AI算力租赁行业研究框架：时势造英雄 宜谋定而后动

AI算力租赁业务聚焦于解决大模型训练的算力需求，连接多方资源。其商业价值为实现算力资源配置效率的优化，即设备调试和网络搭建的know-how得以最大化复用。

短期来看，国内15家头部大模型厂商对标GPT-3模型的训练需求，测算需要1920台A100/A800服务器，对应15360张GPU；长期来看，国内5家头部大模型厂商对标GPT-4模型的训练需求，测算额外需要13705台A100/A800服务器，对应近11万张GPU。

盈利模型——AI算力租赁业务的盈利能力

GPU的租金价格随着配置性能的提升呈现上升趋势。从成本来看，AI算力租赁业务的运营成本主要包括设备折旧、数据中心日常运营、以及人员成本，其中设备折旧为非现金支出。

相关标的——哪些上市公司在布局AI算力租赁

布局AI算力的上市公司可分为四类： IaaS云服务厂商、传统IDC服务厂商、 AI算力用户向上游扩张、跨界布局第二生长曲线。从建设方式来看，分为自建和共建；从经营方式来看，分为自用和出租。

海外映射——GPU云

短期来看，海外云厂商大量囤积英伟达A100/H100芯片；长期来看，头部厂商推进自研AI芯片。GPU云是算力租赁业务的长期进阶方向，具有更高的价值量和技术壁垒，市场想象空间更大。

风险提示

1、报告中对于商业模式的总结以及对于盈利模型的测算包含部分主观假设

2、AI算力租赁业务落地不及预期

3、上游AI服务器供应持续短缺，或受到美国商务部禁令影响，中国厂商无法获得英伟达相关服务器设备

4、AI算力产业政策发生重大变化

5、布局AI算力租赁业务厂商持续增加，市场竞争风险