一、同样的租金，采购价不同，账就不同
SMM在2026年9—10月采集的渠道报价显示，昇腾910B4八卡整机全新报价为96万元，单卡64GB。同类资源的租赁报价分成三档：64台批量为1.55万元/台·月，一年、三年租期同价；5—16台小批为1.90万元；零售为2.20万元。
先算设备折旧和GPU电费。将96万元整机价格平均分摊到八张卡，每卡设备投入为12万元；按五年、每年8760小时折旧，每小时约2.74元。再按单卡功耗0.4kW、PUE为1.3、电价0.65元/度估算，电费约0.34元，合计约3.08元/卡时。
3.08元是这一简化口径下的基础成本，并未完整计入主机其他部件用电、机房、带宽、运维、资金和销售费用。
批量档2.69元的租金，比3.08元基础成本低约0.39元/卡时。即使全年租满，仅靠这档租金也难以覆盖上述成本。
采购价下调后，情况会变。渠道记录显示，10月有一批6月囤下的120台现货按73万元/台出清。以这一采购价测算，基础成本降至约2.42元/卡时；同样的批量租金，便能留下约0.27元/卡时，用于覆盖其他费用。
这还不能直接等同于盈利，但足以说明：看一台服务器能不能赚钱，先要问它是以什么价格买进来的。 单批次清仓，也不能据此推断整个国产卡租赁市场都在退出。
二、卖Token，换的是交付方式
租赁按占用设备的时间收费；模型服务通常按处理的输入、输出Token数量收费。Token可以理解为模型处理文本的计量单位，并不等于调用次数。一次调用可能只有几十个Token，也可能包含很长的上下文。
对客户来说，按量购买模型服务，省去了自行租卡、部署和维护的门槛。对运营方来说，来自不同客户的需求有机会被集中调度，提高设备的有效产出。但没有请求的闲置时间，仍然不会产生收入。
这一模式已有实际落地。中国移动发布的移动云（北京）Token中心，将昇腾、昆仑芯、摩尔线程等国产芯片资源与模型、计量和运营服务整合，通过统一接口向客户提供按需调用的能力。
从出租设备到交付模型服务，中间还要补齐模型适配、推理优化、调度和获客。若由第三方联合运营，分成也要计入账本。换一个收费方式，并不会自动增加利润。
三、从卡时成本，换算到每百万Token
换算的核心很简单：用同一段时间内的成本，除以同一段时间内的有效Token产出。
- 每百万Token成本 = 每卡每小时成本 × 1,000,000 ÷（满负荷吞吐量 × 3600 × 利用率）
沿用本文的简化模型，先计算设备折旧和GPU电费，再增加30%作为机房、带宽、存储及运维费用的估算。这里的“利用率”，指实际有效产出相对设定满负荷产出的比例，不等同于监控面板上的GPU利用率。
以910B4情景为例：若每卡满负荷吞吐量假设为1101 Token/s，基础成本按3.08元/卡时计，则每百万Token成本约为：
- 3.08 × 1.3 × 1,000,000 ÷（1101 × 3600）≈ 1.01元
为了便于比较，本文选用DeepSeek Flash空闲时段公开牌价作为价格参照：每百万输入Token为1元（缓存未命中），输出为4元。按输入与输出4∶1计算，每百万总Token对应1.60元，记为“10折”。因此，1.01元约相当于该参照价的6.3折。
吞吐量和价格必须对应同一种Token口径。 上面的计算要求吞吐量覆盖相同输入、输出比例下的总Token；若测试只给出输出Token/s，就不能直接与混合单价相比较。把DeepSeek牌价作为参照，也不意味着各卡运行的是同一个模型，或能提供相同的服务质量。
下表沿用研究模型的六组满负荷成本情景。它们基于采购价、电费及吞吐量假设，用于观察成本变化，并非六款卡在统一条件下的实测排名。其中按显存带宽线性外推吞吐量的做法较为粗略，实际部署仍需在目标模型、精度、并发和延迟要求下校准。
在这组假设下，四款国产卡的满负荷成本约为参照价的1.7—8.7折。但这个区间有一个关键前提：满负荷产出。
四、利用率一降，单位成本就上来
在每小时成本保持不变的简化模型中，利用率降到40%，每百万Token成本就变成满负荷时的2.5倍；降到20%，则变成5倍。
以910B4情景为例，满负荷成本约1.01元/百万Token；利用率降至40%时约2.53元，20%时约5.05元。换算为同一价格参照，分别约为6.3折、15.8折和31.6折。
这也是“卡买得便宜”和“Token产得便宜”之间的距离。采购价降低了折旧压力，稳定的订单才能让这些成本被更多产出分摊。
这里展示的是敏感性分析，并非市场实际利用率调查。现实中，功耗会随负载变化，吞吐量也受批处理、缓存和软件优化影响，成本未必严格沿反比例曲线变化。
五、三折报价，留给成本多少空间？
按1.60元的统一参照，三折是0.48元/百万Token，五折是0.80元。本文将三至五折作为分销报价情景；不同模型、缓存规则、时段和服务等级下的折扣，不能直接混用。
以C500成本情景为例，满负荷成本0.27元，三折售价0.48元，留下0.21元价差。若按“售价减成本，再除以售价”计算，测算毛利率约为43.8%。利用率降至40%后，成本约0.68元，便高于这一售价。
在其他条件不变时，该情景至少需要约56%的有效利用率，才能覆盖三折售价下的模型成本；若售价为五折，门槛约为34%。这些门槛仍未包含模型之外的费用，也不能直接当作实际项目的盈亏平衡点。
S5000和910B4情景的满负荷成本分别为0.81元、1.01元，已高于三折售价。单纯提高利用率无法填平这部分差额，还需要更低的采购成本、更高的有效吞吐量，或更高的销售价格。
因此，不能仅凭一个三折报价，就断言卖方一定亏损。双方可能采用了不同采购成本、模型、缓存方式、负载组合和运营安排。需要比较的是同口径的收入与成本。
六、最后要看的，是能卖出去的有效产出
显存带宽会影响推理表现，尤其是部分解码场景，但不能把它当作唯一变量。输入预处理、解码、批量大小、模型结构、量化方式和软件栈，都可能改变性能瓶颈。NVIDIA的技术分析也明确区分了预处理与解码的不同瓶颈，并指出推测解码等优化会改变计算与带宽的约束关系。[3]
同样，一张卡的估算成本与某家模型服务商的牌价接近，也不足以推断对方的真实成本或定价策略。
对算力持有方而言，判断是否适合转做Token服务，可以落到三件事上：设备以什么成本持有，目标业务每小时能产生多少有效Token，这些产出能以什么价格持续卖出去。
把卡搬进“Token工厂”，只是经营方式的变化。能否覆盖成本，要等采购、技术和订单三笔账合到一起，才有答案。
