文章作者、来源：ChainCatcher

算力期货市场分析框架

在Variant，我们热衷于探索新兴市场。新兴资产类别、金融产品、资产发行、市场准入的扩大以及新颖的参与方式，都深深植根于我们的创立基因中。近期，我们一直在思考围绕算力构建的市场。获取算力是一个庞大且不断增长的领域，而这个领域可以说已经具备进一步金融化的条件。

然而，算力的供需动态高度复杂、不透明且不断演变。关于市场时机、结构，甚至交易的具体资产到底是什么，仍存在诸多未解之谜。在激辩与探讨这些问题的过程中，我们希望分享一个新兴的分析框架，以此作为思考算力市场的一扇窗口。新期货市场的诞生通常需要具备以下五个先决条件：

• 供给端碎片化
• 持续的价格波动
• 某种形式的实物结算基础设施
• 标准化、可交易的单位
• 缺乏用于价格发现或对冲的替代品

我们的框架将当前算力市场的格局置于这五个维度中进行审视。我们借用历史类比来解释每个维度的重要性，并预测市场何时能达到爆发的临界点。

核心要点简述

快速浏览该框架便会发现，如今的算力市场尚缺乏维持稳健期货市场所需的成熟度。尽管如此，该市场充满活力，许多初创公司正积极致力于改变现状。以下是我们目前在五个维度上对算力期货市场的评分：

• 供给端碎片化：🔴 供给被超大规模云服务商高度垄断
• 价格波动：🟢 GPU价格极具波动性
• 实物结算基础设施：🟢 OTC经纪商层面已具备实物结算基础设施
• 标准化：🔴 算力缺乏标准化、可交易的单位
• 缺乏替代品：🟡 垂直整合的供应商可内部对冲，其他参与者只能被迫做多

一、供给端碎片化（算力评分：🔴）

期货市场是价格发现的机制。在垄断供给下，价格发现失去了存在的必要，因为价格由少数大型供应商决定，从而消除了任何定价的不确定性。纵观历史，这种情况屡见不鲜。石油期货只有在供给端卡特尔（如“七姐妹”，即20世纪中期主导全球石油的七大跨国巨头）实力削弱后才得以壮大。电力市场则是在政府放松管制、打破垄断定价并允许独立生产商进入市场后才形成的。供给端的碎片化推动了期货市场成为价格发现的重要场所。

审视当今的算力动态，供给端显得相对集中。四大云巨头（如AWS、Azure、GCP、Oracle）控制了全球约78%的自建关键IT电力容量，以及约69%的H100供应量（按原文测算，假设2025年Q4存在1240万块H100）。由此我们推断，他们同样主导着全球算力时长供给。供给并未呈现碎片化。

尽管如此，我们仍在思考可能改变这一动态的因素。新云厂商正在涌现。新的芯片架构为其他供应商赢取市场份额创造了机遇。主要实验室的一些长期签约产能可能最终未被充分利用，意味着这些实验室最终可能转身成为市场上的算力供应商或卖家。因此，尽管我们对未来的集中程度尚不确定，但目前的判断是：市场供给端的发展方向将比现在更加碎片化。

二、价格波动（算力评分：🟢）

彭博终端上的Ornn H100指数

期货市场的另一个先决条件是标的资产具有高度波动性。如果没有显著的价格不确定性，对冲者就缺乏动力去防范波动风险。波动性也会吸引投机者，他们能从巨大的价格波动中获利。如果市场平稳或可预测，投机者就会将目光转向其他市场。

我们在20世纪50年代的石油市场中看到了这种情况。当时由于石油供过于求，苏联挂出的价格低于“七姐妹”的挂牌价。“七姐妹“随即在未通知中东产油国的情况下降低了该地区的价格。由此引发的连锁冲击导致中东石油国有化、OPEC的成立，以及全球石油价格不确定性的加剧。随后，石油的波动又引发了20世纪70年代电力市场的波动。

算力定价过去是、未来也将继续是波动的。新供应推向市场的速度是不确定的。新的芯片或数据中心架构可能会提高特定任务的Token效率。需求持续激增，且以无法预测的方式扩张。我们非常有信心，这一先决条件如今已经具备。

三、实物结算基础设施（算力评分：🟢）

为了让市场高效运作，买方必须确信他们能够在规定的日期和时间接收并消耗标的工具。这需要基础设施的支持：聚合供应、确保可靠交付、清算交易、处理抵押品和管理结算的机制。这些工作通常由中间商或经纪人承担。

在电力市场中，这些任务由独立系统运营商负责，它们作为中立的第三方，发挥着准政府实体的作用。目前的算力市场尚无完全对等的角色，但我们的假设是：算力经纪商或OTC柜台正开始（并越来越倾向于）承担上述诸多职能。

