当融资租赁公司集体涌入算力赛道

6.9亿元，1.1亿元——这是苏银金融租赁与重庆银海融资租赁近期两笔算力设备融资租赁项目的规模。放在两年前，这样的数字很难挤上租赁行业的新闻版面；而今年，几乎每个月都有金租、商租机构官宣一笔与GPU、服务器、智算中心相关的大额订单。

中国信通院统计的算力租赁市场规模，2026年一季度已达680亿元，全年有望突破2600亿元——但这组数字统计的是云厂商、IDC运营商的算力服务大盘，与金融机构的设备融资租赁不是一回事，苏银、银海这类具体订单的规模，才更能说明金租、商租机构的入场力度。

这股潮水的方向，业内早已心照不宣：城投类业务持续收敛，传统制造设备更新的存量空间见顶，房地产关联租赁物早已被排除在主流选择之外。融资租赁过去赖以扩表的几条主线，几乎在同一时间变窄。

但多数报道停在了"谁签了大单"这一层，回避了一个更根本的问题：融资租赁这门生意的立身之本，是用"物"的价值为"钱"的风险兜底。过去几十年，这套逻辑在挖掘机、印刷机、船舶、飞机身上跑得通，靠的是一个隐含前提——设备价值衰减是缓慢且可预测的，处置渠道足够成熟，出了风险至少能收回一部分本金。放到GPU和AI服务器身上，这个前提还站得住吗。

资产荒里长出来的新叙事

租赁公司扎堆算力，驱动力未必是对AI产业的判断，更可能是对自身资产负债表的焦虑。一家机构的业务条线要维持规模增长，需要不断找到新的"合规且好讲故事"的租赁物类别——过去十年，这个角色先后由城投基础设施、光伏电站、新能源车轮换扮演。

当前面几条赛道陆续显出疲态，算力设备几乎是唯一一个同时具备政策支持、客户多元、订单体量大的接棒者。换句话说，这更像是一场供给侧推动的资产迁移，而不是单纯被AI叙事说服的主动下注。

GPU不是挖掘机

融资租赁能否为一类资产提供安全垫，取决于四个条件：现金流是否稳定、二级市场是否成熟、有没有稀缺性托底、折旧周期是否足够长。把这四个条件套在商业地产上，几乎全部成立——这也是为什么不动产长期是抵押融资最偏爱的标的。

这不是危言耸听。8月上旬，英伟达联合阿波罗、贝莱德、黑石、博枫、高盛、KKR六家机构，设立了一个计划撬动逾5000亿美元第三方资本的融资平台，核心机制是按"一项目一评估"的审慎模式，为部分优质项目提供最高25%的残值支持——当GPU的实际处置价值低于融资测算时，由这笔机制对冲部分减值损失，但英伟达并不承担项目整体融资兑付的责任。

这更像是英伟达在对冲华尔街对"循环融资"和逆向选择的质疑，想把AI算力包装成商业地产、收费公路那样的长期资产，给GPU培育出一个有深度的二手市场。但换个角度看，连芯片厂商都要亲自兜底部分残值，本身就说明：不给市场一个安全垫，资本对GPU抵押价值的信任立不住。

国内大多数算力租赁项目，无论直租还是售后回租，都没有类似的外部兜底——尤其是大量采用国产芯片或非头部型号、靠拼单凑货滚动上线的中小项目，别说英伟达式的二级市场议价能力，连挤进"一项目一评估"名单的资格都谈不上。租赁公司实际上是在用传统"以物控险"的框架，去覆盖一类连芯片原厂都要精挑细选、额外找机构背书的资产。

谁在为确定性买单，谁在为可能性接盘

算力资产内部也存在明显分层。拿到互联网大厂、头部大模型公司长协的一线厂商，出租率能做到100%，订单排到2028年，现金流确定性接近城投黄金时代的地方基建项目。但这类"确定性资产"，往往早已被银行系金租或运营商自有资本锁定，留给中小租赁机构的空间有限。

真正大量涌向市场、等待融资的，是更靠后的一批——依托地方补贴建设、锚定客户尚未完全落地、采用"分批到货、滚动投产"模式控制节奏的项目。这批资产恰恰是行业口中利用率最堪忧的部分：不少智算中心的点亮率仅在两成上下，设备上架率也常年不足七成，行业普遍认为利用率低于六到七成就极易亏损。

但上架、通电终究只是物理层面的指标，不等于算力真正卖得出去。真正决定租金能否被现金流覆盖的，是组网能力、调度效率与软件调优水平共同决定的有效算力产出——这恰恰是承租方路演材料里最容易被美化、也最考验租赁公司尽调穿透力的地方。

而对于算力这类租赁物，风险的传导链条比传统设备更短——抵押物的处置价值，直接取决于同一批设备能否持续产生租金收入，而不是独立于承租人经营状况之外的市场价格。设备本身既是抵押物，也是收入来源，两者高度绑定：一旦承租方的算力卖不出去，租赁公司同时失去现金流和残值支撑，双重踩空。

跨界杀入算力的上市公司中，已经出现过采购计划中途搁浅、订单金额大幅缩水的案例。这类"故事讲得比订单落地快"的项目，恰恰是租赁公司尽调最需要过滤、却也最容易被订单规模和政策热度掩盖判断力的地方。

光伏与新能源车已经写过的剧本

这不是租赁行业第一次集体押注一类"政策鼓励、门槛不高"的新兴资产。光伏电站的经营性租赁热潮中，不少中小机构因为准入门槛相对较低而扎堆进入，后续遭遇补贴退坡和电价下行的压力；新能源汽车融资租赁规模快速扩张后，也暴露出比燃油车更严重的残值风险——动力电池衰减快，三到五年后残值评估难度陡增，二手流通体系不成熟，处置折价率高。这两轮"资产替代"实验，都以规模扩张开局，以残值不及预期收尾。

用评估光伏电站、新能源车的思路去套算力设备，本身就是方法论上的错位。

当客户变成对手

算力租赁公司最大的客户，未来可能变成最大的竞争对手。对互联网大厂而言，GPU是自有资金购置的资产，闲置时低价出租只是边际成本的生意；而对依赖融资杠杆运转的算力租赁方来说，同样的设备背后压着融资成本和还款周期。

一旦头部厂商开始批量对外变现闲置算力，价格竞争的天平会迅速向自有资金、无融资成本的一方倾斜。过去两年算力中间商靠资源稀缺赚取溢价，一旦供给端的稀缺性被上游巨头亲自下场打破，靠杠杆撑起来的租赁资产首先承压。

算力设备并非不能做融资租赁，但它需要一整套区别于挖掘机、印刷机、光伏电站的评估框架——把重心从单纯评估"物"，转向穿透式地评估主体资质、资产动态估值与现金流覆盖能力三者的联动关系，把利用率、点亮率、电力成本、客户集中度纳入贷后的动态监测，而不是简单复制过去的老模型。