DC娱乐网

行云科技范式迁移:AI算力TaaS模式的价值重构与可持续性

来源|时代商业研究院

作者|黄腾飞、韩迅

编辑|韩迅

2026年,国内人工智能产业由模型研发转入规模化应用阶段,算力供需结构与服务形态同步重构。据IDC与浪潮信息联合报告,2026年中国智能算力规模预计达2576.5EFLOPS,同比增长87.9%,AI算力市场规模约515亿美元。供给端虽快速扩张,需求端增长更为陡峭:开源证券测算第一季度国内AI算力需求同比增长417%,有效供给增速仅128%;中国信通院数据显示,3月我国日均Token调用量已超140万亿,较2024年初增长逾千倍。算力竞争重心,正由“拥有多少GPU”转向“单位算力可产出多少有效Token”。

图表1:2026年国内AI算力市场关键指标

在此背景下,行云科技(300209.SZ)成为A股算力服务模式(TaaS)转型的代表性样本。公司前身于2024年进入破产重整;2026年2月正式完成更名,确立“跨境数字贸易+AI算力基础设施”双主业。依托控股股东行云集团的全球供应链积累及核心团队的中兴通讯背景,公司将长链路组织能力由商品流通迁移至算力调度与Token商业化环节。

业绩层面,行云科技2026年前三季度营业收入11.75亿元,同比增长1896.66%;归母净利润为2.69亿元,实现扭亏为盈;经营活动现金流净额2.38亿元。其中,第三季度单季营收9.21亿元、归母净利润2.57亿元,分别贡献前三季度营收的约78%与利润的95%以上,反映算力业务自第三季度起进入规模化收入确认阶段。

11月18日,时代商业研究院就公司订单交付、Token分成、轻资产模式、技术壁垒等相关问题向行云科技发函并致电问询,但未能与其取得联系。

一、商业模式重构:轻资产双边绑定与“基础租金+Token分成”二元结构

行云科技的算力业务采取“重资产自持租赁+轻资产合作运营”双轮驱动,轻资产模式构成差异化核心。重资产模式下,公司直接采购持有GPU服务器,承担资本开支与折旧风险,但可通过服务器及应收账款质押融资;轻资产模式下,公司不持有底层硬件,以“上游供应商+公司运营+下游客户订单”双边绑定开展合作。上游提供GPU算力及硬件,公司负责调度、运维与客户拓展,下游与客户签署算力服务协议。

上游端,行云科技与山东国资SA供应商合作,双方就128套高端算力服务器达成框架安排,服务期5年,期满后3年续约期内净利润按公司70%、供应商30%分配,算力补贴受益权归行云科技,目前75套算力单元交付已完成。该结构将一次性资本支出转为逐期租金,降低前期资金占用与闲置风险,使行云科技得以聚焦获客、调度与商业化环节。

模式的实质变化在计费逻辑。传统算力租赁按GPU使用时长计价,收入上限由设备规模与单价决定。行云科技在合同中设置Token收入分成条款,形成“基础租金+Token分成”二元结构,基础租金覆盖硬件与运营支出,构成收入基本盘;Token分成与下游推理调用量及服务效果挂钩,形成与客户增长同步的弹性增量。

下游端,行云科技与头部长文本大模型服务商VB客户签署补充协议,将五年期合同金额由10.14亿元上调至33.57亿元,增幅达231.13%,并新增Token收入相关固定服务费,为A股算力服务合同首次以正式公告写入Token业务属性。其经济含义在于,算力服务由按资源投入收费转向按产出价值收费,供需双方由一次性买卖转为长期利益绑定。

图表2:传统算力租赁与TaaS模式的机制对比

二、兑现能力验证:在手长单、交付节奏与技术生态壁垒

商业模式成立需由订单与交付验证。截至2026年9月21日,行云科技在手5年期算力长期框架订单160.04亿元,客户覆盖头部央企上市公司与一线大模型厂商;7月末该口径为150.82亿元,年内累计披露算力及存储订单约206.41亿元。更值得注意的是加价扩量,相关调价均发生在首批设备交付验收之后,反映客户需求超出初始预期。

图表3:行云科技核心订单加价扩量情况(截至2026年7月末)

