算力资产的价值由哪些因素决定？

同样一张H100，有人估值2万美元，有人只给1.4万。差距不在芯片本身，而在它“在哪跑、跑多满、跑了多久、谁在买单”。算力资产的价值，从来不是一个数字，而是一整套变量的动态博弈。这些变量到底有哪些？一文拆透。

一、定义解读：算力资产的价值到底指什么？

算力资产的价值，是指算力资源在金融体系中能够被量化的经济价值。

它回答两个问题：这份算力值多少钱？它能产生多少现金流？

乘方科技董事长姚俊梅博士指出，当前许多企业持有大量GPU设备，但银行等金融机构难以准确评估其真实价值——采购发票仅能证明购置成本，无法反映设备是否在运行、性能状态、利用率及未来收益能力。

一句话：算力资产的价值，不是“买它花了多少钱”，而是“它能帮你赚多少钱”。

二、核心逻辑：四个维度共同决定价值

算力资产的价值，由四个维度的变量共同决定：

1. 硬件技术维度——GPU型号、算力性能、芯片代际、互联带宽。决定了算力资产的“底子”。

2. 运营质量维度——在线率、利用率、集群规模、网络条件、SLA等级。决定了算力资产“能跑多满”。

3. 市场供需维度——区域供需缺口、租金走势、竞争格局。决定了算力资产“能卖多贵”。

4. 金融化维度——折旧模型、残值评估、期货对冲能力。决定了算力资产“能融多少”。

四个维度环环相扣：技术决定底价，运营决定溢价，市场决定浮动价，金融化决定杠杆价。

三、通俗拆解：用“出租车”帮你理解

算力资产的价值，像极了一辆出租车的估值：

• 车况好不好 = 硬件技术维度。奔驰和夏利，底价就不一样。

• 每天跑多少小时、跑多远 = 运营质量维度。同样一辆车，一天跑8小时和跑16小时，年收入差一倍。

• 所在城市打车需求旺不旺 = 市场供需维度。一线城市出租车牌照比小县城贵得多。

• 能不能拿车去银行抵押、能不能上保险 = 金融化维度。能抵押的车，金融价值更高。

同样一辆车，在不同场景下，价值可能差3倍。算力资产也是如此。

四、行业现状：四大维度全景拆解

🔹 维度一：硬件技术——决定算力资产的“底子”

芯片代际与型号：不同代际GPU的价值阶梯差异巨大。截至2026年，非Hyperscaler市场A100、H100、H200、B200的租金分别约为1.65、2.72、3.29、5.61美元/GPU小时，B200的时租价格是A100的3倍以上。

芯片迭代对旧卡的冲击：大型科技公司自研ASIC（如Trainium、TPU、MTIA）替代部分英伟达需求，持续压低GPU各代际的价值阶梯、加速旧卡贬值，对融资层的抵押品估值构成利空。

行业洞察：芯片代际是算力资产价值最大的“变量”——新一代芯片发布，旧芯片的租赁价格和残值会同步下移。

🔹 维度二：运营质量——决定算力资产“能跑多满”

算力利用率：国金证券研报指出，估值锚点正从机柜规模、GPU库存转向算力利用率、词元产出能力、调度技术水平和合规资质壁垒。同样一批GPU，利用率90%和利用率50%，年收入差近一倍。

设备在线率与性能状态：算力信系统将传统“一次性资产评估”升级为“7×24小时动态资产评估”——设备接入平台后持续采集在线率、利用率、性能状态和运营收益。一旦出现设备持续离线、性能异常、利用率下降，相关指标即可进入风险评估体系。

集群规模与网络条件：同样是H100，万卡集群的单位算力价值显著高于单卡或小集群——因为大规模集群能支撑大模型训练，而单卡只能做推理。

SLA等级：高可用性（99.99%在线率）的算力服务与普通服务的定价差异可达30%以上。机房、电费、网络条件、交付约束和客户信用都会形成溢价（basis）。

🔹 维度三：市场供需——决定算力资产“能卖多贵”

区域供需缺口：2026年一季度国内AI算力需求同比增长417%，有效供给增速仅128%，供需缺口持续拉大。需求井喷直接推高算力资产的市场价值。

租金走势：H100一年期租赁合约价格从2025年10月的1.70美元/小时低点，涨至2026年3月的2.35美元/小时，累计涨幅近40%。H100自2025年底2美元明显反弹，B200、H200同步走强。

电力成本与算电协同：仲量联行白皮书指出，在算力需求高速增长与电力指标趋紧的双重背景下，能源不再只是运营成本，而是决定数据中心能否形成收入的基础资源。具备长期稳定电力来源、较高绿色能源占比的数据中心项目，往往意味着更强的收入确定性与更低的融资风险。

