在全球大模型竞赛的背景下，算力已成为核心生产资料。无论是模型训练还是应用落地，算力的可得性与成本，直接决定企业能否在激烈竞争中生存。
科大讯飞近期披露了2025年度向特定对象发行A股股票预案（修订稿），将募集资金中的24亿元用于算力租赁的专项支出。这背后凸显的正是科大讯飞在国家政策的支持下相对行业具有显著的成本优势。
在全球AI市场，OpenAI、Anthropic 等企业大多依托微软Azure、亚马逊AWS和谷歌云的集群。自建集群投资动辄上百亿美元，非巨头企业难以承受，因此租赁是主流模式。尽管租赁价格昂贵，但相较于一次性巨额支出，租赁能提供弹性与快速迭代的保障。对资本高度依赖的初创AI公司而言，租赁是“活下去”的前提。而在中国市场，算力租赁价格大体在每千P算力1.3至1.5亿元/年。五年总计约65至75亿元。而若企业自建万P级集群，投资成本至少在200亿元以上，且建设周期往往超过一年。这意味着，在同等周期下，租赁成本仅为自建的四分之一甚至更低，不仅资金压力小，而且能即时获取最新一代GPU，避免硬件迭代带来的资产折旧风险。
在此次再融资中，科大讯飞明确拿出24亿元用于算力租赁，这一安排正是基于算力经济学的考量：通过租赁模式，科大讯飞在国家政策支持下，可以在最短时间内获得稳定的超万P级算力支持，推动大模型研发、AI出海、以及教育、医疗、工业等AI应用落地。相比高昂的自建投入，租赁能让讯飞把更多资金投入到模型迭代和行业场景拓展上，从而更快形成商业回报。一方面，租赁模式帮助科大讯飞把算力投入转化为“运营成本”，而不是沉重的资本开支，保持财务报表的灵活性。另一方面，随着国内GPU市场逐步释放产能，租赁价格具备下行空间，进一步强化了科大讯飞的成本优势。相比多数中小厂商“按需租赁”的零散采购，科大讯飞以国家队体量批量租赁，单P成本更低。
国务院正式印发的《人工智能+行动意见》强调算力自主可控，对多数AI企业而言，如何在资金、算力和应用之间取得平衡，是现实课题。科大讯飞的再融资方案，展现了国家队企业的独特性：在确保战略安全的前提下，租赁算力既控制了成本，又保证了研发节奏。
在大模型产业尚处快速迭代期，租赁模式不仅让企业节省了巨额投入，还为应用落地争取了宝贵时间。在当下，科大讯飞通过再融资锁定最优解。
