通信行业深度报告：云厂商仍保持算力高需求，算力租赁需求有望边际向上_12页_1mb

通信行业深度报告总结

核心内容

本报告聚焦于通信行业中的算力租赁与IDC（互联网数据中心），分析两者在商业模式、需求与供给端的差异，探讨算力租赁的市场前景及行业竞争格局，并列举相关标的与风险提示。

主要观点

1. 算力租赁与IDC的差异化定位

• 商业模式区别：

  • IDC：提供物理空间、电力、网络等基础设施服务，客户自备服务器或租用整机柜，强调“硬件安家”。
  • 算力租赁：按需付费的“算力即服务”模式，用户无需自购硬件，即可租用GPU集群等计算资源，适合短期弹性需求与技术快速迭代场景。

• 需求视角：

  • IDC：侧重于运维支持，如金融机构、视频平台等依赖IDC实现异地容灾与数据主权保障。
  • 算力租赁：满足“算力即用”需求，如AI创业公司、影视公司等通过短期租赁应对算力缺口，将CAPEX转化为OPEX。

• 供给视角：

  • IDC：盈利依赖机柜规模与资源利用率，如润泽科技、数据港等通过大规模布局一线城市周边机柜实现收入增长。
  • 算力租赁：价格弹性大，受GPU稀缺性与成本传导机制影响，具备显著涨价空间。

2. 算力租赁需求增长与业务弹性

• 技术优化推动需求：

  • 云厂商通过算法-硬件协同设计（如稀疏化训练、混合精度优化、3D并行策略）提升训练效率，降低算力成本。
  • **Agent（智能体）**需求激增，其任务复杂度、调用频率和渗透率提升，推动算力需求向推理端迁移。

• 企业自建模型训练加剧算力压力：

  • 企业端因AI应用扩展（如智能制造、金融分析）开始自建模型训练，进一步增加算力需求。
  • 如DeepSeek单日推理调用2500万次，需1814张H800芯片支持。

• 云厂商的算力租赁需求：

  • 云厂商为应对算力需求波动、降低硬件投入成本、规避高端GPU出口管制，积极采用算力租赁模式。
  • 例如腾讯2025年算力租赁占比达25%（约200亿元），阿里云租赁占比达70%，通过租赁实现资源复用与成本优化。

3. 算力租赁的涨价逻辑与行业壁垒

• 供给端硬约束：

  • 美国对华芯片出口限制加码，英伟达H100/H20等高端GPU对华供应受限，导致国内算力租赁商面临“无卡可用”的困境。
  • 国产替代（如华为昇腾910B）虽加速，但性能与CUDA生态适配度仍有差距，短期内难以替代。

• 资源稀缺性溢价：

  • H800服务器单价上涨50%，成本压力传导至租赁端，推动价格上涨。
  • 液冷等节能技术普及需额外投入，进一步推高租金。

• 行业核心壁垒：

  • 算力租赁行业竞争力取决于GPU资源囤积规模与获卡渠道稳定性，尤其在高端芯片供应受限背景下，资源垄断性成为关键。
  • IDC行业竞争本质为土地资源与能耗指标的争夺，政策要求PUE低于1.3，绿电使用率需达80%，一线城市能耗指标审批趋严。

4. 行业发展趋势与市场规模预测

• 算力需求持续增长：

  • 2022年中国智能算力规模达268 EFLOPS，预计未来5年年复合增长率达52.3%。
  • 2024年智能算力规模达725.3 EFLOPS，同比增长74.1%。

• 算力租赁市场潜力巨大：

  • 2026年国内算力租赁潜在收入市场规模有望达2600亿元，年增速超20%。

关键信息

算力租赁与IDC的对比

供需关系与价格机制

• GPU供应受限，稀缺性溢价显著，推动算力租赁价格上涨。
• 单次大模型训练需消耗千卡级GPU集群，如通义千问需万卡级算力。

企业需求与技术路线

• 腾讯与阿里在算力需求上的核心差异：
  • 腾讯侧重海外回收卡租赁与H20推理，阿里主推国产芯片生态与自建+租赁协同。
• Agent需求推动算力从训练端向推理端迁移，预计2030年前将创造近千万B200的算力需求。

相关标的

风险提示

• 技术发展不及预期：AI大模型等技术发展速度可能影响算力基建投资节奏。
• 中美地缘政治风险：美国可能进一步加大对中国科技制裁，影响高端芯片获取。
• 行业竞争加剧：算力基建市场增长迅速，新进入者增多，可能加剧竞争。

总结

算力租赁与IDC在算力生态中互补共存，分别满足“算力即用”与“硬件安家”的不同需求。在GPU供应受限、成本压力传导的背景下，算力租赁具备显著涨价空间，且随着Agent等AI应用需求增长，算力需求将向推理端迁移。未来5年，中国智能算力规模将快速增长，算力租赁市场潜力巨大，相关企业有望受益。