为什么英伟达吃肉,租算力的喝汤都烫嘴

同一条产业链,冰火两重天。

链条上游,英伟达的毛利率常年维持在 70% 以上,台积电和 HBM 内存厂商赚得盆满钵满。

链条下游,买了英伟达的卡再租出去的算力服务商,却在为每小时两三美元的租金精打细算——业内测算过,H100 的出租价格如果低于约 2.85 美元/小时,回报率还不如把钱放进股市;低于 1.65 美元/小时,五年内注定亏损。

都在"做算力",为什么有人躺着赚钱,有人跪着回本？

算力市场为何不正常

这个问题,大卫·李嘉图在 200 年前就给出了答案。只是他当时讨论的不是芯片,是土地。 先看这个市场有多不正常：正常的市场,价格涨了,供给会跟上来,价格再回落。算力市场不是这样。 需求端, AI 应用的 token 消耗量在指数增长。供给端呢? 建一座先进晶圆厂要三到五年,建一个数据中心要两到四年,电网扩容要五年以上。短期供给曲线几乎是垂直的——需求怎么涨,供给都是那么多。

于是出现了教科书级的价格行为:H100 这款发布已近四年的"旧卡",一年期租约价格曾在半年内飙升 40%; 按需租赁的容量全部售罄,有研究机构形容,在市场上找 GPU 算力"就像抢购最后一班离开的航班"; 新一代 Blackwell 芯片的交付周期排到六七个月开外。 更有意思的是, 这个市场自发长出了一整套金融结构: 按小时计费的现货市场、一到三年的长约市场、类似期货的预订排期,甚至有 H100 合同直接续签到 2028 年。一种硬件,自发演化出了大宗商品的市场微观结构。 石油市场用了几十年建立的东西,算力市场三年就长齐了。

李嘉图的幽灵:租金流向不可复制的环节

现在回答开头的问题。

李嘉图当年观察到:粮价上涨时,真正发财的不是种地的农民,而是拥有肥沃土地的地主。因为耕种技术人人都会,而好地就那么多——利润永远流向不可复制的稀缺环节,这部分超额利润,经济学称之为"租金"(rent)。

把这个框架套到算力产业链上,一切豁然开朗: 买卡、装机、出租,这些环节谁都能做,资本一涌入,利润就被竞争磨平——这就是下游租赁商的处境,他们是李嘉图故事里的农民。而先进制程(台积电)、HBM 显存(SK 海力士)、CUDA 生态(英伟达),短期内无人能复制——他们是地主,坐地收租。 所以下游的困境不是经营不善,是结构性宿命: 你以为你在做算力生意,其实你在给上游打工,替地主把租金收上来。

英伟达真正的地,不是芯片

这里有个常见的误解需要纠正:英伟达的稀缺性,不在芯片本身。

论芯片设计,AMD 的产品在纸面参数上并不落后;论制造,大家都排队找台积电。英伟达真正不可复制的,是 CUDA——它的软件生态。全球几百万 AI 开发者的代码、工具链、经验,全部构建在 CUDA 之上。换用其他芯片,意味着重写代码、重训团队、承担迁移风险,这就是经济学里的转换成本(switching cost)。

换句话说,英伟达圈的地不是硅片,是开发者的肌肉记忆。芯片是可以追赶的,十几年生态积累形成的转换成本,才是那块"最肥沃的土地"。

巨头的反击:一道经典的 make-or-buy 题

被收租的人,当然不会永远认命。

谷歌自研 TPU,亚马逊做 Trainium,微软推 Maia,Meta 也在做自己的芯片——这是教科书上经典的 make-or-buy(自制还是外购)决策:当外购的租金高到一定程度,自制的巨额固定成本就变得划算了。

而这步棋的深意在 2026 年开始显现:谷歌的 TPU 不再只是自用降本,开始对外销售,连 Meta 都成了客户。用一位市场观察者的话说,谷歌正在从"AI 基建的租客"变成"AI 基建的地主"。这也解释了一个反直觉的市场现象:四大客户齐齐上调资本开支,理论上是供应商的天大利好,英伟达股价反而下跌——因为市场看到,最大的几个租客正在自己买地。

租金如何重新分配

李嘉图的框架在这里给出了预测:租金不会消失,但会随着"可复制性"的变化在链条上重新分配。谁能把自己的环节变得不可复制,谁就能收租;谁的环节被别人复制了,谁就从地主降级为农民。

一句话总结

算力产业链的分配规律,一句话就能说清:利润流向不可复制的环节,而英伟达真正不可复制的不是芯片,是生态。

判断这条链上任何一家公司的前景,别问它营收多大,先问一个李嘉图式的问题:它的环节,别人要花几年才能复制？

不过,地主的好日子也有一个天敌——不是竞争者,是周期。当资本以人类历史上罕见的规模涌入同一个方向,连最肥沃的土地也可能被过度开垦。