算力租赁专题报告：Neocloud引领算力租赁发展，国内市场发展可期

行业研究·行业专题 通信 投资评级：优于大市（维持评级） 证券分析师：袁文翀021-60375411yuanwenchong@guosen.com.cnS0980523110003 证券分析师：张宇凡021-61761027zhangyufan1@guosen.com.cnS0980525080005 投资摘要 全球算力景气度延续，随着英伟达GB系列高密度算力机柜加速出货，全球高端算力景气度进一步提升。当前AIGC浪潮下，全球服务器出货量持续增长，咨询机构IDC预计2028年全球人工智能服务器市场规模有望达到2,227亿美元，其中生成式人工智能服务器占比将从2025年的29.6%提升至2028年的37.7%。从需求端来看，模型迭代加速背景下训练端需求仍维持高位，推理侧需求随着应用的渗透逐步提升；从供给端来看，以英伟达B/Rubin、AMD MI系列为代表的高性能算力芯片持续迭代，2025年下半年GB300有望加速交付。根据CSP厂商的Capex指引，预计2025年，海外亚马逊、谷歌、微软、Meta四家厂商合计Capex增至3610亿美元，同比增幅超58%；国内字节、腾讯、阿里Capex有望超过3600亿元，AI发展高景气度延续。 GPU云(算力租赁)或解决目前全球高端AI芯片紧缺问题，GPU云(算力租赁)市场快速发展。在大模型军备竞赛的背景下，各大厂加速万卡甚至十万卡集群建设。Meta、微软&OpenAI、xAI等多家AI巨头陆续宣布或者完成10万卡集群建设，国内通信运营商、头部互联网、大型AI研发企业等均发力超万卡集群的布局。然而在全球高端AI芯片供给紧缺背景下，以租赁代替购买的商业模式应运而生，租赁模式因地制宜且性价比更高。云计算市场历经传统云、混合云阶段后，正在迎来第三次分化浪潮——AI智算云NeoCloud，即GPU云(算力租赁)，预计到2033年全球GPU云(算力租赁)市场规模将增至128亿美元(Verified Market Research预测)。 AI芯片巨头正在通过GPU云(算力租赁)商业模式布局全球市场，国内GPU云市场发展值得期待。（1）全球市场来看，英伟达以股权或合作方式辅助GPU云厂（CoreWeave、NBIS、Omniva等）发展，巩固其在高端芯片领域的全球主导地位。三家GPU云厂覆盖区域和发展规模虽有不同，但均受益GPU云市场的高景气度，处于快速增长期，2025Q2CoreWeave和NBIS营收增速分别达到207%/625%。（2）国内方面，国产AI芯片目前主要支持推理业务，部分训练场景英伟达高端AI芯片性能表现更优；国内外算力政策有差异，同时以OPEX租赁算力方式实现训练业务或具备更高性价比，国内算力租赁企业迎来发展契机。目前国内算力租赁企业的租赁回报较为可观，测算净利率或达15%，与海外GPU云(算力租赁)的商业模式和发展前景具有部分相似之处。 投资建议：AI算力景气度持续，短期看，GPU云(算力租赁)或为解决高端算力供需不匹配的核心解决方案；长期看，GPU云(算力租赁)具备灵活、低成本的解决方案，渗透率有望持续提升。推荐关注国内GPU云相关企业，建议关注【润建股份】及相关产业公司。 风险提示：AI发展及投资不及预期，行业竞争加剧，全球地缘政治风险，新技术发展引起产业链变迁。 目录 算力高景气度延续，英伟达AI芯片仍领先市场01全球高端算力资源稀缺，GPU云市场价值显现02新GPU云厂商与英伟达深度合作，算力租赁市场快速增长03我国高端算力需求旺盛，国内算力租赁市场未来可期04投资建议05 第一章算力高景气度延续，英伟达AI芯片仍领先市场 AIGC浪潮下，人工智能算力市场规模有望持续扩大 全球人工智能服务器市场规模持续增长，生成式人工智能服务器占比不断提升。IDC数据显示，2024年全球人工智能服务器市场规模预计为1,251亿美元，2025年将增至1,587亿美元，2028年有望达到2,227亿美元，其中生成式人工智能服务器占比将从2025年的29.6%提升至2028年的37.7%。 我国人工智能服务器市场规模持续扩大，2025-2028年CAGR达到31%。随着我国大模型的迭代和人工智能应用兴起，高性能计算资源的需求显著提升，人工智能服务器作为核心基础设施，市场规模持续扩大。2024年中国人工智能算力市场规模达到190亿美元，2025年将达到259亿美元，同比增长36.2%，2028年将达到552亿美元，2025-2028年CAGR为31%。同时，推理侧与训练侧市场均呈现扩张态势，推理侧占比显著提高、增速更快。当前推理场景的需求日益增加，推理服务器的占比有望显著提高。2024年我国推理占比为65%，预计到2028年，推理工作负载占比将达到73%。 资料来源：IDC，国信证券经济研究所整理 资料来源：IDC，国信证券经济研究所整理 资料来源：IDC，国信证券经济研究所整理 资料来源：IDC，国信证券经济研究所整理 算力供给持续优化：GB300预计于2025年Q3交付 GB300服务器拥有超级算力，助力企业训练和运行AI软件。1）GB300芯片是定位为高性能计算与AI推理的旗舰产品。2025年3月18日，GTC大会发布GB300芯片，该芯片基于NVIDIA Blackwell Ultra架构。NVIDIA Blackwell架构GPU拥有2080亿个晶体管，采用专门定制的台积电4NP工艺制造，且所有NVIDIA Blackwell产品均采用双倍光刻极限尺寸的裸片，通过10TB/s的片间互联技术连接成一块统一的GPU。2）GB300 NVL72系统是行业首款达到ExaFLOPS级别的企业级算力设备。系统内建72个英伟达Blackwell Ultra GPU和36个基于Arm架构的英伟达Grace CPU，理论算力可达1万亿次浮点运算/秒，掀开全球AI基础设施升级的新篇章。 