作者：华尔街见闻

11 月 3 日，半导体研究机构 SemiAnalysis 创始人兼 CEO Dylan Patel 在 Runtime 2026 上发表演讲，主题是算力、资本和数据中心。

他表示，OpenAI 和 Anthropic 正在大量预订算力，以 2027 年为例，两家拿走的新增算力占比在 25% 到 40% 之间。在需求挤压下，英伟达 H100 租价已经从低点大幅反弹，未来 B300 租金可能冲高至每小时 7 美元以上。

资金端同样吃紧：近两个月美债收益率大幅上升，10 年期收益率 10 月初已升至 5% 以上，靠借钱建机房的新兴云厂商越来越难融到资。

这场演讲发生在 Anthropic 公开递交 S-1 的一周后，市场刚刚看到一家头部实验室背后的算力账。Patel 说，英伟达已经出面为约 6.5 吉瓦的算力集群托底，但依然无法改变整体供需的紧张格局。

新增算力被两家实验室订走大半

算力紧张的起点在买家太集中。全球算力总量已经涨得很快：2024 年底约 60 吉瓦，今年底超过 100 吉瓦，两年接近翻倍。Patel 说：“2024 年底全球有 60 吉瓦的算力，到今年年底已经超过 100 吉瓦，两年时间几乎翻了一番。”

增量中最大的买家是 OpenAI 和 Anthropic。两家手里的算力总量，去年底合计约 4 吉瓦，今年约 10 吉瓦，明年超过 20 吉瓦。拆成增量看，2027 年两家合计拿走的新增算力在 25% 到 40% 之间。

Patel 估算：“他们拿走的是新增算力里 25%、30%、40% 的那一部分。去年底，OpenAI 和 Anthropic 的收入随着 Claude Code 开始飙升，于是他们疯狂买算力，Meta 也开始疯狂买。现在对很多人来说，已经不可能买到算力了。”

还有一个细节值得注意：这些算力主要用于训练，而不是用来服务用户（推理）。Patel 说，Anthropic 今天有 4 吉瓦，整个 Claude Code 只占了其中几十兆瓦。

图：2024 年至 2028 年全球数据中心与头部实验室算力需求预测

开源模型推理利润丰厚与租价攀升

买家多了，价格自然会涨。Patel 认为，推动租价的另一股力量是卖 Token（模型输出的计量单位）这门生意本身利润极高，使得愿意高价租 GPU 的人远多于愿意卖的人。

他给出的账是按每兆瓦算的。自建一个 B300 集群，把建设和五年运营摊下来，约合每年 900 万美元；向云厂商租，“能做到每年 1400 万美元就算你走运”。但只要出租做开源模型推理，就能赚回远高于此的利润。即使利用率只有 30%，仍然会赚到可观的收益。

这个测算基于 SemiAnalysis 开源的 InferenceX 基准，用的是任何人都能下载的容器，只用了 vLLM 和 SGLang 两套开源推理软件，没有做任何定制优化。

价格数据与这套逻辑吻合。Patel 说，去年 10 月是低谷，H100 约 1.70 美元，最低能找到 1.45 美元；现在成交价在 2.40 至 3.20 美元之间，两年前签约这个价格会被当成不可思议，现在人们却急着在这个区间签约。

SemiAnalysis 自己的一年期合约指数，今年 3 月已经是 2.35 美元，10 月 Nebius 等厂商的挂牌价也在继续上调。Patel 讨论的主要是短期和二级市场价格，超大规模云厂商的大单不在这个讨论范围内。

他对下一步的判断是：“如果 H100 涨到 3 美元以上、B300 涨到 7 美元以上，我不会感到意外。如果你能找到 6 美元一小时的 B300，就应该签下来，然后去卖 Token，这是正确的决定。”

障碍在于，云厂商都要求预付，创业公司更难：一年期的合约很难买到，而创业公司往往说不准自己一年后还在不在。至于闭源模型，他说 Anthropic 已经放弃了 API 的毛利率，只求做大规模。

图：Anthropic 与 OpenAI 季度算力负载结构拆解

图：英伟达 H100 GPU 租金一年期合约走势

交付瓶颈与云厂商服务评测分化

租到算力只是第一步，集群好不好用才决定实际价值。SemiAnalysis 做了一个叫 ClusterMAX 的评测，追踪了 323 家云供应商，评测了其中 77 家，最后只发出 19 枚奖牌，其余绝大部分属于“不可用”或“表现不佳”。

在 Patel 看来，最好的是 CoreWeave 和 Nebius，但两家的可得性都很差：未来六个月不会再卖算力，已经售罄。Nebius 会要求预付整整一年或六个月，价格虽高，但这是拿到算力的极少数办法。

Oracle 和 Google 也被评为优秀，其中 Google 从首轮的铜牌一路升级。评级下调的则更多：随着评测标准加严，Azure 降为银牌，Together 和 Lambda 降为铜牌。AWS 则一直排在后面，主要问题是交付流程太重，要拿到一个集群必须和多位人员沟通，耗时极长，网络配置也较为繁琐。

评测里最刺眼的是安全。SemiAnalysis 让 AI 模型去测试攻击这些云平台，有些漏洞是互联网上早已公开的，模型能直接找到并利用，进而访问其他客户的存储。

其中一次测试，他们用一个开源模型拿到了整个集群的 Slurm 权限，看到了某国国防部的名字。很多云厂商要等到客户主动提醒了才会发现安全隐患，有些即便提醒了也要数天后才响应。

图：SemiAnalysis ClusterMAX 算力云供应商交付能力与安全评测榜单

利率上行与算力供给的债务困局

增加算力供给需要庞大资本，而资本的价格正在显著上升。Patel 重申，到 2029 年底全球 AI 资本开支约 11 万亿美元，其中约 7 万亿美元来自债务融资，大部分资金花在芯片、网络和数据中心建设上。

在这样的利率环境下，贷款流向呈现出明显的两极分化。10 年期美债收益率今年从 3.96% 升到 10 月初的 5.31%，AI 相关债务发行在 9 月明显降温。Patel 说，一家新兴云厂商如果想融 20 亿美元建 1 吉瓦机房，在当下的债务市场几乎融不到钱。

唯一的办法是把算力提前卖给超大规模云厂商，再由超大规模云厂商去债市融资。虽然拿到了贷款，但这些算力完全无法进入面向整个行业的开放市场。

图：2024 年至 2030 年全球 AI 资本开支与债务融资规模走势预测

结果是，明年已签约的算力里，大约 65% 到 70% 流向超大规模云厂商和头部 AI 实验室。对创业公司来说，租集群要先付一半定金，三到九个月后才能交付，获取算力的门槛极高。

英伟达的做法是给集群托底，Patel 归纳为三类：SoftBank Energy 只担保土地、电力和厂房，这是俄亥俄州一座 9 吉瓦的设施，约 2030 年投运，全部预留给 OpenAI；Firmus 由英伟达承诺按特定价格租下集群，使对方不盈不亏，但有了这份保证别人就愿意放贷；第三类则是提供硬件残值担保。

规模上，英伟达已托底约 6.5 吉瓦，这部分会卖给开放市场而非只供超大规模云厂商。他给出的上限是 45 吉瓦，即便如此也只占 2030 年前新增算力的一小部分。

演讲最后，他强调了 Token 消费的庞大体量：几家头部提供商加起来每天处理超过 100 万亿 Token，各家年化收入都在攀升。他总结道，算力资源能否更广泛普及，将决定整个生态的发展活力，避免全行业过度受制于少数极具垄断地位的实验室。

图：算力云厂商不同借贷协议利率与评级利差对比