算力的账本正在逐层结清：租赁、举债、涨价三件事同时发生

10 月 4 日这一天，算力这条产业链上有三条方向不同的消息同时出现：一家中国公司用租赁的方式拿到境外的先进芯片，一家云厂商直接把 GPU 的租金提价，一家存储厂商把下一代高带宽内存的报价抬到上一代的三倍。三条新闻分开看都是公司动作，放在一起看，是一份正在逐层结清的账单。

同一天流出的行业预测补充了背景。Gartner 预计 2026 年全球推理支出将达到 233 亿美元，首次超过 190 亿美元的训练支出，占 AI 基础设施总支出约 55%，该比例在 2027 年预计升至 59%。中国信通院发布的报告则预计，2026 年推理算力占 AI 算力总负载的比重将达 70.5%。也就是说，算力需求的重心正在从「一次性训练」转向「持续性运行」，而运行是要按月付费的。

一、腾讯的 70 亿美元：买的是时间，不是机器

据《金融时报》报道，腾讯已与甲骨文签署一份五年期协议，通过甲骨文在东南亚的多个数据中心获得约 10 万颗先进 AI 芯片的使用权，交易估值约 70 亿美元，其中约 30% 为预付款，折合约 21 亿美元。双方均未对此置评。相关报道称，这批算力主要面向混元系列模型的训练，其次是推理，长期也考虑通过腾讯云对外提供。

这笔交易的结构值得留意。它不是购买芯片，而是租用算力；不是在国内部署，而是在境外数据中心。在先进芯片对华出口受限的背景下，租赁绕开了直接采购这一环，代价是把算力的使用权绑定在供应商、租期与付款节奏上。

更值得琢磨的是 30% 的预付比例。普通商品可以货比三家、等降价，但算力关系到模型什么时候能训练、产品什么时候能上线。供应紧张时，晚几个月拿到资源，意味着整条研发计划顺延。预付款本质上是在用现金换确定性。这一点在腾讯的财务数据上已经有了痕迹：2026 年第二季度，其自由现金流为负 138 亿元，若剔除算力采购预付款，则为正 376 亿元，两种口径相差 514 亿元。

当一家公司需要提前支付未来数年资源的使用费时，它买的不是机器运行时间，而是参与竞争的时间。

二、亚马逊提价 15%：云端的「房租」开始浮动

同一天，亚马逊把 AI GPU 租用价格上调 15%，并被报道正评估以售后租回的方式，把约 80 亿美元的英伟达 Grace Blackwell 芯片移出资产负债表。这两件事指向同一个压力：2026 年约 2000 亿美元的资本支出，需要在报表上找到出口。

把腾讯和亚马逊放在一起看，会看到一个对称的结构。一家在租入算力，一家在租出算力。租入方用现金换交付时间，租出方用提价和资产腾挪换报表空间。算力在这个结构里已经不是设备，而是一种带有租约、期限和价格的资产类别。

这对企业客户的直接影响是可计算的。云上租算力的成本由两部分决定：一是厂商的资本开支与折旧节奏，二是电力与散热这些运营成本。前者提价的逻辑是回收投资，后者涨价的逻辑是物理约束。两者都不会因为模型变便宜而自动下降。

三、HBM4 涨到三倍：涨价从芯片传导到存储

据 10 月 4 日报道，三星向主要客户报出的 HBM4 价格约为每 Gb 4 美元，接近 HBM3E 的三倍，并以 11.7 Gbps 的性能争夺 AI 存储的定价权。这条消息是整条链上位置最靠前的一环，也是传导链最清晰的一环。

推理需求放大之后，瓶颈会从计算单元向两侧移动。一侧是电力与散热，另一侧是内存与封装。已经有产业观察指出，当前晶圆代工产能的交付周期在 3 到 4 年，半导体设备 1 到 2 年，先进封装与基板约 1 到 1.5 年，而 GPU 与其他 AI 加速器是其中最短的一环，约 6 到 12 个月。换句话说，限制算力扩张速度的，未必是加速器本身。

• 腾讯租赁：五年约 70 亿美元、约 10 万颗芯片、约 30% 预付，算力位于东南亚数据中心，主要面向混元模型训练。
• 亚马逊：GPU 租用价格上调 15%；同时评估以售后租回方式将约 80 亿美元的 Grace Blackwell 芯片移出资产负债表，对应 2026 年约 2000 亿美元资本支出。
• 三星 HBM4：报价约每 Gb 4 美元，约为 HBM3E 三倍，主打 11.7 Gbps 性能。
• 需求结构：Gartner 预计 2026 年推理支出 233 亿美元首次超过训练支出 190 亿美元，占 AI 基础设施总支出约 55%；中国信通院预计推理算力占 AI 算力总负载约 70.5%。

四、把三条消息并成一句话

芯片是买来的，算力是租来的，租金和内存都在涨价，而这笔钱正在被要求提前支付。四条线索合起来指向一个判断：AI 基础设施的竞争，正在从「谁买得起卡」转向「谁能把账算平」。

这个转向对不同类型的参与者含义不同。对云厂商来说，定价权来自能否把资本开支与折旧节奏转移到客户身上；对模型公司来说，推理成本占比上升意味着单位经济的胜负手从训练效率移向服务效率；对企业客户来说，算力从一次性采购变成持续性支出，账期和弹性会比单价更重要。

需要保持审慎的是，上述预测与企业口径多为机构测算或高管披露，独立复核有限。Gartner 与信通院的数字反映的是方向，不是精确刻度；HBM4 报价为媒体报道的初期报价，最终合约价可能随供需变化。但方向的确定性较高：当算力从「建设」进入「运营」，成本从资产端转向费用端，这个变化不会因为某一代模型发布而逆转。

五、接下来可以盯的三个指标

其一，看云厂商 GPU 租金的报价趋势。租入方的成本压力最终会体现在模型厂商的 API 定价上，涨价与降价的分叉点，就是成本传导是否顺畅的信号。

其二，看内存与封装的交付周期。如果 HBM、先进封装与基板的交期继续拉长，那么算力扩张的实际瓶颈就从小型化转向了产能，短线投资机会也会相应移位。

其三，看企业侧推理支出的口径披露。当「推理支出占比超过训练」这件事被更多公司的财报拆开列出时，它就不再是一个行业判断，而是一个可以逐季跟踪的经营指标。

回到开头。一天之内，租赁、提价与涨价三件事同时发生，说明算力这门生意正在从「谁建得快」进入「谁结算得清」的阶段。规模依然重要，但在规模之上，账期的长短与单位产出的成本，会越来越决定谁能留在牌桌上。