GB300首批已出货至Core Weave，预计2025Q3开始放量。7月3日，美国Core Weave公司宣布已收到市场上首个基于英伟达GB300的人工智能服务器系统。该系统采用戴尔PowerEdge XE9712服务器，以Nvidia GB300 NVL72作为基础。CoreWeave计划在今年内持续扩大Blackwell Ultra服务器的部署规模，以满足客户不断增长的AI计算需求。除戴尔外，其他服务器厂商正推动GB300服务器出货。广达资深副总暨云达总经理杨麒令表示，GB300目前按计划推进，正在测试并与客户进行验证，预计2025年9月出货。 资料来源：芯智讯官微，国信证券经济研究所整理 资料来源：CoreWeave官网，国信证券经济研究所整理 算力供给持续优化：Rubin预计于2026-2027年量产 英伟达最新一代R系列芯片在高强度AI训练和推理任务中更具优势。英伟达持续优化和迭代GPU,R100将采台积电的N3制程(vs. B100采用台积电的N4P)与CoWoS-L封装(与B100相同)。与此同时，R100采用约4x reticle设计(vs. B100的3.3x reticle设计)。这一工艺进步增强了R100的能效比，巩固英伟达市场领先地位。 •2026年，Vera Rubin 144架构将量产，AI算力正式迈入Exascale时代。英伟达CEO黄仁勋在GTC 2025大会确认，Vera Rubin 144将于2026年下半年推出。Vera Rubin144包含144个Rubin GPU和多个Vera CPU，采用液冷Oberon机架，功耗600kW，提供3.6 ExaFLOPS的FP4推理性能和1.2 ExaFLOPS的FP8训练性能，其性能约为Blackwell GB300 NVL72的3.3倍。 •2027年，Rubin Ultra NVL576架构将量产，推动英伟达算力进一步突破。GTC2025大会，黄仁勋表示，该架构包含576个Rubin Ultra GPU，FP4推理性能达15 ExaFLOPS，FP8训练性能达5 ExaFLOPS，其性能约为Blackwell GB300 NVL72的14倍。 资料来源：NVIDIA官网，国信证券经济研究所整理 资料来源：NVIDIA官网，国信证券经济研究所整理 资料来源：NVIDIA官网，国信证券经济研究所整理 训练侧算力供给持续优化：AMD新品MI350与B200性能相当 2025年6月12日，AMD公布新产品AMD INSTINCT MI350系列GPU的研发计划。MI350系列包括“MI350X”（风冷）和“MI355X”（液冷），将于今年三季度通过云服务公司以云服务器的形式提供给终端用户，2026年则将推出下一代产品“MI400”。 第五代EPYC（Turin）芯片助力MI350算力提升。通过搭配AMD第五代EPYC（Turin）芯片，8个GPU通过153.6 GB/s的双向Infinity Fabric链路进行通信，可以组成一个节点。这些节点还将继续组合成风冷或液冷机柜，形成最高128GPU的集群，FP8算力达到1.3EFLOPs。 训练和微调上，MI350系列拥有更高性能。1)相比MI300X大幅提升，Llama 2 70B微调：在FP8精度下，MI355X的性能是B200的1.1倍、GB200的1.13倍。2)拥有和B200/GB200相当或更高的性能。Llama 3 8B/70B预训练：MI355X在FP8精度下相比前代MI300X分别提升160%和250%，与B200性能相当。 Oracle云基础设施(OCI)宣布将提供泽塔级AI集群，配备多达131,072个MI355X GPU，使客户能够大规模构建、训练和推理AI。 资料来源：AMD，国信证券经济研究所整理 资料来源：AMD，国信证券经济研究所整理 资料来源：AMD，国信证券经济研究所整理 Deepseek推动AI降本、开源，推理算力需求快速提升 DeepSeek成本低且训练高效，性价比优势显著。DeepSeek于2024年12月和2025年1月分别发布V3训练和R1推理模型，Deepseek-V3的训练使用2048块英伟达H800 GPU，花费558万美元，成本不到其他顶尖模型的十分之一。DeepSeek R1训练算力只有Llama3的1/10，推理阶段缓存数据量降低了50倍。而根据DeepSeek性能测试，在数学任务中，DeepSeek-R1的表现与OpenAI-o1-1217相当，并远超其他模型。 DeepSeek推动开源趋势，加速推理侧爆发。IDC预测，2025年，将有55%的企业使用开源人工智能基础型开发应用程序。DeepSeek使企业可以使用水平相当的开源模型，大幅降低了企业的训练和部署成本，使得更多开发者能够负担先进人工智能开发的费用，加速人工智能的普及。 杰文斯悖论指出，当技术进步提高了资源利用效率时，该资源的总消耗量反而可能会增加，Deepseek带来的效率优化不仅未抑制算力需求，反而带来算力需求的增长。同时，DeepSeek通过技术普惠化、场景纵深化和算力泛在化三重路径推动大模型运用，加速推理侧需求的爆发。 资料来源：Daya Guo, Dejian Yang等，《DeepSeek-R1:Incentivizing Reasoning Capability in LLMs via ReinforcementLearning》，arXiv，2025，卷（2501.12948）1-1 资料来源：Daya Guo, Dejian Yang等，《DeepSeek-R1: IncentivizingReasoning Capability in LLMs via Reinforcement Learning》，arXiv，2025，卷（2501.12948）13-13 全球大模型tokens消耗量加速增长 全球Tokens消耗量加速增长，推理侧算力需求快速提升。1