2023年，人工智能产业链成了新一轮科技革命和产业变革的“必争之地”。大语言模型以及相关应用的发展，使得神经网络相关算力需求呈现几何式增长。
行业发展初期出现这样的需求增速是十分惊人的。根据英伟达与微软联合发布的论文，理论情况下用1个月训练出1750亿参数大模型需要1024张A100，而训练万亿参数GPT-4所需的A100卡可能达到万张量级。上游AI算力资源作为重要支撑，相应商用算力芯片本身的生产无法跟上动辄数倍甚至数十倍的需求增长，一时间GPU硬件成为了难以获得的资源，因此大模型算力租赁也就成为了很多企业入门的首选。而租赁的方式也使得企业的初始启动资金大幅降低，潜在客群范围得到扩大。
此外，10月美国的新一轮禁令使得国内的算力资源更加紧张，当前已经出现了“抢单”算力的情况，一时间租赁市场的价格也随着供需的紧张而水涨船高，更是出现一个月上涨50%的情况，相关上市公司也因此受到市场追捧。
回到生意，算力租赁这个行业是十分成熟的产业，商业模式也相对明晰和简单，大量的不可变成本构成了相对较高的经营杠杆。通常，在算力建设之前就会找到部分相对稳定的客户签订长单，用以平抑经营风险覆盖固定成本，剩下的算力会通过中小客户填补，期限相对较短、价格随行就市。
本质上来说，算力租赁赚的钱和其他资产租赁业务一样，收入的名目是租金，但对其盈利能力带来巨大影响的实质是资产价格的变化。因此只有具有长期稀缺性的环节，才会产生超额回报。否则，这样长久期的资产回报差异将只能通过成本控制、服务能力等细节获取，通常并不容易。IDC(互联网数据中心,Internet Data Center)就是十分典型的例子，稀缺的资源是核心盈利壁垒。
回到人工智能所需算力领域，目前来看约束条件在于硬件，也就是能够用于模型训练的GPU十分有限。但对于数字算力芯片而言，硬件的约束往往都并不牢靠。这样巨大的利益之下，产能释放只是时间问题。如若只考虑国内，在美国的禁令下紧张缓解的过程可能会有些曲折，但也并非无法突破。因此从更长时间的维度来看，算力资产的稀缺性难以维持。但在这个过程之中，相关企业的盈利弹性还是极高的，毕竟很多客户的需求是刚性的、甚至是不那么衡量回报的。
可见，不同的投资逻辑与不同的视角，对于算力领域投资的选择是差异很大的。
$中泰开阳价值优选混合A(OTCFUND|007549)$
$中泰星宇价值成长混合A(OTCFUND|012001)$
$中泰兴诚价值一年持有混合A(OTCFUND|010728)$
以上观点仅代表当下观点，且不构成投资建议。
本文作者可以追加内容哦 !
