Kimi K3上线48小时算力告急，算力租赁平台为何成AI企业"救生索"
2026年7月19日晚间，月之暗面Kimi团队的一纸公告在AI圈炸开了锅。
公告内容很简短：Kimi K3发布48小时内，用户请求量"大幅超出预估并逼近现有集群承载极限"，即日起暂停C端新用户订阅，全部算力转投已订阅用户。简单说就是——算力不够用了。
这不是什么创业公司的小打小闹。Kimi K3是月之暗面在7月17日刚发布的新一代大模型，背靠的是国内顶级的AI团队。一个头部AI公司的旗舰产品，上线两天就因算力不足被迫限流，这事搁在两年前几乎不可想象。
48小时从"爆火"到"爆仓"，发生了什么
Kimi K3的发布节奏其实不算激进。7月17日正式上线，团队显然对算力做过规划。但实际用户请求量远超任何模型——证券时报报道，K3发布后"用户请求量大幅超出预估"，导致月之暗面不得不启动紧急限流。
公告里有一句话值得注意："团队已在全速推进算力扩容，待新算力陆续到位后将逐步开放更多订阅名额。"关键词是"全速推进"——说明扩容这件事不是临时起意，而是K3发布前就在推进，只是速度跟不上需求。
📊 据中国信通院数据，2026年Q1国内算力租赁市场规模达680亿元，同比增长62%。
这个数字说明一件事：Kimi的算力告急不是个案，是整个行业的缩影。
A股算力租赁概念集体涨停，市场在交易什么
7月20日，也就是Kimi公告后的第一个交易日，A股算力租赁概念全面爆发。利通电子、紫光股份、美利云涨停，行云科技、亚康股份涨超10%。
市场逻辑很清晰：头部AI公司都扛不住算力压力，整个产业链的算力需求只会继续往上走。7月20日当天，行云科技公告签下3亿元算力服务大单，锁定128套GPU资源用于算力租赁业务。
有意思的是，行云科技这笔交易的采购方是"某地方国资供应商"。国资正在大规模进入算力基础设施领域，这背后是政策驱动的算力基建化趋势。
自建集群 vs 算力租赁平台：成本账怎么算
Kimi的情况很有代表性。月之暗面不是没算力——他们有自建集群。问题是自建集群的扩容周期跟不上业务增速。
算笔实在账。以H100为例：
- 单卡采购价约25万元，8卡整机200万起
- 从下单到上架，供货周期普遍2-4个月
- 电力配套、机房改造、运维团队——这些隐性成本至少再加30%
- 电费每月8000元/台只是起步价
而算力租赁平台（如极智算 jygpu.com）的方案是：
不需要等两个月，不需要掏200万。按天租、按月租、按小时租，业务量上去就扩容，下来就缩容。这种弹性是自建集群给不了的。
不只是Kimi：全球算力供给正在经历什么
把视野拉宽，Kimi不是孤例。
7月初，Meta宣布进军云计算基础设施市场，计划向外部出售AI算力和模型访问权限。据纽约时报报道，Meta正与Anthropic洽谈一笔两年最高100亿美元的算力租赁协议。7月13日，Meta还宣布将路易斯安那州Hyperion数据中心项目大幅扩容，总投资规模达到500亿美元级别。
同一时间，赛意信息公告拟采购不超过50.79亿元高性能算力服务器，用于开展云算力服务。一家做工业ERP起家的公司，单笔掏50亿买算力设备——这钱数放在整个工业软件赛道都是天花板级别。
SpaceX那边的动静更大。5月，Anthropic与SpaceX签下三年450亿美元算力协议，包下Colossus 1超算中心全部容量——超过300兆瓦、22万颗NVIDIA GPU。这是目前AI行业金额最大的单笔算力租赁合同。
从Kimi的"算力不够用"到Meta的"算力要变现"，再到SpaceX的"算力当商品卖"——一个趋势已经很清楚了：算力正在从企业自建的固定资产，变成可以按需采购的基础服务。
GPU算力租赁价格行情：涨了多少，还会涨吗
胡润研究院的数据显示，2026年上半年高端GPU租赁价格涨幅接近40%。H100一年期租赁合同价从2025年10月的1.70美元/小时涨到2026年3月的2.35美元/小时。国内春节后主流算力卡整体涨幅约30%。
涨价的底层逻辑很简单：供不应求。高端GPU（H100/H200/B200）的产能被少数几家公司包圆，而AI应用端的需求还在加速释放。中国信通院预测，2026年国内GPU算力租赁市场规模将达到2600亿元。
对于企业来说，等降价不是一个好策略。更务实的选择是在算力租赁平台上锁定长期合约，或者采用"训练用高端卡+推理用性价比卡"的组合策略。
企业决策者现在该做什么
面对算力紧缺的大背景，几条务实建议：
第一，不要把鸡蛋放一个篮子里。不要只绑定一家云厂商。多平台对比价格，分散风险。极智算这类垂直算力租赁平台的定价通常比大厂便宜20%-40%，而且在GPU型号覆盖上更灵活——NVIDIA的H100/A100/4090和国产昇腾910B、寒武纪MLU370都能租到。
第二，算清楚混合部署的账。不是所有任务都需要H100。推理场景用4090就够了，时租1.96元起；微调7B-13B模型用A100完全够用。把任务分层，对应不同算力资源，整体成本能压下来30%以上。
第三，关注国产算力的成熟度。昇腾910B的生态完善速度比很多人预期的快。PyTorch和MindSpore的支持已经比较成熟，算力接近A100，价格约为A100的六成。如果你的模型框架兼容性好，910B是一个值得认真评估的选项。