通信行业深度报告：云厂商仍保持算力高需求，算力租赁需求有望边际向上

　　投资要点

　　算力租赁与IDC在算力生态中互补共存，两者的核心区别可分为资源控制权、服务内容与成本结构三方面：算力租赁是“购买服务”模式，用户无需自购硬件，即可通过租赁GPU集群等计算资源获得算力，所有硬件和技术迭代由服务商负责，按需付费模式也更具灵活性，适合短期弹性需求与技术更新较快的场景；IDC则属于“自建或租赁基础设施”模式，用户需持有或自行租用机柜、电力、网络等资源，并自行管理服务器、存储设备及应用部署，前期投入较高但更利于长期稳定业务，亦适合需要高度数据控制和安全保障的企业。总体而言，算力租赁强调“算力即服务”的轻量化输出，IDC则提供“重资产持有+基础设施服务”，两种模式在不同需求场景下发挥优势，形成互补的算力服务体系。

　　云厂商逐步向DeepSeek的效率与成本对标，训练仍有高需求。以DeepSeek为代表的顶尖AI公司，通过算法-硬件协同设计，如稀疏化训练、混合精度优化及分布式训练框架升级（如3D并行策略），云厂商对算力租赁具有明确需求，其核心逻辑在于灵活应对算力需求波动、降低硬件投入成本、优化资源利用率。Agent（智能体）对算力的需求提升主要源于其渗透率、日均调用次数及任务复杂度的三重增长。例如企业端因AI应用扩展（如智能制造、金融分析）开始自建模型训练，进一步加剧算力压力——例如DeepSeek单日推理调用2500万次，需1814张H800芯片支持。在这种双重驱动趋势下，算力需求从训练端开始向推理端迁移。

　　供给端硬约束下，因稀缺性溢价与成本传导机制，算力租赁仍有涨价空间。美国对华芯片出口限制持续加码，英伟达H100/H20等高端GPU对华供应被严格限制。英伟达H20禁售后，H800服务器单价持续逐步涨价，硬件端的成本压力已经传导到租赁端。根据《智能计算中心创新发展指南》,2022年我国智能算力规模快速增长，达到268百亿亿次每秒(EFLOPS)，超过通用算力规模，预计未来5年中国智能算力规模的年复合增长率将达52.3%。

　　IDC行业的竞争本质是资源禀赋争夺战，算力租赁的核心在于GPU资源的规模和渠道稳定性。IDC核心壁垒在于获取一线城市及周边地区的土地资源与能耗指标，并通过绿色节能技术降低运营成本。政策要求数据中心PUE逐步降低，且在绿色电力比例要求下，一线城市能耗指标审批趋严，数据中心逐步向其他非一线城市部署。算力租赁行业的竞争力取决于GPU囤积规模与获卡渠道稳定性，尤其在英伟达高端芯片如H100、H20供应受限背景下，资源垄断性成为关键。国产替代（如华为昇腾910B）虽加速，但性能仍有差距，短期内无法完全替代英伟达系芯片单次大模型训练需消耗千卡级GPU集群。

　　相关标的：润建股份、大位科技、利通电子、朗科科技、润泽科技、光环新网、铜牛信息、中贝通信、恒润股份、海南华铁、奥飞数据、弘信电子。

　　风险提示：技术发展不及预期，中美地缘政治风险，行业竞争加剧。