手握上百亿元订单的 " 算力房东 " 周咏，自今年二季度末起，主动找上自己的大客户，做了一桩行业里少见的买卖。
他把长期执行的 GPU（图形处理器）算力固定机柜租赁服务费降了下来，换成一份跟着人工智能 Token（人工智能的工作量计量单位）调用量增长的收益分成方案。
这不是孤例。
经济观察报记者近日采访算力产业链上下游多家企业获悉，已有算力服务商跟进类似做法。
例如，有的算力服务商在合同中，将固定服务费下调约一成，Token 收入分成则上调逾两倍。
周咏对经济观察报记者说：" 这不是单纯调低基础租金，而是以压缩固定保底收益为对价，换取分享下游推理业务增量收益的资格，本质是长期订单内部收益结构的重构。"
消费端的信号也同步传递出来。今年 " 双十一 " 大促期间，人工智能的 " 干活量 " 成了货架上的商品。公开信息显示，头部主播直播间半小时卖出近十万份大模型 Token 月卡，约两万亿个 Token 被普通消费者买单。
周咏表示，行业内此前虽有按量计费、卡时租赁、短期打包等弹性计价方式，但这类模式只是按资源消耗收费，并不参与下游业务增量分润。当前出现的新商业模式，和之前模式的核心差异在于，这次是在保底基础上，绑定 Token 产出、共享推理增长红利，风险共担。
在他看来，算力生意的计价逻辑正在被改写。
算力房东盯上分红
自 2026 年一季度起，保底 +Token 超额分成的算力计价方案开始在国内头部算力租赁服务商与头部大模型、Agent 应用厂商之间试点落地，目前仍属于小范围探索，集中在推理业务占比高、调用量具备增长预期的战略客户，尚未向中小客户、训练类订单铺开。周咏所在企业就是较早试水的服务商之一。
年内两度上调算力租赁合同金额后，周咏所在的算力服务商与一家头部客户解除原合同、重新签约。
周咏给记者提供了一组测算对比，比如原有纯固定长租模式下，该客户每年刚性算力支出约 1.20 亿元，新合同将基础保底服务费下调约一成，降至 1.08 亿元，当客户月度 Token 调用量突破约定阈值后，超出部分按约定比例额外分成。按照中性情景测算，若客户推理调用量稳步抬升，服务商全年综合收入有望较原固定租金方案上浮 20% 到 50%。但如果下游模型应用冷启动不及预期、调用量长期低于基准线，服务商年度收入最高可能下滑 10%，客户也得以规避前期高额刚性支出。
过去，算力租赁主要围绕硬件计价，按机柜、GPU 时长或算力用量收费，出租方通常按照资源使用情况收取服务费。受访的多家企业此前较少见到房东按调用量分享推理业务收益，并与客户业务共担风险的合同。
一家头部云厂商的算力采购负责人对记者说，企业 Agent（能自主执行任务的人工智能程序）、行业大模型的调用增长较快，通用闲聊类场景增速相对平缓。需求端的结构变化，使客户希望降低前期固定成本，算力服务商则希望分享推理业务增长带来的收益。
一家华南上市算力服务商的 Token 业务负责人王道威对记者说，该公司已经把分成条款写入新合同。一类项目采用 MaaS（模型即服务）合营分润，由服务商提供算力底座和集群运维，模型厂商提供模型能力，双方按照 Token 产出分润；另一类项目则直接售卖 Token，海外订单采用年度保底加按量后付费。
王道威说：" 不止一家同行在做类似试点，只是各家披露程度不一样。"
周咏解释，这种调整的核心，是以部分固定收入换取更深的客户绑定。客户业务增长确定性比较强，但也不希望前期背负过重的刚性成本。适度下调固定服务费，本质是商务博弈中换取更深的客户绑定，锁定长期合作底盘。
重新签订后的合同通常分为两层。一层是基础固定服务费，保留收入的确定性；另一层是 Token 分成，用来分享推理业务增长带来的增量收益。周咏认为，相关分成按算力单元约定固定金额，并不直接随客户自身营业收入浮动。
换言之，出租方押注的不是模型厂商最终赚了多少钱，而是机器实际跑过多少 Token。
