做算力行业对融资租赁公司的能力要求

2026年，AI AGENT爆发式发展，智算产业进入“算力即资产”的关键窗口期。一方面，大模型训练、推理及推理衍生应用持续拉动GPU需求，国产芯片加速追赶，算力中心“投建运”规模激增；另一方面，融资租赁机构大量涌入，却面临硬件估值无标准、技术迭代快、下游租约真假难辨、退出路径模糊等现实难题——“看得见设备，看不穿风险”成为普遍困境。

本课程围绕算力融资租赁业务的全链条痛点展开：从算力行业现状与战略窗口切入，系统拆解“主体-资产-现金流”三维穿透式评审体系；同时深入智算中心“投建运”实务，涵盖GPU硬件识别与估值、机房运营成本拆解、交易结构与审批流程等核心模块。帮助学员全面提升AI智算行业认识，深化专业能力，赋能业务开展。

A老师 “租赁+信创+算力”复合领域专家，丰富算力项目投融资经验

落地多个算力中心项目，发展了通信网络运输、智能算力、云计算、智慧系统集成与网络安全的业务矩阵。长期致力于AI技术的推广与赋能，曾为某大型国有集团旗下多家核心企业提供内训，并受邀在北京、上海、杭州等地，为众多金融机构与国有企业讲授人工智能前沿应用课程，具备深厚的产业洞察与丰富的教学经验。

B老师 智算中心建设及AI技术领域专家

现任某国内本土算力基础设施标杆企业方案与生态部总经理，中国移动通信联合会教育与科学技术研究院特邀专家，10 余年 IT智算领域从业经验，熟悉市场AI技术和大模型方案，主流智算中心建设与产品技术架构以及 AI芯片市场情况，研究方向涉及数据中心液冷、人工智能、信创替代、边缘计算等领域，累计为 10 余个新型智算中心建设提供方案规划和技术指导。

