案例背景
2026年11月12日，经济观察网刊发《AI算力「收租生意」新玩法》一文，披露算力租赁行业正在出现的商业模式变革：手握上百亿元订单的算力服务商周咏（化名）自今年二季度末起，主动找上大客户，把长期执行的GPU算力固定机柜租赁服务费降下来，换成一份跟随人工智能Token（AI工作量计量单位）调用量增长的收益分成方案。这不是孤例——已有算力服务商跟进类似做法，有企业在合同中将固定服务费下调约一成，Token收入分成则上调逾两倍。消费端信号也在同步传递：今年「双十一」大促期间，头部主播直播间半小时卖出近十万份大模型Token月卡，约两万亿个Token被普通消费者买单。
与此同时，据第一财经同日报道，AI算力租金一年间大幅上涨、甚至出现翻倍行情，AI时代的基础研究成本水涨船高。一边是租金上涨的卖方市场，一边是服务商主动让渡固定收益换取分成资格，算力这门「收租生意」的计价逻辑正在被改写。
核心分析
一、从「按硬件计价」到「按产出分成」：收入结构的重构
传统算力租赁围绕硬件计价，按机柜、GPU时长或算力用量收费，出租方按资源使用情况收取固定服务费，与下游业务表现无关。新模式的核心差异在于「保底＋Token超额分成」的两层结构：一层是基础固定服务费，保留收入确定性；另一层是Token分成，分享推理业务增长的增量收益。以周咏所在企业为例，某客户原纯固定长租模式下每年刚性算力支出约1.20亿元，新合同将基础保底服务费下调约一成至1.08亿元，客户月度Token调用量突破约定阈值后，超出部分按约定比例额外分成；按中性情景测算，若推理调用量稳步抬升，服务商全年综合收入有望较原方案上浮20%至50%。值得注意的是，分成按算力单元约定固定金额，并不直接随客户营业收入浮动——出租方押注的不是模型厂商赚了多少钱，而是机器实际跑过多少Token。
二、风险共担与深度绑定：一种「类REITs化」的收益权安排
从财务视角看，这种调整本质是长期订单内部收益结构的重构：以压缩固定保底收益为对价，换取分享下游推理业务增量收益的资格，具有类REITs化的特征——把基础设施的稳定租金现金流，部分转化为挂钩底层业务量的收益权。算力房东最怕设备空转，客户最怕业务尚未跑通就背上高额固定成本，分成模式让双方共同承担不确定性，形成「风险共担、收益共享」的治理结构。客户侧也出现组合策略：头部大模型公司采用混合算力架构，自有集群承接核心稳定业务，外部算力弹性扩容，固定长租为成熟业务锁定成本，按量资源服务流量波动大的Agent场景。但绑定是双向的——业务数据和Token计量口径深度绑定后，更换供应商的迁移成本显著上升，这实际上构建了更强的客户锁定机制。
三、模式的边界：金融约束与刚性成本的考验
新模式并非没有边界。资金端最先收紧：银行认为算力租赁项目风险明显高于普通制造业，会提高风险溢价，要求设备抵押、实控人连带担保、应收账款质押等组合增信，且强调「第一还款来源是下游真实业务现金流」，GPU数量本身不代表偿债能力；部分跨界企业披露大额算力合同后出现提前终止或监管问询，更使银行关注企业主业安全垫与合同履约质量。供给侧的约束同样现实：AI芯片迭代周期约一年半至两年，会计折旧周期可达三四年，但商业可用生命周期往往更短，二手设备流通市场尚不成熟，若硬件实际产出不及预期，租赁商的分成收入收缩，而折旧、电力、运维等刚性开支不会停止。因此，业内判断分成会成为行业的重要补充模式，但短期内难以完全替代一口价长租，目前仍集中在推理业务占比高、调用量具备增长预期的头部战略客户中试点。
管理启示
第一，基础设施类企业的商业模式正从「资源出租」走向「收益分成」，定价锚点从占有资源转向客户业务产出，管理者应重新思考收入结构中固定与浮动的配比。第二，让渡部分确定性收益换取深度绑定与增长期权，是一种以短期现金流换长期客户价值的战略博弈，前提是对下游业务量有审慎的情景测算。第三，需求端结构变化（Agent调用的快速增长）是商业模式创新的源头，B2B企业应敏锐捕捉客户成本结构与风险偏好变化的信号。第四，重资产新业态的融资可得性取决于现金流的可验证性：真实合同、实际上架率与回款流水，比资产规模更能说服资金方。
其他思考
- 当算力服务商的收入与客户Token调用量绑定后，双方是否会产生「刷量」等代理问题？计量口径与审计机制应如何设计？
- 「保底＋分成」模式与云计算行业的按量付费、收益分成合同（如特许经营）有何异同？它更接近哪一类经典商业模式的变体？
- 若下游AI应用增长不及预期，算力租赁行业会不会出现类似通信业「产能过剩—价格战」的周期？服务商应如何设置退出与止损条款？
关键词：算力租赁、Token分成、商业模式创新、风险共担
来源：经济观察网（2026年11月12日）、第一财经 | 整理：经管大课堂
原文链接：https://www.rcbom.com/aibps/7257.html