周咏所在企业在确定条款前，曾对调用量超预期和业务不及预期等情景进行测算。他说，目前，传统固定时长租赁仍是其主力业务，分成模式主要在头部战略客户中试点。两种模式并行推进，尚未替代存量合同。
新模式
对算力服务商而言，分成并非单一模板，客户正在根据业务阶段组合使用不同资源。
一家头部大模型公司的算力与推理业务负责人对记者说，该公司正在采用混合算力架构。自有集群承接核心、稳定的长期业务，外部算力用于弹性扩容。固定长租为成熟业务提供成本确定性，按量资源则服务于新上线、流量波动较大的 Agent 场景。
上述云厂商的算力采购负责人也表示，传统固定时长租赁适合流量不确定、需要提前控制成本的业务。" 保底固定加 Token 分成 " 则更适合冷启动阶段，可以降低前期刚性支出。但如果调用量快速增长，混合模式下的总支出可能超过传统长租，双方的业务数据和 Token 计量口径也会深度绑定，增加更换供应商的迁移成本。
算力房东最怕设备空转，客户最怕在业务尚未跑通前承担过高固定成本，分成模式让双方共同承担部分不确定性。
周咏表示，分成收入会受到算力单元交付验收和客户业务活跃度影响，" 风险确实是双向共担 "。这意味着，服务商让出的不仅是部分固定现金流，也包括原本较为确定的收入预期。
模式变化还传导至芯片厂商。
一家头部国产人工智能芯片厂商的业务人士对记者说，分成模式考核的重点不再只是芯片的纸面峰值性能，还包括单位硬件实际产出多少 Token、单个 Token 的成本。这为国产芯片提供了新的评价标尺，也要求芯片厂商进一步完善软件适配、集群互联和推理优化。
该人士补充表示，人工智能芯片迭代周期大致为一年半至两年，会计折旧周期可能达到三四年，但商业可用生命周期往往更短。如果硬件实际产出不及预期，租赁商的项目收益会直接受到影响。
王道威判断，分成会成为行业的重要补充模式，但短期内难以完全替代一口价长租。" 还谈不上全面拐点，目前整体还处在小规模试点阶段。" 他预计，头部战略客户和推理业务占比较高的项目，更多采用保底加分成的混合方案；普通客户和训练类业务仍将以传统长租为主。
风险
最先收紧的是资金端。
一家股份制银行对公业务部门的算力融资业务负责人对记者说，算力租赁项目的风险明显高于普通制造业。银行会提高风险溢价，并要求设备抵押、实控人连带担保、上市公司主体担保、应收账款质押等组合增信（额外的风险保障措施）。
" 第一还款来源是下游真实业务现金流。" 上述银行人士说，GPU 数量本身不能代表偿债能力，客户资质、正式合同质量和实际上架率才是尽调（贷款发放前的调查核实）重点。
对于匿名客户，银行会核验最低采购量、违约赔付、付款节奏等条款，区分意向性框架协议与具备约束力的正式合同，并交叉核对回款流水，必要时前往机房核验设备运行状态。算力服务形成的应收账款也会被纳入质押和回款监管。
如果对手方全程匿名、缺少第三方佐证，授信准入会明显收紧。公开信息显示，部分跨界企业披露大额算力合同后出现提前终止或监管问询，也使银行更加关注企业的主业安全垫、产业团队能力和合同履约情况。
上述银行人士表示，人工智能二手设备流通市场尚不成熟，芯片迭代又快，设备处置变现存在较大不确定性，不能指望拍卖硬件覆盖全部敞口（银行尚未收回的风险金额）。因此，贷前准入和贷中监测比事后处置更关键。
需求端同样存在波动。
上述头部大模型公司算力与推理业务负责人说，Agent 相关调用增速明显高于普通对话场景，但不同客户和行业差异较大。当前增长呈现 " 部分场景稳步抬升叠加阶段性脉冲 " 的特征，成熟业务调用量逐步增加，试点项目则可能在终止后出现回落。
这也是分成模式最大变量，下游调用走高，服务商方能获取超额收益。若业务降温，分成收入收缩，折旧、电力、运维等刚性开支却不会停。
Token 分成由此成为算力租赁的一种新选择，但机器能否持续运行、客户业务能否持续增长，仍决定着这门生意最终能否成立。
（应受访者要求，周咏为化名）
