一、供需基本面：需求增速仍快于供给扩张
训练与推理双重拉动：黄仁勋指出AI已从研究走向生产，推理算力消耗正快速超越训练，成为算力需求的“长尾引擎”。
现货价格持续上涨：截至2026年8月，英伟达各代GPU租赁价格均处历史高位，B200稳定在5.66美元/小时，H100为2.80美元/小时，A100也维持在1.64美元/小时。
远期溢价信号强烈：有云服务商通知客户，B200价格将在续约时从2.63美元/小时上涨至5.10美元/小时，涨幅达94%，而1000块B200的交付周期已延长至12-15个月。
二、成本结构：高端存储成为新的价格锚点
HBM供应持续紧张：2027年行业HBM混合平均售价预计同比上涨约79%，顶配HBM4E甚至可能突破30美元/GB。
存储成本占比飙升：英伟达新一代Vera Rubin平台中，HBM4与SOCAMM2合计成本占单个超级芯片总成本的62%，存储已从配件跃升为AI基础设施的核心价值环节。
内存压制GPU配置：由于HBM供应紧缺，英伟达被迫调整VR300显存规格，从768GB降至384GB HBM4，后续再升级至512GB HBM4E，显存规格“降级”反而印证了供需之紧张。
三、金融化机制：定价权从“市场供需”扩展到“资本结构”
华尔街资本入局托底：英伟达联手Apollo、贝莱德、黑石等六大机构，建立可调动超5000亿美元第三方资本的融资平台，使GPU成为“可产生收入、可重新部署、可通过软件增值”的可投资资产。
兜底安排锁定价格下限：在典型6年期take-or-pay结构中，英伟达为GB300设定了从3.68美元逐步降至1.04美元/小时/GPU的兜底价格，六年平均约2.36美元/小时/GPU，相当于为租赁价格设置了一条“软底线”。
算力收入与资产定价深度绑定：GPU的经济寿命、残值、利用率和租赁价格，正从公司的运营指标变成金融资产定价的核心参数，这意味着资本市场的风险偏好也将直接影响GPU的租赁价格。