算力租赁：推理需求持续释放，智算服务进入规模化发展阶段
思瀚产业研究院    2026-09-08

1. AI 算力需求由训练向推理延伸，智算需求持续扩张

AI 应用加速落地推动国内智算需求持续扩张，算力消费正由集中式模型训练向更加持续的推理需求延伸。IDC 数据显示，2025 年中国智算云基础设施服务市场规模达到486.7 亿元，同比增长 128%，预计到 2028 年市场规模将超过 1,000 亿元；其中，互联网、大模型服务和汽车仍是主要采购力量，制造、医疗和政务等行业的部分项目已由试点采购逐步转向常态化租赁。IDC 定义下，AI IaaS 包括 GPU 实例、AI 专属集群及相关AI 存储服务，能够较好反映国内智算云基础设施服务需求的增长趋势。

推理正在成为智算需求增长的重要驱动力，并改变企业对算力资源的使用方式。IDC 与中国信通院于 2026 年 7 月发布的联合调研显示，八成以上受访企业用于训练工作负载的 AI 算力占比低于 50%；按照样本加权平均计算，企业训练与推理工作负载对应的 AI 算力约呈“四成训练、六成推理”的结构；其中，政府和制造行业约三分之二的 AI 算力已用于推理。相较于阶段性、集中式的大模型训练，推理需求伴随用户调用和业务量持续发生，在线推理场景往往具有高并发、低延迟和负载弹性波动等特征，对算力资源的持续可用性及灵活扩容能力提出更高要求，从而有望推动按需调用、算力租赁等服务模式进一步发展。

2. 自建与租赁长期并存，弹性需求打开算力服务空间

企业算力部署并非简单在“自建”和“租赁”之间二选一，混合部署正在成为企业获取 AI 算力的重要方式。IDC 于 2026 年 6 月开展的智算云服务市场企业用户调研显示，85.8%的企业采用“外部 AI 算力服务+自建数据中心”的混合架构：企业通常通过自有资源承载数据安全要求较高、使用频率较高且相对稳定的核心工作负载，同时借助外部 AI 算力服务满足突发峰值、短期研发和模型微调等弹性需求。因此，算力租赁并非简单替代企业自建数据中心，而是与自建算力形成互补，为企业提供更具弹性的算力资源配置方式。

算力需求规模是决定企业自建还是采购外部服务的重要因素，100P 左右逐渐成为两种部署模式的关键分界。根据 IDC 与中国信通院于 2026 年 7 月发布的联合调研，超过 85%的受访企业使用 26-100PFLOPS 规模的 AI 算力，该区间能够覆盖中小参数模型后训练、企业级推理及数据密集型 AI 应用；由于相关业务通常具有阶段性和波动性，全年算力使用起伏较大，自建投入回报率相对较低，因此企业更倾向于采购公有智算云服务。

中国信通院调研进一步显示，100P FP16 等效算力是企业规模化自建与采购外部算力服务的重要分界：当算力需求超过 100P 时，大型央企、头部金融机构及互联网企业自建意愿明显增强；而需求处于几十 P 级别时，企业则更倾向于采用服务商提供的共享或独享算力服务。

弹性需求叠加交付效率要求，进一步强化了专业算力服务商的配置价值。随着 AI应用加速落地，企业算力需求呈现更强的阶段性和弹性特征，突发峰值、短期研发和临时模型微调等场景对算力资源的快速获取能力提出更高要求。相较于企业自行建设算力基础设施，外部算力服务能够依托已部署的资源池实现算力即开即用和弹性伸缩，缩短从业务需求产生到算力可用的时间。预制化、模块化建设进一步提高了智算基础设施的交付效率。

石家庄人工智能计算中心从项目推进到正式落成投运约 4 个月；武汉超算中心采用预制化模块建设，从开工到基本建成约 6 个月。浪潮信息元脑“算力工厂”采用预制化 AIDC 方案，从建设到投运仅 120 天，同等规模智算中心建设周期由 18 个月缩短至 4 个月。随着算力基础设施建设和资源交付效率持续提升，专业算力服务商有望更好承接企业快速增长及阶段性波动的算力需求。

3. 运营效率成为竞争关键，全栈协同提升有效

算力产出随着国内智算基础设施持续扩容，行业竞争重点正由算力资源规模逐步转向有效算力产出和资源运营效率。IDC 调研显示，近半数企业的智算资源利用率处于 51%-70%区间，仍有 6.7%的企业仅为 31%-50%；相比之下，部分头部企业凭借算力调度平台、精细化资源管控及全栈协同优化，核心集群利用率已经突破 80%。这意味着，在硬件资源完成部署后，如何通过统一调度和资源池化提高算力利用率，将直接影响单位资产能够承载的业务量以及整体运营效率，算力服务的价值也正由资源供给进一步向精细化运营延伸。

智算基础设施的效率瓶颈也正由单一硬件供给向网络、存储、软件和资源调度等全链路能力延伸。IDC 与中国信通院联合调研显示，部分自建智算项目虽然已经完成服务器、GPU 等硬件部署，但由于缺少统一算力调度平台、资源池化管理系统和动态资源分配机制，仍存在较明显的资源浪费。联合调研及实测进一步显示，相较于多厂商软硬件零散组合，采用全栈 AI 云服务厂商产品组合的项目，Token 产出效能提升超过 20%，即相同场景下单位算力对应的日均 Token 调用量明显提高。因此，未来算力服务行业的竞争将不再局限于机柜、服务器和算力卡数量，而将进一步转向算力调度、网络与存储协同、模型适配及运维管理等综合能力的竞争。

政策层面亦在推动公共算力资源由分散供给向互联互通和高效调度演进。2025 年工信部印发《算力互联互通行动计划》，提出到 2026 年建立较为完备的算力互联互通标准、标识和规则体系，并实现跨主体、跨架构、跨地域的算力供需调度；2026 年进一步推进“1+M+N”国家算力互联互通节点体系建设，通过国家、区域和行业节点以及“统一标识、统一标准、统一规则”的运行机制，实现公共算力资源的标准化互联、资源汇聚和算力选择。随着算力互联和调度体系逐步完善，分散算力资源有望获得更广泛的需求匹配，国内算力服务商业模式亦有望由单一资源出租向资源调度及综合算力服务进一步延伸。