近日，国内多家智算中心与算力租赁服务商密集调整GPU租赁报价，部分平台将H系列整机月租价格下调约一成至两成，国产AI加速卡的报价同步走低，租赁市场正经历一轮明显的价格博弈。与去年训练卡"一卡难求"的局面不同，此轮降价的核心推力来自需求结构的迁移——大模型推理调用量的快速增长，正在重塑算力资源的配置逻辑。
从需求侧看，DeepSeek系列模型持续开源并带动大量企业私有化部署，智谱GLM系列、月之暗面Kimi、阿里通义千问以及字节豆包等产品的日调用量均处于高位。其中Kimi在长文本场景下的上下文长度优势，使其单次请求的显存占用显著高于常规对话模型；豆包依托字节系应用矩阵，推理请求呈现高并发、短时延的特征。这类负载对算力集群的要求，已从"堆叠峰值算力"转向"稳定吞吐与低成本调度"。多位从业者反映，客户询价时更关注每百万token的推理成本，而非单纯的卡时单价。
供给侧的变化同样明显。一批新建智算中心在近两年陆续投产，国产算力占比提升。昇腾、寒武纪等国产加速卡在推理场景的适配度持续改善，部分模型厂商已完成国产卡上的量化部署与算子优化，使得国产卡在推理任务中的性价比优势逐步显现。这直接压缩了高端进口卡的溢价空间，也促使租赁商将老旧训练集群改造为推理池，通过混布调度提高利用率。
值得关注的是，算力租赁的商业模式正在分化。一类服务商聚焦"裸金属+高速互联"，面向仍在大规模预训练和微调的团队，强调集群规模与网络带宽；另一类则转向MaaS（模型即服务）形态，把算力封装成按token计费的API，客户无需关心底层卡型。后者的毛利更依赖调度效率和模型优化能力，而非硬件价差。有平台已推出针对推理的弹性实例，支持按分钟计费、自动扩缩容，瞄准中小开发者的碎片化需求。
价格战背后也存在隐忧。部分区域智算中心上架率不足，盲目扩建导致资源闲置；同时，推理负载的波峰波谷差异大，纯租赁模式难以平滑收益。业内普遍认为，下一阶段的竞争焦点将集中在三处：一是推理优化能力，包括量化、蒸馏、KV缓存复用等技术的工程化落地；二是跨区域算力调度网络，把东部的高并发请求与中西部的低成本电力资源对接；三是与模型厂商的深度绑定，通过联合优化获得更低的单位token成本。
对开发者和企业用户而言，此轮价格调整带来的是实打实的成本下降窗口。但选型时仍需关注隐性成本：网络时延、存储带宽、模型迁移的适配工作量，以及服务商的SLA稳定性。算力资源正在从稀缺品走向可比较、可议价的标准化服务，谁能把"每块钱买到多少有效推理吞吐"这件事讲清楚，谁就更容易在这一轮博弈中留住客户。
标签：算力租赁,推理算力,智算中心,国产芯片,大模型