如今，经纪商正在围绕算力购买和租赁协议构建指数和数据聚合工具，以锚定市场价格。Ornn和Silicon Data已经开始发布数据中心级GPU的价格数据。经纪商群体也在就合同协议形成共识，这类似于SAFE协议标准化了早期融资条款。这些工具完善了底层的实物结算基础设施。

我们给实物结算基础设施打出绿分，因为它为价格发现奠定了基石。但与成熟的现货市场相比，它远谈不上完善。这些购买行为发生在基础设施层面，并非所有市场参与者都有权在购买后公开转售。我们正在密切关注该层面新市场创建的进展。

四、标准化（算力评分：🔴）

新商品面临的一个主要挑战，通常是其单位的独特性和不可替代程度。过多的变量可能将流动性分散到众多市场中，或导致基差风险过高，无法满足大多数对冲和交割需求。例如，原油是根据密度和含硫量来衡量的，这因产地而异。NYMEX凭借其WTI指数（轻质低硫油）找到了产品市场契合点，因为它锁定了一个可服务于全球上游市场的标准，甚至被下游市场（如航空公司）用于对冲。电力则按地区实行标准化，考量了因温度、人口密度等因素而不同的供需波动。

算力市场缺乏能够满足一般对冲需求的标准化水平。挑战在于：一个H100实例并不总是等同于另一个H100实例。地区（以及当地电力输入）、整机配置（即硬件和网络组件）以及期限（即合同持续时间）等因素，加剧了GPU实例定价的差异性。

不过，我们已看到了标准化的早期迹象，尤其是当需求来自长尾（即非前沿实验室）推理时。与训练不同，推理工作负载所需的细微差异要少得多，并且可以在分布式而非同址部署的环境中运行。如果推理供应分散到许多供应商中，例如开源权重模型增加了市场份额，标准化就可能应运而生。

五、缺乏替代品（算力评分：🟡）

这是市场形成过程中一个不易察觉却常被忽视的要点。期货市场的建立是为了服务对冲者。如果存在具有充足流动性且基差风险可忽略不计的替代品，那么替代合约将无人问津。一个教科书般的例子是航空燃油期货缺乏采用——因为WTI和其他上游指数已充分满足了需求。在电力相关领域，基于温度的期货以失败告终，因为市场参与者发现，对冲价格波动的结果（电力）比对冲其原因（温度）更有效率。

如今，模型提供商通过长期租赁协议或合资企业来对冲算力风险，这些协议通常采用“照付不议“的形式，即用现货价格风险敞口换取交易对手风险。超大规模云服务商通常实物拥有其部署的GPU。另一方面，长尾供应商既缺乏获得优惠租赁条款的合同筹码，又缺乏资金建立自己的垂直化基础设施，因此首当其冲地承受着现货市场波动的冲击。从市场角度来看，不存在替代品；然而，控制供应的参与者可以通过垂直整合进行内部对冲。

综合判断

综合计分卡来看，算力要支撑一个稳健的期货市场可能为时尚早。这个市场拥有吸引投机者的波动性，以及支持交易的早期结算基础设施，但缺乏在大规模范围内进行真正价格发现所需的供给碎片化和标准化。大多数交易发生在OTC端。经纪商正在构建价格源，Ornn和Silicon Data正在发布指数，群聊交易正在被规范为合同模板。这并非毫无意义，但它尚未成为像WTI或PJM那样成型的市场。交易量太小，合同太定制化，且供应过于集中，导致现有基础设施无法大规模清算。

解读该框架的正确方式，是将其作为一种诊断工具，而非最终结论。它告诉我们缺少了什么，而不是什么是不可能的。

待解之谜

市场将以我们目前尚不确定的方式发展。我们有许多未解之谜和一些初步假设。这些假设是试探性的，需要进一步的验证或推翻。下面，我们将阐述这些假设的最强论点。

▍未来1-2年，市场供给端会变得更加碎片化还是更加集中？

我们预计会出现适度的碎片化。新云厂商上线新产能的速度比任何其他类别都要快。随着电力成为核心约束条件，新区域正在启用，这有利于那些能在廉价电力附近（而非现有超大规模云服务商足迹附近）建立产能的运营商。财富2000强企业甚至在支撑小规模数据中心。这一领域的扩张似乎是不可避免的。

然而，标准的商业模式依赖于与可靠交易对手（如超大规模云服务商和前沿实验室）签订的大规模、长期合同。Hyperbolic和SF compute等云经纪服务提供商则反其道而行之，提供按小时计费的产能。这些企业服务于AI原生初创公司、在开源权重上运行推理的应用层公司，以及没有前沿级预算的研究实验室的长尾算力需求。我们相信，开源权重的采用尤其将导致算力产能进一步碎片化——因为供应将从前沿实验室和超大规模云服务商那里“去垂直化”。

