記者 王雅潔
手握上百億元訂單的“算力房東”周詠，自今年二季度末起，主動找上自己的大客戶，做了一樁行業裡少見的買賣。
他把長期執行的GPU（圖形處理器）算力固定機櫃租賃服務費降了下來，換成一份跟著人工智能Token（人工智能的工作量計量單位）調用量增長的收益分成方案。
這不是孤例。
經濟觀察報記者近日採訪算力產業鏈上下游多家企業獲悉，已有算力服務商跟進類似做法。
例如，有的算力服務商在合同中，將固定服務費下調約一成，Token收入分成則上調逾兩倍。
周詠對經濟觀察報記者說：“這不是單純調低基礎租金，而是以壓縮固定保底收益為對價，換取分享下游推理業務增量收益的資格，本質是長期訂單內部收益結構的重構。”
消費端的信號也同步傳遞出來。今年“雙十一”大促期間，人工智能的“幹活量”成了貨架上的商品。公開信息顯示，頭部主播直播間半小時賣出近十萬份大模型Token月卡，約兩萬億個Token被普通消費者買單。
周詠表示，行業內此前雖有按量計費、卡時租賃、短期打包等彈性計價方式，但這類模式只是按資源消耗收費，並不參與下游業務增量分潤。當前出現的新商業模式，和之前模式的核心差異在於，這次是在保底基礎上，綁定Token產出、共享推理增長紅利，風險共擔。
在他看來，算力生意的計價邏輯正在被改寫。
算力房東盯上分紅
自2026年一季度起，保底+Token超額分成的算力計價方案開始在國內頭部算力租賃服務商與頭部大模型、Agent應用廠商之間試點落地，目前仍屬於小範圍探索，集中在推理業務佔比高、調用量具備增長預期的戰略客戶，尚未向中小客戶、訓練類訂單鋪開。周詠所在企業就是較早試水的服務商之一。
年內兩度上調算力租賃合同金額後，周詠所在的算力服務商與一家頭部客戶解除原合同、重新簽約。
周詠給記者提供了一組測算對比，比如原有純固定長租模式下，該客戶每年剛性算力支出約1.20億元，新合同將基礎保底服務費下調約一成，降至1.08億元，當客戶月度Token調用量突破約定閾值後，超出部分按約定比例額外分成。按照中性情景測算，若客戶推理調用量穩步抬升，服務商全年綜合收入有望較原固定租金方案上浮20%到50%。但如果下游模型應用冷啟動不及預期、調用量長期低於基準線，服務商年度收入最高可能下滑10%，客戶也得以規避前期高額剛性支出。
過去，算力租賃主要圍繞硬件計價，按機櫃、GPU時長或算力用量收費，出租方通常按照資源使用情況收取服務費。受訪的多家企業此前較少見到房東按調用量分享推理業務收益，並與客戶業務共擔風險的合同。
一家頭部雲廠商的算力採購負責人對記者說，企業Agent（能自主執行任務的人工智能程序）、行業大模型的調用增長較快，通用閒聊類場景增速相對平緩。需求端的結構變化，使客戶希望降低前期固定成本，算力服務商則希望分享推理業務增長帶來的收益。
一家華南上市算力服務商的Token業務負責人王道威對記者說，該公司已經把分成條款寫入新合同。一類項目採用MaaS（模型即服務）合營分潤，由服務商提供算力底座和集群運維，模型廠商提供模型能力，雙方按照Token產出分潤；另一類項目則直接售賣Token，海外訂單採用年度保底加按量後付費。
王道威說：“不止一家同行在做類似試點，只是各家披露程度不一樣。”
周詠解釋，這種調整的核心，是以部分固定收入換取更深的客戶綁定。客戶業務增長確定性比較強，但也不希望前期揹負過重的剛性成本。適度下調固定服務費，本質是商務博弈中換取更深的客戶綁定，鎖定長期合作底盤。
重新簽訂後的合同通常分為兩層。一層是基礎固定服務費，保留收入的確定性；另一層是Token分成，用來分享推理業務增長帶來的增量收益。周詠認為，相關分成按算力單元約定固定金額，並不直接隨客戶自身營業收入浮動。
換言之，出租方押注的不是模型廠商最終賺了多少錢，而是機器實際跑過多少Token。
