AI算力租赁行业研究框架：时势造英雄，宜谋定而后动-20231008-浙商证券-34页_1mb

AI算力租赁行业研究框架总结

行业评级

• 看好

核心内容概述

AI算力租赁行业正面临快速发展的机遇，主要由于大模型训练需求的爆发和算力资源的供需失衡。该行业通过连接多方资源，为AI模型研发提供高效的算力支持，具有显著的商业价值。

主要观点

1. 商业逻辑

• 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，包括项目投资方、项目建设方、项目运营方、模型研发商和终端用户。
• 随着模型参数量的增加，GPU需求呈非线性增长，英伟达A100和H100是当前大模型训练的首选GPU。
• 算力资源稀缺性和高昂的硬件交付周期促使AI算力租赁成为更具性价比的选择，尤其在考虑调试、运维和试错成本后。

2. 盈利模型

• GPU租金价格随配置性能提升而上升，A100最高配置价格约为最低配置的1.8倍。
• 运营成本主要包括设备折旧、数据中心日常运营和人员成本，其中设备折旧占比最高。
• 通过扩大算力规模和提升运营效率，AI算力租赁企业可显著提升盈利能力。

3. 相关标的

• 布局AI算力租赁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、跨界布局第二增长曲线。
• 各类公司根据建设方式（自建或共建）和经营方式（自用或出租）采取不同的策略。

4. 海外映射

• 海外云厂商大量囤积英伟达A100/H100芯片，推动GPU云的发展。
• GPU云作为算力租赁的长期发展方向，具有更高的价值和技术壁垒，市场潜力巨大。

关键信息

算力需求增长

• 短期：15家头部大模型厂商对标GPT-3模型训练需求，需1920台A100/A800服务器，对应15360张GPU。
• 长期：5家头部大模型厂商对标GPT-4模型训练需求，需额外13705台A100/A800服务器，对应近11万张GPU。

GPU性能与成本

• A100-SXM和H100-SXM为当前大模型训练首选GPU。
• 显存、带宽和传输效率是影响训练效果的关键参数。
• 8卡A100-NVLink服务器月租金约为13.34万元，与8卡HGX加速卡售价相当。

运营成本分析

• 设备折旧：占成本比例最高，按3年摊销，月折旧成本约3.9万元；按5年摊销，月折旧成本约2.3万元。
• 数据中心运营：包括能源、散热、房屋租金等，自建或第三方机房均可。
• 人员成本：约占IDC服务成本的3%，收入占比约2%。

AI算力租赁的商业价值

• 虽然服务器采购成本与租赁成本相比不具备明显优势，但考虑到等待、调试、运维成本，租赁更具性价比。
• 互联网大厂因拥有强大资源和团队，自建AI算力更具优势。

海外云厂商动态

• 微软Azure：提供多种NVIDIA GPU虚拟机，包括ND A100 v4 VM、NDm A100 v4 VM等，支持大规模AI训练和数据分析。
• 谷歌Cloud：推出Cloud TPU，专为AI优化，结合TensorFlow等工具形成完整服务矩阵。
• Oracle Cloud Infrastructure (OCI)：与英伟达合作，提供大规模AI超级计算服务，GPU云服务收入增长显著。

风险提示

1. 报告中商业模式总结和盈利模型测算包含主观假设。
2. AI算力租赁业务落地不及预期。
3. 上游AI服务器供应短缺，可能受美国商务部禁令影响。
4. AI算力产业政策发生重大变化。
5. 布局AI算力租赁业务的厂商增加，市场竞争风险加剧。

行业投资评级标准

• 看好：行业指数相对于沪深300指数涨幅超过10%。
• 中性：行业指数相对于沪深300指数涨幅在-10%至10%之间。
• 看淡：行业指数相对于沪深300指数跌幅超过10%。

法律声明

• 本报告由浙商证券股份有限公司制作，信息来源于公开资料，不保证其真实性、准确性和完整性。
• 本报告仅供客户参考，不构成投资建议，投资者需自行评估。
• 未经授权，不得复制、发布或传播本报告内容。

总结

AI算力租赁行业在AI大模型训练需求激增的背景下展现出强劲的发展潜力。该行业通过优化算力资源配置、提升运维效率和提供增值服务，逐步形成可持续的盈利模式。随着算力资源的稀缺性增加，租赁模式成为大模型研发厂商的重要选择。然而，行业面临政策、供应和竞争等多重风险，需持续关注。