▍标准化将如何展开？

指数提供商正在围绕每小时GPU实例成本制定标准。这些数据源表示的是粗略估计，而非精确价格。实例价格因诸多因素而异，包括地区、整机配置和期限，这使得标准化价格难以实现。整机配置的差异化尤其突出，这是数据中心为定制化工作负载量身定制，以及超大规模云服务商为了生态系统锁定而非市场统一进行优化的结果。

当存在统一的市场需求时，标准就会出现。WTI标准获得采用，是因为它服务于汽油、柴油和航空燃油等广泛的下游炼化产品。如今，算力需求由AI训练和推理工作负载驱动。训练基础设施是定制的，专门为大型集中式设施中计算密集型的长任务进行优化，这使得底层的算力实例几乎不可替代。

另一方面，推理基础设施需要更简单的硬件规格和更少的能耗；它针对延迟进行优化，意味着基础设施分布在不同地区而非同址部署。推理是同质化的，预计到2029年将达到AI算力需求的65%以上。我们猜测，围绕服务该市场的算力基础设施层面的优化，将导致供应商之间的算力要求趋于统一。如果芯片级实例仍然存在差异，标准化的其他途径可能是硬件级基准测试。英伟达创建了MLPerf基准测试，用于对各种模型架构的推理和训练性能评分。在这个构想下，GPU实例交易的依据不是其硬件规格，而是其输出的质量和效率。

▍未来1-2年内，有什么会阻碍标准的出现？

我们认为，“围墙花园“和定制化工作负载将扼杀标准化的尝试。在未来1-2年内，超大规模云服务商和前沿实验室将努力维持其在AI基础设施和模型提供方面的统治地位。如果两者没有解耦，他们将根据自身需求维护硬件，而各公司的需求各不相同。新芯片架构的采用将进一步打碎硬件规格，使标准的制定变得困难。

▍开源权重将如何获得有意义的应用？

这是算力市场形成的最简单途径。如今这些市场面临的两个核心瓶颈是供给端集中和缺乏标准化。开源权重的广泛采用使运行推理的能力民主化。这反过来又为独立运营商的形成创造了动机，并促进了为这些特定模型量身定制的基础设施优化。我们在比特币挖矿中看到了同样的故事：开源软件催生了众多矿工，并推动了围绕硬件配置的标准化。

迄今为止，开源权重在性能上一直落后于闭源权重模型。但如果这种趋势持续下去，开源权重很快将达到我们今天在闭源模型中看到的性能门槛。企业已经开始在其系统中广泛嵌入闭源模型，并见证了生产力的大幅提升。在三个月内，同样能够提升生产力的模型，其价格可能只是目前的一小部分。不过，大多数企业可能仍会倾向于选择性能最优的模型。

我们认为，终有一天，前沿闭源模型对于其所承担的任务而言会变得过于昂贵，企业将在不同模型之间优化智能配置。需要记住的是，前沿实验室目前是亏本提供推理服务的，他们最终必须涨价才能维持运营。届时，开源权重将迎来属于自己的时刻。

▍最终交易的计价单位会是什么？

算力大致可以分解为三层：芯片、芯片实例小时、Token。

芯片层面——供给高度集中。ASML垄断了台积电使用的光刻机，台积电垄断了英伟达使用的芯片代工厂，英伟达则垄断了前沿芯片设计。此外，芯片只有接入电源并保持高在线时间才有用武之地。这使我们相信，单个、可交付的芯片不会成为最终的计价单位。

芯片实例小时层面——是指芯片可被实际使用的时间段。这可以说是芯片最有价值的状态，也是本文所讨论的核心层。在这一层，只要存在围绕算力资源的足够需求，算力作为商品的表现就会类似于电力。我们设想算力将以类似电力和其他公用事业的方式进行交易：在区域性合约中实现标准化（算力是电力的函数），并在此基础上叠加现货市场和期货市场用于对冲。在“芯片实例小时“这一格式下，这是可以实现的。

Token层面——是算力实例的下游产物，也可能成为最终的计价单位。如果Token是驱动算力实例的主要因素，那么Token市场将为需求侧提供对冲成本的方式，并使供给侧锁定收入。供给侧可以通过持续的长期合同或垂直整合来对冲成本，并保持集中度。然而，Token在不同模型之间并不统一。每个模型都有自己的文本切分标准，并产生各异的输出，使其在不同用例之间无法完全互换。尽管如此，我们仍在密切关注这一领域的发展。