AI发展推进下，算力成为最底层的基础设施。无论是大模型训练、智能体运行，还是各行业把AI落地应用，都需要大量算力。一次性大批量购置高端服务器投入大、回收慢，很多企业更倾向租赁，这也催生了算力租赁这一生意模式：服务商采购服务器、搭建算力集群，然后按时间和算力规模把资源租给需要方，通过收取租金获利。

行业近年热度很高。按照公开测算，国内算力租赁市场到2026年有望突破2600亿元，单季度规模已有数百亿元，增速明显。理解这个赛道，核心在于供需两端的矛盾与分化。

需求端发生了结构性变化。早期算力消费多为训练阶段性爆发，但现在推理类场景（AI Agent、多模态内容生成、工业与医疗AI、企业数字化等）持续扩展，推理属于持续性消耗，能带来长期刚性需求。中小AI公司、创业团队和科研单位资金有限，更倾向租赁高端算力，从而放大了租赁市场容量。 球友会

供给端则出现明显分化。受外部管控和供应链影响，高端AI芯片交付受限，高端训练算力供不应求；与此同时，部分地区新建算力中心采用较旧芯片，主要承接简单推理任务，形成局部供给过剩并引发价格战，压缩毛利。总体来看，只有同时具备高端资源、长期稳定大单、足够能耗指标与较低融资成本的企业，才能真正分享行业红利。

算力租赁本质上是重资产运营。服务器采购通常占到成本的六成左右，机房建设与电力、带宽等运营成本也很高，服务商的毛利要覆盖折旧、运维和财务费用才能盈利。两个关键运营指标最能决定成败：一是算力上架并出租的利用率，行业平均门槛大约需维持在70%以上才能覆盖固定成本；二是订单质量，长期3–5年框架订单远比零散短租更有利于业绩稳定和抗波动能力。短期散租受市场波动影响大，价格容易上下波动；而头部玩家常能拿到多年大额框架合约，业绩更可预期。

同时要警惕的风险包括：一是设备折旧与芯片迭代快带来的贬值压力；二是大量跨界入局者带来的低端算力价格战；三是下游AI商业化若不如预期会直接收缩算力需求；四是部分企业通过高负债扩张，利率或融资环境变化会迅速侵蚀利润。 球友会

基于公开数据和公告，可以把真正“能落地、有竞争力”的标的集中观察，筛选时关注的要点包括：是否具备自有或长期稳定的数据中心与电力资源、是否能提供高端训练与国产可控算力的组合、客户结构里大客户或多年框架订单占比如何、资产负债与融资成本水平、以及在项目交付与运维上的能力。

在实际梳理中，挑选出的样本覆盖IDC转型型、纯算力租赁运营商和国产算力运营等不同类别。举例说明两类典型公司情况供参考：

- 润泽科技：代表性的IDC向算力运营转型企业。拥有大量既成数据中心和充足能耗指标，不必从零开始拿地建厂房，国内布局多个算力中心并有海外节点规划。深度对接大型互联网与云厂商，客户结构稳健，智算业务已实现规模化收入。优点是重资产基础和电力、机柜资源充足、订单具稳定性；需关注的风险包括项目建设与交付可能受审批与供应链影响，以及资本开支和财务费用对利润的压力。 球友会

- 中贝通信：采取海内外双线布局，同时建设海外高端算力集群与国内的国产（如昇腾等）算力集群，两者互补，既能承接高端模型训练，也能满足自主可控项目需求。该策略有助于在受到外部供给限制时提供替代能力，并拓展不同类型客户群体。需要留意其海外资源稳定性、合规与运输风险，以及国内外算力定价与运维成本差异。

其余入选的企业涵盖不同定位：有的是以已有IDC资源改造为主、有的是专注于高端GPU集群出租、有的是重点做国产芯片生态与政企市场的运营商。无论哪类，挑选判断原则一致：看算力实际上架与出租情况、长期客户订单比例、能耗与机房资源是否充分、资产负债与融资成本是否可控、以及企业在交付与运维上的能力与效率。

总结建议：算力租赁是一个重资产、分化明显的赛道，长期机会存在但要讲究精选。对投资者或行业观察者来说，关键是区分“有长期、大额、可执行订单和足够高端资源”的企业与“蹭概念、实际算力规模小”的公司。关注上架出租率、订单期限与质量、能耗与机房资源、以及财务健康性，能较好地判断一家算力租赁公司的可持续竞争力。 球友会