近日，国内AI服务器市场最令人关注的一则消息是“阿里云A100服务器业务暂停出租”，不过这一消息并未得到证实，但却引起市场担忧。这也侧面反映了国内算力紧缺的不争事实。

　　在业内看来，算力资源紧缺的确催生了一门“好生意”，即算力租赁。这一赛道上，不仅有中贝通信、云赛智联、恒为科技等传统IDC服务商参与，更有恒润股份、鸿博股份、莲花健康等跨界玩家下场。
　　市场预计，随着算力供需矛盾升级，算力租赁或将进入新一轮涨价周期。另一方面，在英伟达芯片管制背景下，不少算力运营方正在寻找算力国产替代机会。在业内看来，构建AI算力市场“第二极”是必经之路，这也有望加速解决“有没有”与“好不好用”的问题。
　　涨价传导至租赁市场
　　近日，有消息称，因算力需求旺盛、供给紧张，阿里云官网已经暂停A100服务器出租业务。市场普遍猜测，阿里云目前已经无货可用于对外出租，但这一消息并未得到证实。
　　国盛证券在一研报中称，随着拿卡难度加大，算力运营方开始已经“抢单”，H800服务器的报价甚至上冲300万/台。而硬件成本上涨已传导至算力租赁报价。
　　以中贝通信为例，该公司在9月初签订一份算力服务协议显示，其以H800设备为基础搭建算力服务平台，提供960P算力服务，服务费为含税12万元/P/年。而在10月25日，该公司另一份协议显示，其向对方租赁容量为800P算力资源，租赁价格到了2.5万美元/P/年（按照当日汇率折算17.9万元人民币）。
　　“AI算力需求很旺盛，互联网大厂开始选择能租就不买战略，这与之前互联网大厂自建数据中心形成鲜明反差，这就造成了租赁市场景气度持续上行，”国内一家头部IDC厂商人士告诉记者。
　　但在他看来，供给失衡还有另一层因素。“因为算力还是偏重资产投资，所以这轮扩张中，传统IDC厂商参与的较少，”他同时表示。
　　浙商证券在一份研报中举例，GPT-3训练使用了128台英伟达A100服务器（训练34天），对应640P算力，GPT-4模型训练使用了3125台英伟达A100 服务器（训练90-100天），对应15625P算力。从GPT-3至GPT-4模型参数规模增加约10倍，但用于训练的GPU数量增加了近24倍。
　　因此，在该机构看来，国内15家头部大模型厂商对标GPT-3模型的训练需求，需要1920台A100/A800服务器，对应15360张GPU。而如果考虑国内5家头部大模型厂商对标GPT-4模型的训练需求，则额外需要13705台A100/A800服务器，对应近11万张GPU。
　　不过，国内获得芯片渠道已经明显受阻。美国商务部工业与安全局（BIS）上周更新了《先进计算芯片和半导体制造设备出口管制规则》，此举旨在限制中国先进制程工艺和AI领域发展，国内主要的A800、H800等产品均受到影响。
　　可挖掘增量空间有限
　　国盛证券认为，短期内，算力供需两侧将出现阶段性失衡，部分先发优势的公司已有一定规模的算力储备，在手算力的价值有望因稀缺性提升。市场普遍认为，算力租赁有望迎来一波“涨价潮”。
　　在二级市场上，10月末到11月初，算力租赁概念本已经恢复冷静，个别股票出现回落甚至一度跌停。但在11月6日，这一概念再度集体拉涨。截至收盘时，中贝通信涨幅接近7%，锐捷网络、优刻得、弘信电子也纷纷涨逾6%。
　　AI算力租赁的商业本质为具有大模型训练需求的软件研发厂商向具有GPU资源的厂商租赁GPU算力，按月或按年支付租金。在市场看来，其本质是AI算力固定资产变现，就其商业模式而言，可挖掘的增量价值空间有限。
　　浙商证券分析认为，从收入端来看，AI算力的出租价格受到市场供需关系以及市场竞争的影响：供不应求时，AI算力租赁厂商具有较高的议价权；而当算力资源紧缺程度缓解之后，AI算力租赁厂商议价权减弱，存在租金下行的风险。
　　而从成本端来看，给定算力租金水平和折旧年限，AI算力租赁的毛利率基本固定，可提升空间有限：由于AI算力租赁的成本由设备折旧摊销、数据中心能耗成本、人工运维成本构成，对于大部分成本AI算力租赁厂商处于被动接受的状态，议价能力弱。
　　有业内人士认为，算力租赁业务的利润规模量级基本由投资规模决定，增厚利润的最有效方式为增大投资，扩张算力规模。
　　寻求算力国产替代机会
　　根据机构统计显示，目前全国有超过30个城市正在建设或规划智算中心，其中一些已经投入运营或即将投入运营，总规划算力达到了数十EFLOPS。
　　若未来全国智算中心算力达到50EFLOPS（对应50000PFLOPS），对应AIDC建设规模空间为500-750亿元。据不完全统计，目前已经明确公开宣布规划或建设中的地方智算中心规模已超26000P。
　　在此背景下，由于英伟达对华禁售，或导致国内算力资源无法快速扩张，因此AI算力芯片国产化和AI算力服务器国产化就尤为重要。市场已经开始寻求算力的国产替代机会。
　　国盛证券认为，国产替代短期突破点为兼容CUDA。目前，国产GPU厂商沐曦测试完成了MXC500系列GPU，目标算力15 TFLOPS@FP32，兼容CUDA生态；海光信息协处理器DCU产品兼容“类CUDA”环境。短期来看，兼容CUDA有望解决国产算力“有没有”的难题。
　　而从长期来看，需要构建自主的软硬件生态。华为近期发布了异构计算架构CANN 7.0，CANN搭建了从上层深度学习框架到底层AI硬件的桥梁，支持华为升思MindSpore、PaddlePaddle、PyTorch、TensorFlow、Caffe、Jittor等主流AI框架。
　　该机构认为，拥抱类似于CANN的拥有自主技术的软件架构，是构建AI算力市场“第二极”的必经之路，也有望解决国产算力“好不好用”的问题。
　　需要注意的是，多家算力运营商已相继走上寻求国产替代之路。中贝通信在近日机构交流中透露，该公司近期已与华为就华为根技术生态联盟合作、技术与业务合作等方面开展了交流，与超聚变达成算力合作意向，国产算力部署计划在细化落实中。
　　而恒为科技也表示，公司与华为昇腾在异构智算中心的技术方案和运维方案方面，正在探讨合作，并在推进一些实际项目的落地。另外，其也与华为昇腾在私域模型训推一体机方面正在进行测试和移植等合作。
　　弘信电子在近期也对机构透露，该公司先后与燧原科技、摩尔线程签署协议建立了战略合作关系，深度绑定国内AI算力芯片核心企业，推进AI算力芯片及服务器国产化落地。
　　即便是跨界玩家鸿博股份也表示，该公司旗下英博数科实时关注并同步国产硬件的训练数据，与主流头部企业均保持深度密切的技术交流。
（文章来源：中国基金报）