下面是一份对华西证券发布的研究报告《国产模型出海,算力租赁新篇章》的极其详尽分析。分析覆盖元数据、逐章解读、图表深度解读、估值与风险、批判性视角,以及结论性综合。文中对原文的结论与推断均在句末附上溯源标注 [page::页码],同一处若引用多页则使用逗号分隔的多个标注。
一、元数据与概览
报告标题与主体信息
标题:国产模型出海,算力租赁新篇章
作者:华西证券研究所(证券分析师:刘泽晶,S1120520020002)
发布机构与日期:华西证券,发布日期为2026-06-28
主题与聚焦点:聚焦国产大模型出海的算力租赁新模式,及其对全球扩张中的竞争格局与产业链的影响,强调“Token工厂”模式在算力基础设施中的应用潜力。该分析同时给出投资建议与潜在受益标的名单。2 1
核心论点与信息要点
本周观点核心认为:海内外大模型用户量与 Token 消耗持续快速扩张,国产大模型凭借性价比优势在全球扩张中具备竞争力,且海外价格竞争日趋激烈,国内迭代与性价比成为关键驱动因素。并引用公开数据称Anthropic 的年化营收与增长,以及豆包大模型的 token 调用增长,作为宏观行业背景支撑。报道还指出,公开报价差异在缩小,国产模型的全球渗透受益于快速迭代与成本优势。1
在算力供应端,报告强调算力紧张推动租赁模式的价值提升,租赁价格总体上涨,新一代高端显卡价格上行显著;同时提出 Token 工厂模式作为算力基础设施新形态,核心由“卖智能产出效率”转向“卖智能产出”的可计量、可定价的产出。此点构成报告的战略性新方向论断与投资逻辑。2
投资建议给出较广的“受益标的”清单,覆盖两大方向:Token 工厂相关企业以及 AI 大模型与算力基础设施相关企业,风险提示包括市场系统性风险、政策落地不及预期以及中美博弈等外部变量。2
图文材料与图像引用
报告包含封面类图片及二维码海报,用以品牌与传播效果呈现。下文在“图表深度解读”中对关键图片进行了直观解读与溯源标注,并将图片以 Markdown 形式嵌入文中。相关图片路径如下:图像1(封面/宣传图): ;图像2(二维码与品牌图): ;图像3(二维码): 。 1 2
二、逐章深度解读(逐章精读与剖析)
章节结构与要点定位
报告呈现的结构以“本周观点/行业分析/投资建议”为核心脉络,辅以对算力租赁市场与 Token 工厂模式的解释与案例推演。由于文本材料以要点摘录为主,以下对关键章节逐条展开:摘要/本周观点、行业分析、Token 工厂模式、投资建议与风险提示等。1 2
摘要与行业背景(对应本周观点)
总结性论点
海内外大模型的用户量与 Token 消耗持续快速扩张,国产大模型具备更高性价比,推动全球扩张趋势。这一趋势与海外竞争加剧(美国和全球厂商的价格竞争、技术迭代)相互印证,表明国产大模型在全球市场的渗透率有提升空间。1
推理与证据
报告引用多方信息源支撑:Anthropic 年化营收接近 450 亿美元、Anthropic 年化增长率的描述、豆包大模型日均 Tokens 调用量在两年内放大约 1000 倍、公开报价差异缩小等。这些数据点意在强调全球对高性价比大模型的强烈需求,以及国内模型在成本驱动优势上的竞争力。该逻辑链将全球扩张与价格敏感性联系起来,构成核心判断之一。1
关键数据点与含义
Anthropic 年化营收水平接近 450 亿美元,暗示顶级商用对话/推理模型的市场规模在全球持续放大,这为国产模型的出海提供了市场背景和潜在需求基础。另有报告提及 Anthropic 在 2026 年 Q1 实现年化增长 80 倍的表述,尽管该增长的可验证性与时点需谨慎对待,但其指向的是行业对高增长潜力的强需求场景。1
豆包大模型的 Token 调用量增长极其显著:从 2024 年 5 月约 1200 亿日均调用,增至 2026 年 6 月约 180 万亿,近 1000 倍的增速反映了算力需求的爆发式扩张与算力产品化的速度提升。这为“算力租赁-智能产出”的商业模式提供现实需求侧支撑。1
海内外定价差异的逐步缩小与国产模型性价比提升,指向了全球竞争格局的变化:海外巨头的定价空间可能被新的成本结构和替代性竞争挤压,国内模型通过成本优势与迭代速度提升竞争力,从而更具全球扩张潜力。1
