一个违背经济学常识的现象
2023年，NVIDIA H100 GPU发布时，云端租赁价格约为每小时2.5美元。按照正常的电子产品生命周期，3年后（2026年），价格应该因为供给增加和新品替代而下降。
但现实是：2026年7月，H100的云端租赁价格约为每小时3.5-4.5美元，比2023年上涨了40-80%。
B200已经发布，H200已经量产，为什么H100的租金不降反升？答案在于一个被大多数人忽略的市场结构。
原因一：需求增速远超供给增速
全球AI算力需求正在以每年超过200%的速度增长。每个新的大模型需要数千到数万张GPU进行训练。每个AI应用需要持续不断的推理算力。
而GPU供给的增长速度受限于两个因素：台积电的先进制程产能（CoWoS封装产能是主要瓶颈）和NVIDIA的产能分配策略。需求增速是指数级的，供给增速是线性的。这个差距，只能用价格来平衡。
原因二：GPU正在被"囤积"
2024-2026年，出现了一个新现象：GPU囤积。 大型科技公司、AI创业公司、甚至国家主权基金，都在大量采购GPU——不是为了立即使用，而是为了"锁定"未来的算力供应。
这就像房地产市场中的"囤地"——购买土地不是为了开发，而是为了资产增值和供给控制。GPU囤积行为人为制造了供需缺口，推高了价格。
一张H100在2023年的采购价是3万美元，2026年二手市场价可以达到4.5万美元。GPU不仅不掉价，还升值了。 这进一步激励了囤积行为。
原因三：推理算力需求正在超越训练算力需求
2023-2024年，AI算力需求主要集中在训练阶段（训练大模型）。2025-2026年，AI应用爆发，推理算力需求快速增长，正在超越训练算力需求。
推理算力不能"囤积"——你需要持续不断的算力来服务用户。而训练算力是"一次性"的——训练完成后，GPU可以释放。AI应用越普及，推理算力需求越大，GPU租赁市场的需求越旺盛。
原因四：GPU云服务商的市场力量
GPU租赁市场正在被少数大型云服务商（AWS、Azure、Google Cloud、CoreWeave、Lambda Labs）主导。它们拥有大量的GPU库存，可以影响市场价格。
这是一个高度集中的市场，而不是一个完全竞争市场。 在这种市场结构中，价格不是由"成本"决定的，而是由"供需+议价能力"决定的。云服务商没有动力降价，因为需求远大于供给。
金句
“GPU租赁市场不是电子消费品市场——价格不会因为’新品发布’而下降。GPU租赁市场是房地产市场——地段（算力）稀缺，价格只会涨，不会跌。理解这个区别，你才能理解为什么H100的租金还在涨。”
对市场参与者的影响
对AI创业公司：算力成本正在成为最大的成本项，甚至超过人力成本。对投资者：算力租赁公司（CoreWeave、Lambda Labs）正在成为AI时代最赚钱的"基础设施"投资。对大型科技公司：自建GPU集群正在成为重要的竞争壁垒。
GPU租赁市场的价格，不会很快下降。 在新晶圆厂产能释放之前（预计2027-2028年），供需失衡将持续存在。