收入确认方面,行云科技的核心长单采用“按月/批交付、按月回款、逐月确认收入”模式,区别于行业内交付周期长、确认波动大的普遍情况;截至第三季度末,公司合同负债由上年同期的2291.43万元增至2.42亿元,增幅956.09%,显示客户预付定金持续增厚。若在手160.04亿元长单完整起租,公司预计前三年年均租金约32.67亿元、后两年约31.02亿元,为中期收入提供可测算基础盘。资金端,截至10月28日,行云科技已申请授信及融资租赁总额215.44亿元、已签署融资及授信合同66.89亿元,并与火山引擎签署框架合作协议拓展Token商业化渠道,投资光象科技卡位Agent入口,为全链路生态补齐应用侧接口。

技术层面,行云科技引入首席科学家唐博博士(南方科技大学研究员、AlayaDB.AI创始人)团队研发的AlayaJet推理引擎。据其在英伟达B300硬件、MiniMax-M3428B模型上的测试,相比开源引擎vLLM,AlayaJet吞吐量TPS提升44%,首字等待时延降低28%;核心技术包括O(1)GPU显存开销的推理预填充与CPU-GPU协同解码加速。其意义在于,同等硬件条件下提升单卡有效Token产出,使“按Token计费”的单位经济模型具备成本基础,构成区别于单纯算力分销商的技术壁垒。

由此,行云科技形成以AlayaJet为底座的TaaS三层全链路架构——底层对接并统一调度分散的异构算力资源,中层以MaaS形态向客户提供模型微调与推理优化能力,上层衔接AI应用场景,提供AaaS落地支持,实现从算力资源到应用交付的完整闭环。这一架构将技术优化能力嵌入服务全链条,使公司由“硬件搬运方”转向算力价值整合者,也令“按Token产出收费”具备端到端的落地支撑。

三、可持续性边界:竞争格局、客户结构与风险因素

订单规模与交付进度构成短期支撑,但模式可持续性仍须置于竞争格局下审视。A股算力租赁赛道参与者多为近一年半转型切入,尚未形成稳定龙头格局。相较于以硬件规模见长的服务器厂商和以资源储备为核心的IDC运营商,行云科技的差异化在于占据算力调度、推理优化与Token变现等高附加值环节。优势是资本开支压力较小、模式弹性较高;短板是不掌控硬件供应链,对上游供给节奏与下游客户质量依赖更高。

行云科技的模式边界体现在四个方面。其一,交付与业绩释放风险:高端服务器供货、跨境物流通关、机房部署及客户验收流程均可能导致交付进度调整,收入按月确认使业绩对交付节奏高度敏感。其二,客户集中度与分成落地风险:订单集中于少数头部客户,Token分成的实际贡献取决于下游应用商业化速度与调用规模,若客户留存或单位Token毛利不及预期,弹性收入将受限。其三,行业竞争与价格波动风险:参与者持续增加,若供需格局逆转,租赁价格与分成空间可能被压缩。其四,融资、折旧与合规风险:融资规模较大,GPU更新周期短带来设备贬值压力;跨境数字贸易与“Token出海”受国际贸易政策、地缘环境与海外监管变化影响。行云科技也在投资者关系活动中提示上述风险,强调经营规划属前瞻性陈述,不构成业绩承诺。

因此,对行云科技的跟踪不应止于订单总额,而应转向三个可验证指标:核心客户的续约与回款情况、Token分成收入的实际确认比例,以及AlayaJet在更大规模模型场景下的效率表现。

核心观点:从“卖算力”到“卖Token”的范式迁移及其验证路径

综合来看,国内AI产业正由训练主导转向推理与规模化应用主导,算力供需缺口与Token调用量增长,为服务模式升级提供产业基础。行云科技的价值不在硬件规模,而在以轻资产双边绑定降低资本占用,以“基础租金+Token分成”重构计费逻辑,以AlayaJet推理引擎提升单位算力Token产出效率,三者构成其TaaS模式的核心框架。

前三季度业绩与在手订单初步验证框架可行性,但收入集中于单季、Token分成仍处项目级落地阶段,模式的可复制性与盈利稳定性尚待更多交付周期检验。判断其长期成色的关键,是下游应用商业化能否持续放大Token调用规模,以及行云科技在上游供给波动与行业价格竞争中维持交付与运营效率的能力。对市场而言,跟踪订单交付、分成收入确认与客户留存,比关注订单总量与股价波动更具判别意义。