周詠所在企業在確定條款前，曾對調用量超預期和業務不及預期等情景進行測算。他說，目前，傳統固定時長租賃仍是其主力業務，分成模式主要在頭部戰略客戶中試點。兩種模式並行推進，尚未替代存量合同。
新模式
對算力服務商而言，分成並非單一模板，客戶正在根據業務階段組合使用不同資源。
一家頭部大模型公司的算力與推理業務負責人對記者說，該公司正在採用混合算力架構。自有集群承接核心、穩定的長期業務，外部算力用於彈性擴容。固定長租為成熟業務提供成本確定性，按量資源則服務於新上線、流量波動較大的Agent場景。
上述雲廠商的算力採購負責人也表示，傳統固定時長租賃適合流量不確定、需要提前控制成本的業務。“保底固定加Token分成”則更適合冷啟動階段，可以降低前期剛性支出。但如果調用量快速增長，混合模式下的總支出可能超過傳統長租，雙方的業務數據和Token計量口徑也會深度綁定，增加更換供應商的遷移成本。
算力房東最怕設備空轉，客戶最怕在業務尚未跑通前承擔過高固定成本，分成模式讓雙方共同承擔部分不確定性。
周詠表示，分成收入會受到算力單元交付驗收和客戶業務活躍度影響，“風險確實是雙向共擔”。這意味著，服務商讓出的不僅是部分固定現金流，也包括原本較為確定的收入預期。
模式變化還傳導至芯片廠商。
一家頭部國產人工智能芯片廠商的業務人士對記者說，分成模式考核的重點不再只是芯片的紙面峰值性能，還包括單位硬件實際產出多少Token、單個Token的成本。這為國產芯片提供了新的評價標尺，也要求芯片廠商進一步完善軟件適配、集群互聯和推理優化。
該人士補充表示，人工智能芯片迭代週期大致為一年半至兩年，會計折舊週期可能達到三四年，但商業可用生命週期往往更短。如果硬件實際產出不及預期，租賃商的項目收益會直接受到影響。
王道威判斷，分成會成為行業的重要補充模式，但短期內難以完全替代一口價長租。“還談不上全面拐點，目前整體還處在小規模試點階段。”他預計，頭部戰略客戶和推理業務佔比較高的項目，更多采用保底加分成的混合方案；普通客戶和訓練類業務仍將以傳統長租為主。
風險
最先收緊的是資金端。
一家股份制銀行對公業務部門的算力融資業務負責人對記者說，算力租賃項目的風險明顯高於普通製造業。銀行會提高風險溢價，並要求設備抵押、實控人連帶擔保、上市公司主體擔保、應收賬款質押等組合增信（額外的風險保障措施）。
“第一還款來源是下游真實業務現金流。”上述銀行人士說，GPU數量本身不能代表償債能力，客戶資質、正式合同質量和實際上架率才是盡調（貸款發放前的調查核實）重點。
對於匿名客戶，銀行會核驗最低採購量、違約賠付、付款節奏等條款，區分意向性框架協議與具備約束力的正式合同，並交叉核對回款流水，必要時前往機房核驗設備運行狀態。算力服務形成的應收賬款也會被納入質押和回款監管。
如果對手方全程匿名、缺少第三方佐證，授信准入會明顯收緊。公開信息顯示，部分跨界企業披露大額算力合同後出現提前終止或監管問詢，也使銀行更加關注企業的主業安全墊、產業團隊能力和合同履約情況。
上述銀行人士表示，人工智能二手設備流通市場尚不成熟，芯片迭代又快，設備處置變現存在較大不確定性，不能指望拍賣硬件覆蓋全部敞口（銀行尚未收回的風險金額）。因此，貸前准入和貸中監測比事後處置更關鍵。
需求端同樣存在波動。
上述頭部大模型公司算力與推理業務負責人說，Agent相關調用增速明顯高於普通對話場景，但不同客戶和行業差異較大。當前增長呈現“部分場景穩步抬升疊加階段性脈衝”的特徵，成熟業務調用量逐步增加，試點項目則可能在終止後出現回落。
這也是分成模式最大變量，下游調用走高，服務商方能獲取超額收益。若業務降溫，分成收入收縮，折舊、電力、運維等剛性開支卻不會停。
Token分成由此成為算力租賃的一種新選擇，但機器能否持續運行、客戶業務能否持續增長，仍決定著這門生意最終能否成立。
（應受訪者要求，周詠為化名）
來源：騰訊新聞
