一年前，英偉達H100的8卡節點年租賃價格最高達到了20萬元，僅隔一年，其價格就降至約6萬元。不僅如此，消費端的RTX 4090年租賃價格也從年初的約2萬元降至目前的6000元左右。
除了租賃價格的調整，近日多家上市公司也發布公告稱，終止此前簽訂的算力租賃合同。曾經算力租賃業務被視為“金疙瘩”，眼下它們卻走到了是否要繼續前行的“十字路口”。
《中國經營報》記者在多地采訪中了解到，伴隨多地智算中心的落地，受顯卡價格下降和大模型訓練降溫等因素影響，今年上半年開始，國內算力的價格呈現下降趨勢，部分地區的智算中心算力并沒有被完全消納，而一些規模較小的算力供應商在明知會違約的情況下，不得不提前終止算力租賃合同，及時止虧。
算力租賃“縮水”
自2023年起，伴隨AI算力需求呈爆炸式增長態勢，算力租賃板塊也逐步發展壯大。同花順(342.010, -2.47, -0.72%)數據顯示，截至今年12月6日，算力租賃概念的上市企業已經達到了109家。這其中除了運營商、云廠商外，不乏一些跨界玩家，比如“味精大王”蓮花控股(5.160, 0.04, 0.78%)（600186.SH）、房地產開發商大名城(4.030, 0.06, 1.51%)（600094.SH）、染料生產商錦雞股份(6.840, -0.03, -0.44%)（300798.SZ）等，均宣布布局算力新賽道，推進智算中心項目。
除企業外，在推進智算中心建設項目的進程中，記者注意到，地方政府也是重要的參與者，既包括北京、成都、武漢、杭州、合肥、蘇州等經濟繁榮、人工智能基礎較為扎實的一、二線城市，也涵蓋了眾多三、四、五線城市。
中國信通院的一份研究報告顯示，截至今年5月，國內建設和規劃中的智算中心共有185座，總算力為272 EFLOPS（算力單位，EFLOPS是ExaFLOPS縮寫，指每秒能執行10的18次方次浮點運算），建成運營的有104 EFLOPS。
算力租賃是智算中心的主要盈利模式之一。企業或研究機構無需自建昂貴的計算基礎設施，而是通過租賃智算中心的算力資源來進行數據處理和模型訓練。此前，因為國內的算力建設并沒有適配目前算力需求的增長速度，算力供需緊張，算力租賃可以降低用戶的門檻，使得更多的創新者能夠進入AI領域，加速了AI應用的普及和發展。
智算中心“遍地開花”，使得國內算力規模急速擴大。據《中國綜合算力指數報告（2024）》數據，截至2024年6月，我國在用算力中心的機架數量超過830萬標準機架，算力規模達到246EFLOPS。
然而，經過短短一年的狂歡后，市場開始變得冷靜。百度CEO李彥宏曾坦言：“生成式AI的技術泡沫不可避免。歷史告訴我們，當技術沒有達到最初興奮階段的高期望時，必然會引發市場失望。”
資金短缺、產品市場反響不佳、投資人熱情退卻，一些企業開始重估AI業務，算力租賃業務也隨之出現“縮水”，在算力規模不變的情況下，價格卻大幅降低。
12月4日，鴻博股份(17.260, 1.57, 10.01%)（維權）（002229.SZ）發布關于全資子公司日常經營重大合同簽署補充協議的公告。公告中提到，公司全資子公司英博數科與北京京能及京能海北簽署了補充協議，主要針對智算中心設備采購合同進行調整。原合同交易總金額為10億元，而補充協議后，算力規模保持不變，合同交易金額調整為6.46億元。
此前的11月12日，錦雞股份公告稱，公司全資子公司英智創新今年1月與締息云聯價值超過9億元的算力租賃合同終止。
某地智算中心的運營總監張勇對記者表示，不僅僅是上市公司，現在很多地方政府牽頭建設的智算中心算力也沒有被全部消納，處于閑置的狀態。
“現在很多地方的智算中心商業模式是單一地購買了GPU，組件集群，出租算力。”張勇表示，“這是一種非常粗放的商業模式，尤其是在當地沒有AI應用場景的情況下，完全不具備抵抗市場波動的能力。設想一下，若智算中心是一座城市，算力便是這座城市的活力之源。若城市內的建筑（機架）未能得到充分利用，道路（算力市場）亦未得到恰當的規劃，那么這座城市便無法釋放其潛在的全部活力。”
算力過剩？
上海財經大學中國經濟思想發展研究院研究員岳翔宇對記者表示，加快智算中心的建設，適度超前發展算力基礎設施，對于人工智能產業有重要的價值。但備好菜不等于做好菜，算力發展是人工智能發展的必要條件，而不是充分條件。依托算力增長，要加快人工智能產業發展，只有積極探索科技創新與產業創新融合，才能加快把算力轉化為新質生產力，從根本上解決智算中心面臨的運營及盈利問題。
在算力租賃市場縮水、智算中心算力閑置的情況下，也引發了業內算力過剩的擔憂。
中國計算機學會（CCF）副理事長、并行科技(65.950, -1.26, -1.87%)董事長陳健曾在接受記者采訪時表示：“其實我更擔心的是，一些地方以攀比心態上馬的智算中心項目，能否保障為真實用戶提供優質可靠的智能計算服務？若只有資源盲目擴張卻不能發揮其應有效能、讓需求端便捷獲取優質算力服務，無疑意味著資源和資金的無謂浪費。”
“現在的確出現局部算力過剩的情況，但這是AI大模型從訓練階段向推理階段過渡的表現。”國內某ICT基礎設施提供商的地區總經理李揚對記者表示，“從去年到今年上半年，大模型整體處于訓練階段，這一階段需要的算力是最高的，需要處理大量的數據，并且需要進行多次迭代以優化模型參數。這通常涉及到大量的浮點運算，因此需要千卡甚至萬卡的規模。”
李揚表示，現在大模型開始進入推理階段，使用訓練好的模型對新數據進行預測，并作出相應的決策。在這一階段，需要的算力就會很少。但長期來看，AI應用落地需要更多算力。因此，各家采取了“適度超前投資”的策略，仍在大規模采購算力。
實際上，從今年下半年各家大模型廠商公布的數據看，推理算力正在迎來爆發式增長。英偉達在其財報會上也表示，公司全年數據中心里已經有40%的收入來自推理業務。VerifiedMarketResearch報告顯示，2023年人工智能推理芯片市場規模為158億美元，預計到2030年將達到906億美元，在2024—2030年預測期內的復合年增長率為22.6%。
中關村(5.330, 0.04, 0.76%)物聯網產業聯盟副秘書長袁帥認為，關于當前產業對智算中心運營及盈利模式的認識還不到位的問題，這是一個需要逐步解決的過程。智算中心的建設和運營是一個復雜的系統工程，需要綜合考慮技術、經濟、市場等多方面因素。在初期階段，可能會存在一些探索和試錯的過程，但隨著時間的推移、技術的不斷成熟、市場的不斷擴大，智算中心的運營和盈利模式也將逐步清晰和完善。同時，政府和企業也需要加強合作，共同推動智算中心的建設和發展，為人工智能產業的快速發展提供有力支撐。
