然后是算力方面：
从GPU客户类型看，主要分为训练LLM的创业公司（OpenAI、Inflection等）、云服务提供商（Azure、Google Cloud、AWS）、垂类应用龙头（特斯拉等），由于云厂商、垂类应用公司自身仍对GPU有较大需求，GPU对于LLM等创业公司仍是较为“稀缺”资源。回顾国内，我们认为算力租赁介于上游GPU供应商及下游客户间，起到了“中介人”的角色，即租即用的商业模式一定程度上降低了算力使用门槛，也令中小型LLM创业公司触及高性能GPU芯片。
国内算力租赁已经形成几大区域以及核心公司：北京是以鸿博股份为核心，上海以恒润股份为核心，深圳以利通电子为核心，广州以润建股份为核心，背后是互联网厂商的需求。他们的GPU大规模搭建的能力、IDC资源、资金支持以及渠道能力都较为领先。同时，建议关注算力调优的公司，大模型算力客户主要关注硬件是否为超算架构的物理集群，且单次大模型训练需要用到上百张甚至几千张卡，通讯协议与节点调度甚至直接影响大模型训练速度。大模型训练的参数多、循环次数多，单次训练的算力需求，算力调优也很重要，建议重点关注恒为科技。
IDC厂商也有望逐步发力算力租赁。为解决GPU资源利用率低的问题，并满足GPU灵活调度和分配的需求，以此来降低人力成本，AI算力池是大势所趋。资源池化建立在GPU远程调度之上的，但是提供了更加细粒度的GPU算力分配手段。国内IDC厂商跟进AIGC进程，布局超算中心，提供配套算力资源池相关的数据中心机房基础设施。根据北京超级云计算中心，大模型算力客户主要关注硬件是否为超算架构的物理集群，且单次大模型训练需要用到上百张甚至几千张卡，通讯协议与节点调度甚至直接影响大模型训练速度。
大模型训练的参数多、循环次数多，单次训练的算力需求大，算力调度可协助GPU实现算力资源优化，一定程度上解决大模型GPU训练资源不足的掣肘。工信部数据显示，2021年，我国算力核心产业规模达1.5万亿元。据中国信息通信研究院测算，2021年，我国云计算市场规模超过3000亿元。从IDC公司扩建计划看，奥飞数据、光环新网等纷纷在京津冀、大湾区扩建机房，侧面印证大城市算力缺口仍客观存在，IDC厂商仍有发力空间。