行业分析与算力供给侧(对应算力紧张与租赁模式)
总结要点
算力供应紧张使得租赁模式变得更加重要,租赁价格呈现上涨趋势,尤其新一代高端显卡价格的上行更为显著,行业的供给弹性不足成为价格上涨的关键驱动之一。2
推理与证据
根据 AIMultiple 的 GPU 指数,2026 年中不同型号 GPU 的月中位租赁价格普遍高于 2025 年中,显示租赁成本的上行压力;在此背景下,Token 工厂模式有望提升算力基础设施在产业链中的谈判地位,推动向下游“智能产出”的定价与盈利模式转型。这一逻辑是建立在供给紧张与市场对高效产出的需求双重驱动之上。2
关键数据点与含义
B300、B200、H200、H100 的租赁价格区间约为 7.92、6.11、4.0、2.99 美元/ GPU·小时,显示了不同代次与档位的价格结构及增长态势。这些数据用于支持“算力价格上涨,供给偏紧”的判断,并为 Token 工厂的盈利模式提供定价参照。价格结构的变化也意味着向上游算力基础设施提供的议价能力提升,以及“卖智能产出效率”的商业前景。2
Token 工厂模式(新存在的算力基础设施形态)
核心概念
Token 工厂是算力基础设施在 AI 推理需求爆发背景下的新型存在方式,其核心不是单纯出售机柜、GPU 或算力时长,而是持续生产可计量、可定价的智能产出。NVIDIA 将 AI Factory 定义为以 token throughput 衡量产出的扩展性强的基础设施,Token 工厂被视为面向大模型推理时代的新型算力基础设施。该模式将上游算力基础设施的商业模式从“卖容量”转向“卖智能产出效率”。2
推理逻辑与意义
若“智能产出”可以被量化、定价,那么算力提供方就能直接以产出效益(如 token throughput、推理吞吐、响应时间等)来定价、结算,提升边际利润率并增强对下游大模型客户的议价能力。这一逻辑将资源的稀缺性转化为可货币化的产出率,理论上有利于提升算力投资的回报周期与稳定性。2
与文本其他论点的联系
该模式与行业对“算力价格上涨、供给紧张”的背景呼应,构成一个由“供给侧紧张→价格上行→商业模式转型(卖智能产出)→提高议价能力”的完整链条,是报告所强调的长期演进方向之一。2
投资建议与潜在受益标的(投资要点与行业链条)
投资建议框架
受益标的分两大类:Token 工厂相关(协创数据、宏景科技、利通电子、润建股份、软通动力、杰创智能、智微智能、盛视科技、电光科技、赛意信息等)以及 AI 大模型及算力基础设施相关(智谱、Minimax、寒武纪、海光信息、芯原股份、盛科通信、中际旭创、新易盛、胜宏科技、沪电股份、景旺电子、生益科技、江海股份、工业富联等)。该分类体现了从“智能产出/算力基础设施”整个产业链的投资布局框架。2
关键逻辑
受益标的覆盖了从数据与算法能力提供商到具体算力交付与组件制造商,形成产业链上的多点支撑。通过“Token 工厂”这一新模式,相关企业的盈利模式可能从单纯的设备销售转向“产出效率定价+服务化”模式,从而提高整体杠杆与成长性。2
风险提示
报告明确列出市场系统性风险、科技创新政策落地不及预期以及中美博弈等外部因素作为风险点。这些风险可能影响行业的扩张速度、定价能力及投资回报的可预期性。2
三、图表深度解读(关键表格与图像逐一解读)
图1:OpenRouter等模型的全球使用分布与前列模型
描述与信息点
文中提及“本周平台调用量最大的大模型前三名为 Deepseek V4、MiMo-V2.5 和 Minimax M3”,用于支撑国产大模型在全球范围的使用量提升与市场份额增长的判断。该图表直观呈现了全球化的使用格局和国产模型的相对地位。1
数据解读与意义
该排名显示 Deepseek V4、MiMo-V2.5、Minimax M3 在本周的调用量领先,反映国内模型在全球平台的实际落地能力与用户黏性。结合文本对“国产大模型出海”趋势的论断,这些数据点强化了“性价比与迭代速度”为核心竞争力的论证。1
联系文本、推断
通过该图,作者将价格竞争力与全球扩张联系起来,暗示国产模型不仅在成本上具优势,也在实际使用频率与覆盖范围上得到验证,从而支撑“出海趋势为全球市场所需”的判断。1
