算力荒愈演愈烈：H100租赁价格暴涨40%，全球AI产业陷入

【核心数据】英伟达H100 GPU一年期租赁价格自2025年10月的每GPU每小时1.70美元飙升至截至2026年3月的2.35美元，涨幅接近40%，整个行业的GPU算力资源几乎全部售罄。

全球人工智能（AI）产业需求急剧增长，GPU算力短缺问题不断加剧，核心算力芯片的租赁价格显著上涨。行业研究机构SemiAnalysis的最新报告揭示了一个令人警醒的事实：算力荒正在成为制约AI发展的最大瓶颈之一。

一、价格暴涨：半年涨幅近40%

根据SemiAnalysis的数据，H100租赁价格上涨自2025年四季度开始，2026年初加速显著：

• 2025年10月：1.70美元/GPU/小时
• 2026年1月底：超过2美元/小时
• 2026年2月：环比涨幅达15%-20%
• 2026年3月：2.35美元/小时，较半年前上涨近40%

更为严峻的是，现货市场的供需紧张达到了极致。报告指出，现有所有类型GPU的按需租赁产能已全部售罄，尽管价格上涨，已锁定产能的用户仍不愿意释放资源。SemiAnalysis评论称，2026年初，获取GPU算力的难度比旺季购票还要高。

二、极端现象：算力市场的"疯狂"交易

极端供需失衡导致了许多非典型现象：

高价抢购实例：部分用户为获取AWS的p6-b200竞价实例，愿意支付14美元/小时的高价——这几乎是正常价格的6倍以上。

云厂商策略调整：顶尖云服务商已停止销售单节点算力，转而只提供集群服务。

长期合约锁定：许多2-3年前的H100租赁合约以原价续签，有些续约长期至2028年。这意味着部分企业即便知道市场价格已经暴涨，仍然选择续约，侧面反映了算力获取之艰难。

三、全系列芯片供应紧张

价格上涨不仅限于H100，英伟达新发布的Blackwell系列GPU也面临供应短缺。由于需求强劲，新芯片的交付周期已延长至2026年6-7月，甚至2026年8-9月的产能已经被预订。

值得注意的是，市场原本预期更高能效的新一代芯片发布将导致H100等旧款芯片价格下跌，结果却不如预期——老款GPU需求依旧强劲。与Hopper架构相关的H200芯片同样供不应求，购买H100或H200集群的难度加大。

四、上游产业链的连锁反应

上游产业链价格飙升进一步加剧了算力供给紧张。报告指出，2026年1月成为存储价格的重要拐点：

• 之前连续数个季度上涨的DRAM和NAND闪存价格在2026年一季度出现跳涨
• LPDDR5合约价格同比上涨约4倍
• DDR5合约价格同比上涨约5倍

核心组件价格的暴涨推高了AI服务器的整体成本。为应对毛利率风险，服务器OEM厂商大幅上调AI服务器的报价，涨幅超过组件成本的上涨幅度。这直接压缩了算力集群项目的预期收益，迫使运营商放缓或放弃新集群的部署计划——新增供给被搁置，进一步压紧了租赁市场。

五、需求爆发：谁在抢购算力？

从需求端来看，以下因素共同推动了算力需求的激增：

1. 媒体生成类AI工具爆发字节跳动、谷歌等企业的媒体生成类AI工具快速普及，带动了对算力的激增需求。

2. AI公司营收暴涨Anthropic的Claude系列模型年化营收从90亿美元上涨至超过250亿美元，OpenAI、Anthropic等AI公司的大额融资也进一步推动了算力采购的需求。

3. 多智能体工作流普及超高的投资回报率使得算力需求趋于刚性，加剧了供需缺口。当企业发现AI可以显著提升业务效率后，算力投入就从"可选"变成了"必须"。

六、市场格局深度重塑

对于未来市场趋势，报告指出，当前二级市场与产业基本面出现明显背离。尽管GPU市场供给持续收紧，价格大幅上涨，利好新云厂商的毛利率扩张，但二级市场对CoreWeave、IREN等云厂商的情绪依然悲观，相关公司股价处于低位。

SemiAnalysis预测，在多重因素支撑下，GPU租赁价格很可能会持续上涨。这一趋势已形成自我强化的循环：

1. 新云厂商在预期价格上涨的情况下会提前锁定更多硬件产能
2. 这加剧了供给紧张
3. 供给紧张推动价格继续上涨
4. 价格上涨又促使更多厂商提前锁定产能……

七、谁将受益？

本轮价格上涨将提升新云厂商已部署资本的回报率，延长现有GPU的经济使用寿命。SemiAnalysis认为，以下类型的厂商将成为直接受益者：

• 短期限合约持有者：可以更快地根据市场价格调整定价
• H100装机规模大的厂商：规模效应降低单位成本
• 近期有新增产能的厂商：新增产能可以在更高价格水平上释放

八、中国市场的影响

对于中国市场而言，算力短缺同样是一个严峻的挑战。在美国出口管制政策的限制下，中国企业获取高端GPU芯片的渠道受到限制。这进一步加剧了国内算力供需的矛盾。

不过，这也催生了国内算力基础设施的投资热潮。华为昇腾系列芯片、寒武纪AI芯片等国产替代方案正在快速迭代，部分缓解了算力紧张的局面。此外，国产大模型对算力的高效利用也成为重要方向——通过模型优化、量化压缩等技术，在有限算力条件下实现更好的性能。

结语

算力荒的背后，是AI产业从"技术可行"向"商业可行"跨越的阵痛。当AI从实验室走向千行百业，对算力的需求呈现出爆发式增长。在这场"GPU争夺战"中，谁能更好地解决算力问题，谁就能在AI竞争中占据先机。

对于企业而言，或许需要重新思考算力策略：从"按需采购"转向"战略储备"；对于投资者而言，算力基础设施或许是一个被低估的投资方向；而对于政策制定者而言，如何在保障安全的前提下确保算力供给，将是重要的课题。