上架爬坡节奏：估值关键不是只看合同签约面积，而是判断合同是否对应实际投产能力、客户是否具备稳定付款能力、上架爬坡是否与机电交付和客户测试周期匹配。

🔹 维度四：金融化维度——决定算力资产“能融多少”

折旧模型的选择：传统模式将GPU视为3-5年直线折旧的快速贬值设备，而新兴模式则将GPU视为现金流产生器，结合算法迭代与算力期货套期保值，评估其动态年化收益率。

残值评估：Silicon Data基于36个月远期租金曲线估算，单张H100残值从2025年10月的1.4万美元升至2026年的约2万美元。

期货对冲能力：CME即将推出的算力期货合约，为GPU残值风险提供了对冲工具——有期货可对冲的资产，金融机构更敢放贷，资产金融价值更高。

抵押率与评级：CoreWeave以GPU资产和客户合同作为双重抵押，获得穆迪A3评级，融资利率降至6%左右。评级越高，融资成本越低，算力资产的金融价值越高。

五、落地案例：Token如何成为价值锚点？

案例一：算力信——给每一块GPU建“资产档案”

乘方科技发布的算力信系统，通过对算力资产进行在线标准化评估，将复杂的算力技术指标转化为金融机构能够理解的资产真实性、资产价值、资产等级、收益能力和风险指标。系统综合采购成本、市场行情、剩余周期、租赁价格及运营收益进行多维评判，聚焦全生命周期管理。

案例二：中行Token贷——用Token消耗量判断资产质量

中国银行广州分行推出的“算力Token贷”，以企业算力Token产出消耗、算力服务合约价值、算力业务产生的应收账款、Token佣金结算量等作为核心授信依据，为企业提供最长三年、最高3000万元的授信总量。

Token消耗量成为算力资产“是否在创造价值”的实时证明。

案例三：世纪互联REITs——用租金现金流给数据中心定价

世纪互联先后落地三单数据中心机构间REITs，合计募资超72亿元。底层资产是真实的IDC机房和智算中心，投资者收益完全依托资产运营产生的现金流。估值核心不是“机房建了多少钱”，而是“机房每年能收多少租金”。

六、常见误区：关于算力资产价值，这四点最容易搞错

误区一：“采购价格就是算力资产的价值”

❌ 错。采购发票仅能证明购置成本，无法反映设备是否在运行、性能状态、利用率及未来收益能力。一台买了两年、利用率只有40%的H100，其实际价值远低于同型号满载运行的设备。

误区二：“GPU越新越值钱，老卡就没价值了”

❌ 不完全对。A100问世六年仍在推理、微调场景保持稳定需求，其六年租金保持稳定。推理需求正在延长GPU经济寿命，抵消部分技术折旧。老旧GPU在低成本推理场景仍有价值，不能简单按“代际”一刀切。

误区三：“算力资产的价值是固定的”

❌ 错。算力资产价值受设备在线状态、利用率波动、新一代芯片推出、租赁价格变化等多重因素影响，是持续波动的动态变量。算力信将传统“一次性资产评估”升级为7×24小时动态评估——报告不再是某一时间点的静态证明，而是伴随算力全生命周期的动态数字资产档案。

误区四：“算力资产的估值只看硬件成本”

❌ 错。仲量联行白皮书明确指出，数据中心估值普遍采用收益法——根本逻辑在于未来可实现的经营现金流，而非静态的土地或建筑成本。电力容量、供电稳定性、制冷效率以及持续运营与现金流管理能力，才是决定项目价值的关键维度。

七、总结干货（建议收藏）

1. 算力资产的价值由四大维度共同决定：硬件技术（底子）、运营质量（溢价）、市场供需（浮动价）、金融化能力（杠杆价）。四个维度环环相扣，缺一不可。

2. 算力利用率是当前最重要的运营指标——估值锚点正从机柜规模、GPU库存转向算力利用率、词元产出能力、调度技术水平和合规资质壁垒。

3. GPU的折旧曲线不是一条直线——推理需求正在延长GPU经济寿命（A100六年租金稳定），但自研ASIC的替代效应在加速旧卡贬值。估值必须兼顾“长寿”和“贬值”两股力量。

4. 算力资产的价值必须“动态评估”而非“静态评估” ——设备在线状态、利用率波动、芯片迭代、租金变化都会实时影响价值。一次性评估报告不足以支撑金融决策，需要全生命周期的动态资产档案。

5. 对从业者和投资者来说，理解算力资产价值的关键在于看懂一件事：算力资产的价值不是“买它花了多少钱”，而是“它在全生命周期内能产生多少现金流”。谁能精准预测这个现金流，谁就能算清算力资产的真实价值。