图像引用
图1对应的图片在文内以图像形式出现,嵌入如下: 1
图2:豆包大模型日均 Tokens 调用量的历史与趋势
描述与信息点
文中给出“豆包大模型日均 Tokens 调用量从 2024 年 5 月约 1200 亿提升至 2026 年 6 月约 180 万亿,两年约提升 1000 倍”的数据。这是一组关于下游需求爆发的关键量化指标,显示算力需求的规模化增长。此数据构成行业增长潜力的重要证据。1
数据解读与意义
这一极高的增长率解释了为何算力成本上涨、为什么“Token 工厂”模式具备吸引力,以及为何全球对高性价比国产模型的需求会增多。日均 token 调用的放大幅度直接影响算力供应的定价、产出效率的衡量以及下游商业化应用的可行性。 1
联系文本、推断
与上述第一张图的情境相互印证:全球对大模型的实际使用强度在快速提升,国产模型在全球市场的渗透将伴随需求侧放大而加速。此处的趋势支撑了“算力租赁+智能产出定价”作为商业模式创新的合理性。1
图像引用
图2的相关图像在原文中以数据驱动描述,具体图像未单独提供但文本中的数量级变动为核心信息点。该数据段可被看作辅助图表的文本证据。1
图3:GPU 租赁价格演变(B300/B200/H200/H100 区间)
描述与信息点
报告以 AIMultiple 的统计数据给出不同 GPU 型号的月中位租赁价格:B300 约 7.92 美元/小时、B200 约 6.11 美元/小时、H200 约 4.0 美元/小时、H100 约 2.99 美元/小时。该信息用于论证算力租赁价格整体上涨与新一代显卡价格上涨的趋势,以及市场供给偏紧的现实。图表化数据有力支撑“成本上行”的行业背景假设。2
解释与含义
价格区间反映了不同显卡代次的商业应用成本结构与市场需求的分层。高端显卡价格上涨更明显,意味着对上游生产商、数据中心与租赁商的议价力增强,也为 Token 工厂模式提供了更高的边际利润空间假设。2
与文本的联系
价格上涨与算力紧张的叙述相呼应,强化了报告关于“算力供给偏紧、价格上行”的核心论断,以及 Token 工厂对提升下游议价能力的理论逻辑。2
图像引用
图3所对应的价格数据来自文本描述,相关图片以文本形式呈现,未附独立数据图,但在描述中已经明确列出关键数值。若将来以图表形式呈现,这些数据应成为核心坐标点。2
图4:Token 工厂概念示意/定义性图像
描述与信息点
虽无独立“图表”标注,文本对 Token 工厂的定义与核心理念做了系统化阐释:将“算力基础设施”从卖容量向输出效率定价转型,强调“以 token throughput 衡量产出”的新衡量体系。这一张可以视为概念性图像,用以解释新商业形态的逻辑框架。2
解释与含义
该图像若存在,将帮助读者理解 Token 工厂的商业模型转变:不仅卖机柜/算力时长,而是卖“可计量、可定价的智能产出”本身。这是产业链升级的核心路径,也是报告的战略性观点之一。2
图像引用
将 Token 工厂的定义性图像对应到文本描述的概念图,若以实际图片呈现,应使用图像路径: 或其它相关图形的再现。 2
图5:二维码与品牌宣传图(非数据图表,但属于图像信息)
描述与信息点
文中提供了两张二维码/品牌图,属于市场传播材料,显示关注入口等信息。这些图像在分析报告中主要用于辅佐品牌传播与信息传达,与核心数据无直接量化分析关系。嵌入文本的图像分别为封面类图片与二维码图片。图像路径见上文。 2
联系文本、解读价值
这类图像本身不直接影响估值或预测,但在研究报告的传播与信息披露层面具有辅助性意义,体现研究机构在信息传播方面的布局与传播渠道策略。尽管如此,在本次分析中不作为核心数据支持点。 2
四、估值分析(方法与假设)
现有文本中的估值框架
与传统的现金流折现法、可比公司分析或 EV/EBITDA 相比,报告更多以投资要点与“受益标的清单”形式给出潜在投资方向,而未披露完整的定量估值模型、折现率、长期增长率、可比口径及敏感性分析等。可视为策略性/行业趋势驱动的投资指引,而非具体的数值目标价或估值区间。2
核心输入与假设的缺失点
