GPU計算リソースとIDC再販・リース

📌 背景

2026年にAI推論需要が爆発し、計算リソースのリースはハードウェア販売からToken販売と使用量連動型の収益分配へと移行している。半期報告書によると、利通电子の計算リソースおよび関連サービス収入は12.74億元、前年同期比162.38%増で、売上高の60.63%を占めた（同社半期報告書ベース）。协创数据のインテリジェント計算リソース製品・サービス収入は32.16億元、前年同期比163.46%増で、総売上高に占める割合は2.04%から25.68%へ急上昇した。大手のラック稼働率と粗利益率は、中小のAIコンピューティングセンターを大きく上回っている。

👤 ターゲット顧客

AIスタートアップ、大規模モデルのファインチューニングチーム、大学研究室、柔軟なGPUリソースを必要とする中小企業。

💰 収益ポイント

1）オンデマンド計算リソース貸出：GPU時間またはタスク周期単位でAIチームや大学から計算リソースサービス料を徴収する；2）月額リース：基本GPUリソースについて月額固定のリースサービス料を徴収する；3）中古GPUの転貸：回収した中古GPUを転貸し、賃料差益を得る；4）計算リソースの運用保守受託とクラスタチューニング：機会項目に該当し、このラインがどれだけの収益に貢献するかは未開示。

🧮 コスト構造

GPUサーバー調達またはファイナンスリースのコスト、データセンターの電力・帯域費用、運用保守人件費とデータセンター設備の減価償却費、上流のクラウド事業者または通信事業者からのリソース調達コスト。

🛡️ 参入障壁

資金面の参入障壁が高く、大手プレイヤーは自社計算リソースと顧客囲い込み能力を有し、一部企業はグリーン電力や地域政策を背景にコスト優位を形成している。

🔑 成功のカギ

• 高品質な企業顧客を囲い込み、高いラック稼働率を維持する
• ファイナンスリースまたは転貸モデルを通じて初期資本負担を軽減する
• 段階的にToken使用量に応じた収益分配へ移行し、GPU1枚あたりの収入を高める

⚠️ リスク

• 計算リソース供給の過剰によりリース価格が下押しされる可能性がある
• GPUの世代交代が速く、ハードウェアの残存価値リスクが高い

🏢 事例

• 利通电子の計算リソースサービス収入は12.74億元、前年同期比162%増
• 协创数据のインテリジェント計算リソース製品・サービス収入は32.16億元
• 润泽科技のAIDC事業収入は19.95億元

📊 SWOT分析