2026年GPU租赁的单价，跌得比股价还快
如果你只看抖音上的"算力租赁暴跌"广告，很容易得出一个结论：现在不租就是亏。但把阿里云、华为云、第三方平台2026年第二季度的实际报价拉出来一比，事情没那么简单。
据知乎专栏《2026 国内GPU 算力租用平台怎么选？》整理的数据，国内GPU算力租赁市场规模已突破2600亿元（来源：zhuanlan.zhihu.com/p/2016923414313608312），但具体到型号，价格还是分得很细：
- H100（80GB SXM）：阿里云按量计费约 9.5 元/卡时，包月优惠价落到 6.5 元上下；华为云略高 5–8%，但在长三角节点上有时给的配额更稳。
- H200：国内主流云仍以包月为主，单卡包月接近 14 万元，已经接近"一卡一价"。
- B200 / Blackwell：到2026年7月，能稳定供给的只有阿里云、腾讯云和少数第三方平台（如并行、青云），按量价格大约是 H100 的 2.2 倍，但保存模型权重同时跑一机多卡时，吞吐优势接近 3 倍。
- 国产替代卡（昇腾 910C、寒武纪思元 590）单机价格压到 H100 的 40% 左右，但软件栈成熟度差一档，训练任务经常要重写通信库。
新华网客户端《算力大变局》一文里提到，2026年3月17日GTC大会上黄仁勋公开预测"2027年至少有1万亿美元的需求"，而中国则提出"超大规模智算集群、算电协同等新基建工程"（来源：app.xinhuanet.com）。需求侧的判断和价格侧的实际走势，方向并不完全一致。
抛开单价，算力账本里最贵的那一行
企业真正会被卡住的，从来不是卡时单价，而是下面几项容易被忽略的成本：
1. 电费与机房摊销。 一张 H100 满载功耗大约 700W，B200 普遍在 1000W 起。一台 8 卡服务器加上散热和冗余电源，整机功耗突破 11kW。北上广一线机房电费按 1.0 元/度算，单台服务器一年光电力就要 9.6 万元，这是租赁合同之外的隐性支出。
2. 带宽和存储。 训练一个千亿参数的垂直模型，3–5 个 checkpoint，每个动辄 2TB。光是把这些权重在云内不同可用区之间搬运一次，就可能产生数千元流量费用；而企业自建集群则要面对 NAS、并行文件系统的采购与运维。
3. 退订与折旧。 GPU 卡的摩尔折旧速度比 CPU 更快，去年买的 H100 今年出租价已经跌了 30%。这意味着自建集群的"沉默成本"在 18 个月后开始拖累账目。
4. 工程师时间。 一个能搞定 InfiniBand 调优和 NCCL 通信的工程师，年薪至少 60 万起步。如果只为了 6 张卡专门雇一个，机时费不到就把人件费吃回来了——这正是中小企业算账时最容易漏掉的一项。
三个真实场景，对应三种算力选择
不要照搬"租比买划算"或"买比租稳"，分场景看会更清楚：
场景一：广告素材生成，月均推理 12 万次
某家电品牌在 2026 年初上线了一套图生图营销流水线，单次推理 H100 约 1.2 秒，B200 约 0.5 秒。按阿里云按量计费跑 12 万次：
- H100：约 3800 元
- B200：约 6200 元
但 B200 因为吞吐高，整体排队时间缩到 1/3，对应营销节奏更紧的双十一节奏，最终能多出约 8% 的有效产出。结论：租用 B200，搭配按量计费，剩下的预算买更好的文案模型权重。
场景二：中等规模微调，单次训练 80 GPU·天
一家做医疗影像的初创公司，每两个月要微调一次 7B–13B 参数的视觉模型。80 卡·天的量，自建 8 卡 H100 集群需要跑 10 天，摊上工程师时间，实际占用 1.5 个工程师周。
- 阿里云包月 8 卡 H100：约 38 万/月，按需折算单次微调成本约 12.6 万元
- 自建 8 卡 H100：硬件 280 万 + 电费 ≈ 24 万首年 + 工程师 20%，首次投入至少 350 万
换算下来，不到 2 年单次任务的预期成本，租赁就追平自建。然而医疗类项目平均寿命常常跑不到两年——这正是《通专融合落地：医疗专有模型如何避免通用底座拖后腿》里三甲医院踩过的同一个坑（参见医疗专有模型一文）。结论：短期项目优先租，长期项目优先买，但"长期"至少要按三年回收周期来定义。
场景三：地方政府智算中心，节点长期闲置
人民网《算力租赁赛道升温 上市公司加快布局》报道，"AI智能体商业化落地进程加速，下游应用场景需求集中释放"（来源：finance.people.com.cn）。但很多新建智算中心的真实情况是——前两年利用率不到 40%。
《8000P算力到账后，智算中心怎么把闲置节点租出去》里拆解过一个北京运营方的案例：他们一年把 8000P 节点的出租率从 40% 拉到 70%，靠的是训推混合调度 + 防套利定价 + 透明 SLA。这套打法比"降价抢客户"更可持续。结论：自建节点的运营方，应优先把算力卖出去，而不必急着把卡抱紧。
给中小企业的三条具体建议
训推分离，不要混着采购。 训练任务选包月或包周，因其可预测；推理任务选按量或预留实例，因其波动大。混在一起报价最容易被销售引导到一个不优的中间档。
算上 SLA 与人工核时，不要只看机时费。 问清楚：丢卡怎么补？网络抖动是否计费？故障响应是 30 分钟还是 4 小时？这部分是省钱的关键，也是国产算力最容易拿到折扣的部分。
国产卡留出 15% 预算作为备份。 昇腾、寒武纪在 2026 年的软件栈生态明显改善，主流分布式框架已经能跑通。把国产卡作为第二供应商，一方面压价，另一方面避免单点供应风险。参考《AI Agent 合规新解：2026年数据出境与隐私计算的平衡术》里关于供应链多元化的逻辑，对算力采购同样适用。
一句话总结：账要分开算，价要看长期
H100 跌价、B200 量产、国产卡补位——这三条线在 2026 年同时发生，让"买卡还是租卡"这个老问题变得更复杂。单价比一比只是表层，真正的决策点是项目周期、工程师投入和现金流节奏。
如果你的项目寿命在一年以内，或团队里根本没有专职的 HPC 工程师，答案几乎是确定的：租。如果项目稳定跑过三年、且你的业务对延迟极度敏感，自建的回收周期才真正算得过来。
在这两种情况之间，还有一片灰色地带——那才是大多数中小企业真正站的地方。建议先跑两到三个月的租赁 PoC，再用 PoC 的真实账单去和自建 TCO 模型比对，而不是反过来。
