AIGC应用合规系列：大模型时代下的算力租赁及其法律问题
文 | 王小敏 汇业律师事务所 合伙人
“算力”是集网络运载力、数据存储力、信息计算力于一体的新型社会生产力，主要通过数据中心、超算中心等数字基础设施向业界和社会提供计算服务，被视为数字经济发展的“底座”。
一、爆发式增长的算力需求
因AIGC大模型的飞速发展，如何提升“算力”构建更强大的AI基础设施成为各软硬件企业关注的重点。为此，硬件厂商和云服务提供商等都在加大对算力资源的投入。硬件制造商如英伟达、英特尔、AMD等都在不断推出更强大的AI处理器。例如，英伟达的A100 GPU可以提供高达312 TFLOPS的FP16性能，而英特尔的新一代Xeon处理器也提供了强大的AI加速能力。除了通用处理器外，还有一些公司如谷歌、华为、阿里巴巴等都推出了专门为AI计算设计的芯片。
随着国产大模型百花齐放，通用能力模型快速发展，以及多模态模型的不断涌现，国内AI算力需求呈现爆发式增长，行业内各大企业之间的算力投资和竞争不断加剧。与此同时，国家层面也高度重视AI算力的发展，2023年10月8日，工业和信息化部、中央网信办、教育部、国家卫生健康委、中国人民银行、国务院国资委六部门印发《算力基础设施高质量发展行动计划》，启动和规划了国家算力枢纽节点和国家数据中心集群建设，将进一步促进算力产业的发展和刺激算力需求的增长。
二、算力租赁模式兴起及特点
算力租赁是指算力需求方通过支付相应的服务费用，租赁云计算中心或IDC厂商的计算资源，以开展机器学习、算法模型训练、数据处理和存储等AI业务。简单来说，算力租赁就是对算力进行出租的业务模式，即一些企业通过购买算力服务器，自建算力中心，然后将算力出租给其他企业，根据服务器类型按月或按年收取租金。
今年以来，受困于美国加大对中国半导体芯片等产业的出口禁令和技术限制，国内厂商获取最先进算力基础设施的能力受到极大影响，NVIDIA（英伟达）已禁止向中国提供大模型训练和推理所需的A100、H100等主流高端AI芯片，导致大模型训练的算力资源和大模型训练需求供需失衡，短期算力需求远高于算力供给。于是，国内相关中大型企业不得不开始寻求采购华为昇腾910等系列国产芯片，用于自建数据中心或提升和巩固自身算力优势。但对于广大中小型企业来说，无法采购到所需的高端AI芯片，也无财力承担自建数据中心的高昂运维成本，只能转而向算力资源富余的云服务等厂商租赁算力，将其AI计算任务放到云端进行，这样即可以节省巨额的硬件投资，也可以利用云服务商提供的强大计算能力，算力租赁模式由此兴起。
算力租赁适用于各种大规模计算需求的场景，如人工智能、大数据分析、高性能计算等。这种模式使得用户能够根据具体需求灵活地调整计算资源的使用，满足不同场景的计算需求。目前我国的算力租赁模式主要有两种：一种是公有云模式，如阿里云、腾讯云等，用户可以直接在平台上租赁算力；另一种是私有云模式，一些大型企业会建设自己的云计算中心，供内部使用或对外租赁。可见，算力租赁市场具有多元化的参与主体，参与者不仅包括传统云服务提供商、具备IDC建设运营能力的央企国企和民企，也包括新能源汽车、智能手机等跨界厂商。
正是因为算力租赁具有灵活性、低成本、高效性、安全性、易用性等特点，使得更多的企业和个人能够方便地获得高性能计算资源，同时算力租赁降低了算力需求方的使用门槛，促进人工智能、大数据等技术的发展和应用，推动了全民AIGC时代的到来。
三、国内算力租赁市场展望
短期来看，随着AIGC大模型的广泛应用，国内市场对算力的需求将持续增长，推动算力租赁市场规模不断扩大。同时，随着5G、云计算等技术的发展，算力租赁的应用场景将更加丰富，进一步推动市场规模的扩大。根据工信部数据，2022年我国算力核心产业规模达到1.8万亿元，算力总规模位居世界第二。预计在2021-2026年期间，中国AI算力规模年复合增长率将达到52.3%，算力租赁市场存在广阔的发展空间。
长期来看，未来随着人工智能技术的发展，中国算力需求仍将保持快速增长。但由于英伟达A100和H100等算力芯片的断供，导致驱动我国AI产业发展的关键引擎面临动力不足，如果国产芯片不能完全替代和有效支撑更高端、更先进、更大的市场需求，国内算力发展将面临多元化应用和供需不平衡的挑战，有可能迫使传统的IDC厂商、云服务提供商以及新兴的跨界厂商逐步限制或停止提供算力租赁，导致相关企业面临算力不足的尴尬境地。
