芝商所 10 月擬推出算力期貨！Chamath 解析為何這是下一個兆美元資產類別
「我相信新的資產類別，將會是購買算力（Compute）的期貨，因為我們現在根本沒有足夠的算力。」
這是 BlackRock 執行長 Larry Fink 對 AI 時代金融市場的預測。如今，這項構想正逐漸走向現實。
知名創投人、Social Capital 創辦人 Chamath Palihapitiya 近日發布長文《The Next Trillion-Dollar Futures Market》，指出 CME Group 與 GPU 市場情報公司 Silicon Data 計畫在監管審查通過後，於 2026 年 10 月 5 日推出「算力期貨（Compute Futures）」。
如果市場最終成熟，GPU 算力可能不再只是科技公司的營運成本，而會像石油、天然氣、電力等大宗商品一樣，形成一套可以定價、避險甚至投機交易的金融市場。
廣告 - 內文未完請往下捲動
Chamath 更進一步提出問題：算力是否可能成為下一個名目交易規模達數兆美元的新資產類別？
AI 資本支出超越石油天然氣，算力成為新時代「原物料」
算力之所以開始需要自己的金融市場，背後首先是 AI 基礎建設規模快速膨脹。
Chamath 引述資料指出，2026 年全球 AI 資本支出（Capex）已達 7,650 億美元，首次超越石油與天然氣產業的 6,810 億美元，而且預計到 2031 年還將接近翻倍。
Morgan Stanley 更估計，隨著 AI 向全球經濟擴散，可能創造約 40 兆美元的經濟機會。
而支撐這一切的核心資源之一，就是 Compute。
問題在於，企業現在花費數十億甚至數百億美元建置 AI 基礎設施，卻缺乏成熟的金融工具來管理算力價格波動。
這與能源市場形成鮮明對比，石油生產商可以透過期貨提前鎖定出售價格，即使未來現貨價格下跌，也能降低營收波動；航空公司、製造商等買方同樣可以透過期貨鎖定能源成本。
AI 公司目前卻沒有成熟的「算力期貨」可以做同樣的事情。
GPU 最大問題：今天值多少錢，兩年後沒人知道
Chamath 認為，AI 基礎建設目前至少面臨三種主要價格風險。
首先是 GPU 租賃價格高度波動。當市場突然出現大量 AI 訓練或推論需求，GPU 租金可能快速上升；但當供給增加，或 NVIDIA 推出新一代晶片後，舊世代 GPU 的租賃價格又可能迅速下滑。
這使得 AI 公司很難準確預估最重要的成本之一。
第二個問題則來自硬體折舊與融資。每當 NVIDIA 推出效能更強的新晶片，前一代 GPU 的租賃價值可能下降，而以這些硬體作為抵押品的貸款，其擔保品價值也會跟著縮水。
第三則是資料中心的時間錯配。大型資料中心從規劃到完工可能需要兩至三年，但開發商今天投入數十億美元時，幾乎無法提前鎖定兩三年後這些 GPU 算力究竟可以用多少價格出租。
每蓋一座 AI 資料中心，本質上都同時押注了未來的電力、晶片、AI 需求與算力價格。
若 Compute Futures 成立，資料中心、GPU 雲端服務商乃至 AI 公司，理論上就能把其中一部分價格風險轉移到金融市場。
算力期貨不是第一次有人嘗試「金融化科技資源」
不過，Chamath 也提醒，稀缺資源並不是只要建立期貨合約，就一定能形成成功市場。
過去洋蔥、鈾、DRAM 記憶體甚至網路頻寬，都曾出現建立期貨或類似衍生品市場的嘗試，卻遭遇不同程度的困難。
其中最重要的兩個問題是：市場集中度（Concentration）與商品可互換性（Interchangeability）。
算力在第一個問題上的情況相當特殊。需求端正在快速分散。隨著 AI 從模型訓練進入大規模推論，未來可能有數千家公司持續購買算力。
供應端表面上也逐漸分散。Chamath 指出，2025 年超過 60 家 Neocloud 業者的營收已突破 250 億美元。
然而更底層的 GPU 供應仍高度集中，NVIDIA 依然掌握 AI 晶片市場的主要供應。
因此，算力市場雖然可能存在大量買家與雲端賣家，最核心的硬體供給卻仍具有高度集中性。
同一張 H100，實際算力竟能差 34.5%
更棘手的問題可能是：「一單位算力」到底是什麼？
目前 GPU 市場通常使用「GPU-hour」報價，也就是租用一張 GPU 一小時需要多少錢。
但這種計價方式存在一個根本問題：同樣一張 GPU 跑一個小時，不代表真的能完成相同工作量。
Silicon Data 與學術研究者合作，在 11 家雲端供應商、共 3,500 張 GPU 上執行相同工作負載，結果發現即使是相同型號的晶片，實際效能仍存在明顯差異。
其中 H100 在一項測試中的效能差距最高達 34.5%，整體研究觀察到的最大差距甚至達到 38%。
這對期貨市場而言是非常重要的問題。
如果買進一份「100 小時 H100 算力」期貨，但不同供應商提供的實際運算能力可能相差三成以上，那麼這個商品就不像一桶標準化原油那麼容易交易。
因此 Chamath 認為，早期 Compute Futures 最終可能需要建立不同「等級（Grades）」的算力規格。
這與能源市場類似：不同燃料種類、品質、交割地點與交割月份，都可能形成不同合約。
標準化算力才是兆美元市場真正的關鍵
這也意味著，CME 推出 Compute Futures 的意義可能不只是增加一種新的期貨商品。
它真正試圖解決的是：如何把高度異質化的 GPU 運算能力，轉換成金融市場可以標準化定價的商品。
一旦這套標準建立，算力的角色可能發生根本改變。
AI 公司可以鎖定未來算力成本；Neocloud 可以提前鎖定 GPU 出租收入；資料中心開發商可以降低兩三年建設週期帶來的價格風險；GPU 融資業者也可能利用衍生品管理硬體殘值風險。
而當避險者進入市場後，做市商、套利者、投機者與金融機構也可能隨之加入。
屆時交易的就不只是 GPU，而是未來某個時間點取得特定運算能力的價格。
Chamath：Compute 能否成為下一個兆美元級資產類別？
為了研究這個問題，Chamath 表示，其團隊與為 CME Compute Futures 提供價格指數基礎的 Silicon Data 合作，完成一份長達 129 頁的研究報告。
研究涵蓋算力成為資產類別後可能形成的市場規模、歷史上其他稀缺資源期貨市場成功與失敗的原因、金融市場究竟該如何定義 Compute，以及目前市場正在測試哪些算力計價單位等問題。
更值得關注的，是誰會成為這個市場的主要參與者？
從 NVIDIA、GPU 雲端服務商、Hyperscaler、AI Lab、資料中心開發商，到提供 GPU 融資的金融機構，都存在管理未來算力價格的需求。
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。
