AI算力租賃業務聚焦于解決大模型訓練的算力需求，連接多方資源。其商業價值為實現算力資源配置效率的優化，即設備調試和網絡搭建的know-how得以最大化復用。

短期來看，國內15家頭部大模型廠商對標GPT-3模型的訓練需求，測算需要1920臺A100/A800服務器，對應15360張GPU；長期來看，國內5家頭部大模型廠商對標GPT-4模型的訓練需求，測算額外需要13705臺A100/A800服務器，對應近11萬張GPU。

盈利模型——AI算力租賃業務的盈利能力

GPU的租金價格隨著配置性能的提升呈現上升趨勢。從成本來看，AI算力租賃業務的運營成本主要包括設備折舊、數據中心日常運營、以及人員成本，其中設備折舊為非現金支出。

相關標的——哪些上市公司在布局AI算力租賃

布局AI算力的上市公司可分為四類： IaaS云服務廠商、傳統IDC服務廠商、 AI算力用戶向上游擴張、跨界布局第二生長曲線。從建設方式來看，分為自建和共建；從經營方式來看，分為自用和出租。

海外映射——GPU云

短期來看，海外云廠商大量囤積英偉達A100/H100芯片；長期來看，頭部廠商推進自研AI芯片。GPU云是算力租賃業務的長期進階方向，具有更高的價值量和技術壁壘，市場想象空間更大。

風險提示

1、報告中對于商業模式的總結以及對于盈利模型的測算包含部分主觀假設

2、AI算力租賃業務落地不及預期

3、上游AI服務器供應持續短缺，或受到美國商務部禁令影響，中國廠商無法獲得英偉達相關服務器設備

4、AI算力產業政策發生重大變化

5、布局AI算力租賃業務廠商持續增加，市場競爭風險