因此，算力租赁市场的未来不仅仅取决于整个算力需求市场的增长，同时也取决于算力基础设施提供方的算力盈余，以及国产高端先进AI芯片产业的发展壮大。对于算力需求方来说，如何寻求算力资源的持续稳定供应和扩充，将不得不提前进入相关企业的战略发展布局中。
四、算力租赁相关法律问题
随着算力租赁市场的发展，以及越来越多的企业跨界进入算力租赁业务，一些法律问题也将逐渐显现。
（1）首先是供应链稳定涉及的法律问题。算力租赁市场正在不断扩大，但相关供应链资源的密切配合需要得到有效保障。算力租赁业务需要计算机硬件设备、网络设施、电力等基础设施资源的支持，因此，算力供应链资源的有效配合和持续稳定将成为重要的课题。这其中，必然涉及算力租赁的合同法律问题，包括算力租赁合同的有效性、合同的履行、合同的解除、合同条款约定不明确，或者合同履行出现问题、合同诈骗等，都可能引发合同法律纠纷。
（2）算力来源合法的问题也需考虑。如果算力来源于非法的提供方或非法活动，那么承租方可能会面临相关法律责任。比如，目前国外某些厂商在公海提供算力租赁服务，以规避美国的出口限制或技术封锁措施，或者国内的算力需求方寻求租赁海外的算力，这些均涉及到跨境的问题，需要考虑不同国家或地区对算力方面的法律规定，不排除一些国家可能对算力租赁有特殊的法律限制。
（3）知识产权和数据保护问题。算力租赁可能涉及到知识产权的问题。例如，如果租赁的算力被用于进行侵犯他人知识产权的行为，那么承租方可能会面临相关侵权责任。算力租赁也可能涉及到数据保护的问题。例如，如果租赁的算力被用于处理敏感的个人信息或数据，那么承租方需要确保这些数据的安全，否则可能会违反个人信息保护法或数据安全法等相关法律法规。再如，算力租赁过程中涉及大量的数据传输和处理，需要采取有效的措施来保护用户的隐私和数据安全。因此，云算力平台需要建立完善的数据安全管理制度，保障用户数据的安全性和隐私性。
（4）环保、资质等其他问题。大模型的计算和训练需要消耗大量的能源，可能会带来环保问题。因此，算力租赁企业需要采取措施，提高能源利用效率，减少碳排放，实现绿色发展。另外，对于跨界进入算力租赁市场的厂商来说，资质和资金来源问题也会引起监管的关注。例如，莲花健康作为一家主营食品与调味品业务的公司，近期采购了大量英伟达的算力服务器来开展算力租赁业务，便收到了上交所《关于对公司有关签订采购合同相关事项的问询函》，要求莲花健康补充披露公司是否具备相关业务运营资质、是否已与意向客户签署意向合同；本次采购事项决策是否审慎、是否有利于保护上市公司及投资者利益；本次采购资金的安排统筹情况，包括资金来源初步安排，目前是否存在资金提供意向方，与资金提供意向方的洽谈情况等；说明公司筹资安排是否具有可实现性，是否存在因资金不足导致合同无法履行的风险等。
五、防范算力租赁法律风险的一些思路
针对以上可能出现的算力租赁法律问题，建议相关市场参与主体在开展算力租赁业务时，注重加强业务合规性和合作审慎性考察。
（1）对于承租方来说，建议选择正规、合法的算力租赁平台，在合作前审慎调查对方的业务资质和经营许可证，以及对方遵守相关法律法规的情况。如果在某个特定的国家或地区进行算力租赁，那么还需要了解并遵守该地的法律法规。在签订算力租赁合同过程中，注意认真审查合同条款，确保合同内容合法合规，条款约定明确清晰，包括但不限于租赁期限、租赁费用、服务范围、违约责任等。同时，了解合同中可能存在的风险点，并谨慎评估相关风险，科学合理的设置相关责任承担方式。在履约过程中，注意避免侵犯他人知识产权，遵守相关个人信息和数据保护法律法规，保障个人信息和数据安全，避免非法收集、使用、泄露或滥用个人信息或数据。
（2）对于出租方来说，建议建立健全算力出租风险管理机制，定期对算力出租履约行为和承租方进行风险评估和审计，以便及时发现和处理可能的法律风险。同时，加强数据安全保护工作，确保对客户或用户数据的保护，遵守相关适用的数据安全和保护法律法规，不得泄露客户或用户的数据。对于跨界加入算力出租方的企业来说，建议确保自身具备从事算力租赁业务的资质和经验，避免跨界经营过程中出现问题。同时，还应与供应链资源进行紧密合作，确保算力租赁业务顺利进行。如果是上市公司，在开展算力租赁业务时，还应充分披露相关信息，包括资金来源、项目可行性研究等，以保护上市公司及投资者的利益。