对于 Token 工厂的盈利模型、单位产出价格、单位成本、边际贡献、资本支出回收期等关键输入缺乏明确披露,限制了对目标价或估值区间的可复现性评估。未来若有独立的可比分析或情景分析,需结合以下要素:推理吞吐量的年增长率、单位产出价格的设定、设备投资与运维成本、租赁价格对利润率的影响,以及行业政策与关税等外生变量。1 2
结论性判断
现阶段报告的核心投资价值在于对“Token 工厂”模式的前瞻性判断,以及对行业链条上下游的系统性布局建议,而非给出具体的估值区间与目标价的定量推导。这种结构性分析对投资者在初步研究阶段具有参考价值,但对量化投资者需额外补充模型化分析。2
五、风险因素评估
主要风险点
市场系统性风险:全球 AI 市场需求波动、宏观经济周期影响算力需求稳定性与定价能力。2
科技创新与政策落地风险:AI 技术迭代速度、国内外监管环境与数据/隐私政策的变化均可能影响行业成长路径。2
中美博弈与外部事件:源自地缘政治的冲击可能干扰全球供应链、资本流向与出口控制,进而影响算力基础设施投资回报与创新节奏。2
风险缓释与应对
报告在文本中对风险的关注点较为明确,但对缓解策略的描述较为概括,缺乏具体的对冲或缓解机制(如多区域布局、多元化客户结构、成本控制策略、政府补贴/政策扶持等)的详细披露。未来若能提供对冲策略、情景演绎及概率分布,将提升风险评估的稳健性。2
六、批判性视角与细微差别
潜在偏见与强烈观点
报告对国产模型出海的乐观情绪明显,且以豪华的增长数据(如豆包模型的 1000 倍增长、Anthropic 的高额营收等)来支撑全球扩张的强势趋势。这种乐观叙事可能掩盖了行业内的竞争壁垒、技术可迁移性、合规成本与数据隐私约束等现实挑战,需要投资者在实际决策时进行独立的对比分析与情景测试。 1
内部矛盾与需要关注之处
报告在描述“Token 工厂”模式的同时,未提供对上游资本支出、设施运维、能耗成本、数据合规成本等关键成本要素的定量分析。这些成本将直接影响推理产出效率的价格确定与盈利能力。若仅以“产出效率”来定价,需清晰界定产出定义、可重复性与可比性,否则可能导致估值偏高。 2
数据来源与可信度
文中所引用的数据多来自外部公开信息与行业数据(Anthropic、豆包、Google/微软等),但未提供完整的原始数据链接或披露口径,读者在重复使用时需留意数据时点与口径差异对结果的影响。此类信息需要结合自身投资研究的独立性进行再验证。 1 2
七、结论性综合
最关键发现
全球对大模型的应用规模与算力需求在加速扩张,国产大模型以性价比和快速迭代成为全球扩张的重要驱动力之一。算力供给的持续紧张为算力租赁和 Token 工厂模式创造了商业机会,其中“卖智能产出效率”的创新商业模式有望提升上游算力基础设施的议价能力与盈利弹性。1 2
对行业的综合判断
算力租赁市场的价格上行趋势与高端显卡价格的上行,将推动 Token 工厂模式成为算力基础设施领域的关键变革方向。该模式强调以产出量化与定价来驱动盈利能力,可能引导上游厂商在资本投入、产出效率与服务化定价之间进行更紧密的协同。2
投资者立场与建议
报告提出的投资建议覆盖两大方向的广泛受益标的,适合作为行业景气判断与企业级投资布局的初步指引。读者在采用时,应结合自身的风险承受能力、对具体企业的基本面研究、以及对估值与情景分析的进一步建模,来形成更具可执行性的投资组合。2
最后备注
本分析遵循原报告的结构与论点进行解读,所有重要结论均在文中标注了清晰的溯源页码。若需要,我可以基于某些关键数据点进一步构建详细的情景分析表、敏感性分析及行业对比表,以提升对投资决策的支持力度。1 2
附:引用与图片
封面/宣传图: 1
品牌图/二维码: 2
二维码图像: 2
总结
本报告以宏观行业趋势、算力价格与供给、以及“Token 工厂”模式为核心分析框架,提供了一套对国产模型出海的战略性解读及广泛的投资方向指引。其亮点在于将硬件算力供给与软件产出效率结合,提出新的商业模式前景;不足在于缺乏完整的定量估值与可重复的情景分析。对于投资者而言,这一分析是开启深入研究的有价值入口,但应辅以更严格的定量模型与多情景评估以形成稳健投资决策。