Pantera：AI 算力市場可能複製石油、電力金融化之路，輝達會成為算力央行
Pantera Capital 投資人 Jay Yu 近日發表〈The Rise of Compute Markets〉長文指出，資料中心與算力基礎設施支出已進入兆美元級市場，但與如此龐大的資本支出相比，GPU 的實際交易方式卻意外原始。
即使市場已經出現 SF Compute、Vast AI、Runpod 等平台，大量 GPU 租賃與採購仍透過群組、OTC 經紀商以及企業間一對一協議完成。
Jay Yu 認為，這與早期電力、石油市場相當類似：先有龐大的實體商品需求，接著才逐漸形成標準化合約、價格指數、期貨與避險市場。
廣告 - 內文未完請往下捲動
如果這條路徑再次發生，未來 5 至 10 年，H100、H200、B200 等 GPU 所代表的算力，可能不再只是科技公司的 IT 成本，而會成為如同石油、電力般可以定價、交易、融資與避險的獨立資產類別。
GPU 還在「群組喊價」，電力市場以前也是如此
Jay Yu 將目前算力市場與過去 30 年的美國電力市場發展進行比較。電力其實不是完全同質的商品。同樣一度電，在不同時間、地區以及輸電條件下，其經濟價值可能完全不同，因此美國電力市場發展出 Locational Marginal Pricing（LMP），根據供需、輸電成本與電網限制，計算不同節點的電力價格。
最終，再由大量實體節點價格形成 PJM-West、ERCOT North、CAISO SP15 等區域性指標，其中部分進一步成為 CME、ICE 衍生品交易的參考基準。
算力具有非常類似的問題。一小時 H200 算力的價值，除了晶片型號之外，還受到地區、時間、叢集規模、網路架構、可靠性、可中斷性與合約條件影響，因此不能簡單把「一 GPU-hour」視為完全同質的商品。
Jay Yu 提出一個對照：電力市場是 Grid－Operator－Node；未來算力市場可能形成 Hardware－Vendor－Cluster。
H100、H200、B200、B300 等不同硬體世代形成各自的商品類別；AWS、Nebius、CoreWeave、SF Compute 等算力供應商類似市場 Operator；不同地區、時間與硬體配置的 GPU Cluster，則類似電網中的不同節點。
真正困難的問題在於市場能不能建立一個足夠可信的價格，把成千上萬種不同條件的 GPU 算力轉換成可交易的標準商品？
AI 算力市場誰是多頭、誰是空頭？
如果算力真的開始商品化，就會自然產生需要避險的買賣雙方。Jay Yu 將 AI 推論產業鏈分成三層。
最底層是 Nebius、CoreWeave 等 Neocloud，營運資料中心與 GPU，是算力的供給方，因此可以理解成 GPU 市場的「結構性空方」。
中間則是 Fireworks、Baseten 等 inference platform，向底層購買 GPU，再將裸機轉化成開發者可以直接調用的推論服務，因此是 GPU 的結構性買方。
最上層則是 Cursor、Perplexity 等 AI 應用程式。它們購買的已經不是 GPU，而是 Token，但 Token 背後仍需要 GPU 生產。
當 AI 公司簽下一年期 GPU 合約，它其實正在承擔未來算力價格下跌的風險；反過來，投入數十億美元購買 GPU 的 Neocloud，也承擔未來租金下跌、GPU 利用率不足與硬體快速折舊的風險。一旦雙方都開始需要管理價格風險，算力期貨就有存在的經濟理由。
算力版「華爾街」可能怎麼形成？
Jay Yu 預測，成熟後的 Compute Capital Market 不一定是 OpenAI 或 CoreWeave 自己跑到交易所買賣 H200 期貨，它可能更接近能源市場。
Neocloud、Inference Provider 與 AI 公司首先透過 SF Compute、Runpod、Compute Exchange 等經紀商與 OTC Desk 找到符合需求的實體 GPU；中間商承擔不同 SKU、地區與交付時間產生的 Basis Risk，再到 Architect、Pluto 等金融市場利用標準化算力合約進行避險。
問題在於，金融市場需要一個所有人都認可的「H200 現在到底值多少錢」。這正是算力指數開始出現的原因。
