化布局與調度的協同，降低延遲，提高用戶體驗。

智能算力租賃服務商需建立高效的算力調度平臺，實現不同區域間算力資源的靈活調配和協同工作，與各地區產業深度融合，形成區域化協同發展的產業生態。

4）去中心化與資產證券化

去中心化與資產證券化正成為推動行業變革的重要方向。

去中心化式的算力交易平臺依托區塊鏈技術，將分散在全球的閑置算力資源通過智能合約進行高效整合與調度，旨在打破傳統云計算巨頭的集中化壟斷模式，實現供需雙方的直接匹配與透明交易。

例如，美國算力租賃市場的領跑者Akash Network通過分層技術架構、市場化定價機制和靈活的代幣經濟模型，成功實現了GPU算力租賃的產品市場契合（PMF），在競爭激烈的市場中脫穎而出。

圖15 Akash截至2024年中旬的累計租賃量突破18萬次

資料來源：The Block Beats

資產證券化則通過將算力基礎設施（如數據中心、GPU集群）轉化為可交易的金融產品。

例如，萬國數據、潤澤科技等企業通過發行數據中心REITs發行盤活優質算力資產，將重資產的長期收益轉化為流動性較強的證券資產，吸引資本參與，實現“投-建-管-退”的閉環運營，加速資金回籠并支持行業擴張。

圖16 萬國數據中心公募REITs的基金基本信息

資料來源：上海證券交易所

這兩種趨勢相互協同，去中心化平臺為資產證券化提供更靈活的底層資源支撐，而資產證券化則為去中心化算力網絡的規模化建設提供融資渠道，共同推動算力租賃從傳統資源型租賃模式向“技術+金融”的復合型生態演進，既提升了行業效率，又拓展了參與主體的多元化與市場深度。

（2）風險與挑戰

行業高度依賴英偉達等國際芯片，易受出口管制沖擊；數據中心能耗高、電力成本占運營成本40%-60%，加之技術迭代快、安全合規趨嚴，客戶集中度高，且“東數西算”區域失衡導致東西部供需錯配，多重壓力壓縮企業盈利空間。