算力租金涨48%，AI抢的不只是显卡

当你在手机上让AI写一段文案、生成一张图片时，可能不会想到，每一次交互都在推高远在数据中心里的一块显卡的租金。2026年3月，单块英伟达H100显卡的小时租金从半年前的1.7美元涨到2.35美元，涨幅近40%；更先进的Blackwell芯片，两个月内租金从2.75美元跳涨到4.08美元，涨幅48%。这不是普通的硬件涨价，而是一场席卷芯片设计、制造、租赁全产业链的算力争夺战——而每一个AI用户，都是这场战争的间接参与者。为什么一块显卡的租金能疯狂上涨？这背后藏着AI产业最核心的供需矛盾。

从卖显卡到卖token：算力计价的底层逻辑

你可以把AI模型想象成一个超级印刷厂，token——就是AI处理的最小语言单位，比如一个字、一个词——就是印刷厂的纸张。以前AI只需要印传单，用普通纸就行；现在要印全彩画册、甚至3D立体书，不仅纸要更高级，用量还翻了几十倍。OpenClaw这类多模态模型的普及，让全球token消耗量在一年里涨了130倍，直接把印刷厂的“纸”给抢空了。

而GPU，就是印刷厂的印刷机。以前按“台”卖机器，现在变成按“小时”卖印刷时间——这就是算力租赁的本质。但租金的涨跌，早就不是由显卡的制造成本决定了：它看的是你要印的“书”有多复杂，要消耗多少“纸”，以及市面上还有多少空闲的“印刷机”。

一组更直观的数字：现在训练一个顶尖大模型，要消耗的算力相当于10万台H100显卡连跑一年；而全球能投入使用的H100，满打满算也不到百万台。当需求的增长速度是供应的10倍，租金的上涨就成了必然。

产业链的紧绷：从台积电到“算力二房东”

这场算力荒的传导链，从最上游的芯片制造就开始了。台积电董事长魏哲家说，AI芯片的需求已经“把所有设备都调动起来”，但供应还是紧张——他们的3nm生产线24小时连轴转，订单已经排到了2028年。英特尔CEO陈立武则直接放话：半导体行业的潜在市场规模，已经逼近1万亿美元，而AI就是最大的增长引擎。

芯片不够，租赁市场就成了“算力黄牛”的舞台。现在的租赁市场分成了三层：大型云厂商握着最核心的GPU资源，只给大客户签3年以上的长约；专业租赁商像“二房东”一样，把整批租来的显卡拆成小时段转租给中小客户；甚至有人把闲置的家用GPU也挂到平台上，凑成分布式算力池。

但这种“灵活”的背后是浪费：Cast AI的报告显示，企业手里的GPU平均利用率只有5%，95%的资源都在闲置。一边是中小团队抢不到算力，一边是大公司把显卡囤在机房吃灰——这不是真的供应不足，而是算力资源的分配出了问题。

算力的未来：从稀缺到标准化的长征

现在的算力市场，像极了20年前的互联网——没有统一的计价标准，没有质量评级，甚至连一份靠谱的租赁合同都没有。你租到的H100，可能因为生产批次不同，性能差了38%；同样是“一小时算力”，不同平台的价格能差出10倍。

行业已经在试着改变：Trillium Technologies把算力使用权打包成证券化产品，在交易所挂牌交易；有些平台开始用“token消耗量”来计价，而不是单纯的时间。更重要的是，国产算力正在跟上——DeepSeek的新模型和华为昇腾完成适配，意味着未来市场不再只有英伟达一个选项。

但这些改变都需要时间。芯片厂的新生产线要3年才能投产，数据中心的电力扩容要等电网改造，统一的算力标准更是需要全行业协商。在那之前，算力的稀缺还会持续，每一次AI的进步，都还会让显卡的租金再跳一次。

当我们谈论AI的未来时，其实是在谈论算力的未来——它不是实验室里的技术参数，是每一个创业者的研发成本，是每一个AI用户的使用门槛，甚至是国家之间科技竞争的核心筹码。

英伟达的市值突破5万亿美元，不是因为它造了最好的显卡，而是它握住了AI时代最稀缺的资源。但稀缺从来都是暂时的，就像20年前没人会为了一条宽带线抢破头，未来的算力也会像水电一样成为基础服务。

算力的价值，从来不在显卡本身，而在它能驱动的创新。