CME 都開始盯上 GPU：算力指數成為金融化關鍵
目前 Ornn、Silicon Data、Compute Desk、SemiAnalysis 等業者都已開始建立 GPU 價格指數。其中 Silicon Data 的發展尤其值得注意，因為 CME Group 已在今年宣布與 Silicon Data 合作，規劃推出以 GPU 算力價格為基礎的期貨產品。
Jay Yu 將整個 Compute Market 分成四個正在形成的市場。
第一層是 Physical Settlement**，也就是 SF Compute、Hyperbolic、Vast、Runpod、Compute Exchange 等真正負責把 GPU 算力交付給客戶的平台。
第二層是 Index，由 Silicon Data、Ornn、Compute Desk、SemiAnalysis 等業者建立 GPU 價格基準。
第三層則是 Derivative Exchange，例如 Architect、Liquid Compute，希望提供現金結算的算力期貨與避險工具。
最後則是 Financialization Vehicles，包含以 GPU 與資料中心為基礎的借貸、Vault、保險甚至合成美元，例如 USD.AI。
這四層加在一起，開始出現一套類似能源商品的完整金融市場。
最大問題：一張 H200 並不等於另一張 H200
但算力金融化現在最大的問題，恰恰也是它與股票最大的不同。同樣一股 NVIDIA 股票，不論在哪個券商購買，本質上代表相同的權利；但兩個平台寫著「H200」的商品，實際品質可能完全不同。GPU 所在位置、網路速度、Cluster 拓撲、是否可中斷、SLA、租約長短，甚至實際硬體品質，都會影響它真正能創造多少 Token。
這也是目前不同 GPU Marketplace 與 Compute Index 之間仍可能出現巨大價差的原因。
電力市場至少存在 FERC 等監管機構要求批發市場資訊透明；算力市場目前沒有類似制度。因此未來算力市場可能需要出現一個類似 Moody’s 的 GPU 評級機構，負責驗證實際交付算力的品質。
Pantera：真正護城河可能不是期貨，而是「真的有 GPU」
雖然算力期貨聽起來最像新的金融生意，但 Jay Yu 認為，長期最具防禦性的環節反而可能是最無聊的 Physical Settlement。原因可以從石油與電力市場找到。金融衍生品通常不是憑空產生價格，而是圍繞具有大量實體交割與交易活動的市場形成。實體市場越深，產生的價格資訊越可信；價格指數越可信，建立在其上的期貨市場才越可能取得流動性。
而在整個市場之上，Jay Yu 甚至將 NVIDIA 比喻成 Compute Economy 的「中央銀行」。
原因是 NVIDIA 不只供應商品，還可以影響商品本身的折舊曲線。例如當 NVIDIA 推出新一代 Vera Rubin GPU，前一代 GPU 的相對性能與市場價格就可能受到影響。換句話說，NVIDIA 的產品 Roadmap 某種程度上具有類似貨幣政策的能力，可以改變市場對既有算力資產未來價值的預期。
另一方面，NVIDIA 希望 GPU 維持高度利用率。GPU-hour 如果能夠更容易交易與轉售，就可能提高整體設備使用效率，進一步刺激客戶購買 GPU。NVIDIA 提出最高 25% residual value support（殘值支持）的相關機制，甚至讓 NVIDIA 帶有部分「最後貸款人」色彩：當 GPU 資產價格與融資市場承受壓力時，原廠提供的殘值支持，可以降低部分資產折舊與融資風險。
算力成為金融商品之後，另一個有趣現象是，AI 模型發布可能開始直接影響 GPU 價格曲線。Jay Yu 認為，目前存在三頭足以左右市場的「大象」。
一端是 NVIDIA，透過新品發布控制算力供給與硬體折舊；另一端是 OpenAI、Anthropic 等 Frontier Labs，新模型與新產品可能突然拉升 Token 與推論需求；第三端則是 DeepSeek、Qwen、Kimi、GLM 等開源模型，持續降低推論成本、壓縮 Token Margin。
風險提示
加密貨幣投資具有高度風險，其價格可能波動劇烈，您可能損失全部本金。請謹慎評估風險。