7月25日上午

《算力行业的融资租赁风险管理》

一、算力行业现状与战略窗口

1.中国算力行业的发展现状

2.全球算力市场的对比

二、算力融资租赁业务实践

1. 客户选择：聚焦优质主体与真实场景

1.1 城投平台、上市企业、运营商……如何评估优质主体

1.2 下游租约的真实性与稳定性审视

2. 资产管理：贯穿全生命周期的价值管控

2.1 资产明晰化

2.2 价值动态评估：服务器设备价值评估体系、技术迭代对资产价值的影响

2.3 退出渠道：资产处置路径、二手市场流转

3. 算力中心的投资和运营

3.1 算力中心的初始投资和常态化运营成本估算（体现分项占比和区域差异及国别差异）

3.2 运营健康度评估：算力利用率、能耗效率、上架率

4.算力中心融资租赁的合规

三、风险评估：构建覆盖“主体-资产-现金流”的三维穿透式评审体系

1.主体资质穿透：不仅看财务数据，审视股东产业背景、团队技术基因及战略连贯性。

2.资产价值穿透：动态管理技术，迭代风险与市场价值波动。

3.现金流穿透：确保租赁还款来源，与底层算力业务的真实现金流紧密挂钩。

3.1 收入真实性验证：交易对手、租约、各类条款及违约分析

3.2成本验证：电力成本、运维成本等变动因素对承租人现金流影响

四、过程中行业发展趋势与业务机遇

1.算电融合

1.1 算力枢纽与绿电基地

1.2 算力中心配储

1.3 绿电交易与算力中心电力成本

2. 算力中心与ESG

（聚焦算力中心能耗指标，供配电系统的高压化和高效率改造，算力全生命周期碳足迹）

五、对融资租赁公司的能力要求

1.团队专业化：懂金融与懂技术的平衡

2.风控数字化：老生常谈的大数据等技术手段

3.定位生态化

7月25日下午《智算产业解析及智算中心“投建运”拆解》

第1章：智算产业格局与资本动向

1.1 人工智能战略与智算产业发展背景

1.2 2026年智算产业趋势洞察与政策解读

1.3 “窗口指导”对智算产业的实际影响（含案例）

1.4 算力需求真实结构拆解：训练、推理、渲染、科研、散户的差异化特征

1.5 资本入局算力的底层逻辑：政策红利、资产重估、折旧优势与现金流模型

1.6 融资租赁机构在算力领域的机遇与潜在陷阱

第2章：算力硬件深度解析——从芯片到整机的识别与评估

2.1 算力的基本概念、分类与计量单位（T/P FLOPS）

2.2 AI芯片技术路线全景：GPU、FPGA、ASIC、类脑芯片对比

2.3 GPU算力的典型应用场景：大模型训练、推理、HPC、渲染、云游戏

2.4 算力统计维度详解：FP16、FP32、FP64精度差异

2.5 主流AI芯片性能实测对比

2.5.1 英伟达GPU系列（B300、H200、H100、A100等）定位与稀疏算力

2.5.2 国产芯片（昇腾、海光等）与英伟达对标分析

2.5.3 算力与大模型、Token之间的换算关系

2.6 硬件等级划分与成本真相

2.6.1 全新、国内维保、二手卡（拆机、翻新）

2.6.2 集采价、贸易价、虚高报价、包装溢价

2.6.3 硬件物理损耗、算力衰减、迭代周期、真实残值的产业测算口径

第3章：智算中心机房运营实务

3.1 智算中心的定义演变：从传统IDC到Token工厂

3.2 智算、通算、超算的差异与联系

3.3 机房等级标准：T2/T3/T4的硬件、电力、消防要求

3.4 核心成本构成：市电、工业电、变压器、PUE、专线带宽

3.5 散热技术对比：风冷、水冷、液冷的适用场景与运维成本

3.6 上架率、空置率、宕机率的真实数据与行业美化辨析

3.7 金融机构如何判断算力资产的合格性

第4章：智算项目商业模式与交易结构

4.1 智算中心的“闭环逻辑”与多元收益模式

4.2 算力产业图谱：宏观视角与厂商视角

4.3 批发与零售型运营模式对比

4.4 算力产品的销售模式：裸金属、时租、包月、分成

4.5 智算项目的运作模式：绿电指标、芯片项目、金融市场、REITs等

4.6 乙方视角：评估智算项目的十个关键点

4.7 用户视角：选择算力租赁平台的考量因素

第5章：智算中心建设全流程

5.1 智算中心与传统项目的本质区别

5.2 “投建运”三维解析

5.2.1 资金来源：股东投资、财政补贴、金融工具

5.2.2 建设要点：选址、绿电、政策补贴、实施时间节奏

5.2.3 运营模式：裸金属、定制服务、算力网

5.3 主要参与方角色与协作关系：SPV公司、银行、融资租赁、政府、运营商、用户等

5.4 项目启动前提：模式确定、政府资源配套、市场消纳、综合保障、运营能力

5.5 关键工作流程：备案审批、能评环评、融资等

5.6 项目审批流程、窗口指导申请书要点、可研报告核心内容

5.7 项目选址因素分析；智算中心与算电协同

第6章：智算中心运维与运营趋势

6.1 运维挑战：异构资源监控、GPU故障率高、设备利用率不平衡、过保预警、机柜闲置等

6.2 英伟达HX00大型组网故障率数据分析

6.3 运维核心问题：异构算力监控、GPU故障检测、并行文件系统监控、自动化资产盘点

6.4 AI推理/训练平台容器化监控管理整合

6.5 运维平台产品示例（技术架构、功能、资产管理、告警、系统管理、GPU/存储监控指标）

6.6 算力运营发展趋势：国产卡份额提升、全国算力网加速、算力+智能体落地

6.7 算力调度平台的价值：技术特点、客户类型、规模化路径

6.8 技术前沿：跨地域万卡集群纳管、多芯片纳管+统一调度

6.9 Token工厂与Token出海的运营逻辑分析