據 Woofun AI 消息，芝加哥商品交易所 (CME) 與洲際交易所 (ICE) 正式宣佈將推出 GPU 計算時間期貨合約，標誌着計算資源正沿着 20 世紀 90 年代電力資本化的路徑全面進入金融市場。

這一變革由 Block unicorn 編譯、Vaidik Mandloi 撰文深度解析，其核心背景在於谷歌作爲全球三大雲服務商之一，每月竟需向火箭公司 SpaceX 採購價值 9.2 億美元的計算資源，這種跨行業的資源錯配揭示了當前 GPU 容量市場的極度混亂：缺乏定價基準，貸款方無法對沖硬件融資風險，資本配置完全處於盲目狀態。

計算能力作爲一種典型的流動商品，其定價機制與石油等庫存商品存在本質差異，這正是市場波動的深層根源。庫存商品如原油可儲存在油輪中等待高價出售，擁有天然的庫存穩定器；而計算能力則是'流量'產品，未使用的 GPU 小時數會永久消失，無法像斷開連接的發電廠那樣存儲電力。

這種缺乏緩衝的特性導致現貨價格極易劇烈震盪。2025 年年中，隨着英偉達下一代 Blackwell 芯片發佈，大量新供應湧入致使 H100 顯卡需求驟降，計算現貨價格在 18 個月內暴跌了 70%。

然而今年情況急轉直下，受 HBM 芯片量產推動，需求激增且無庫存可消化，H100 顯卡價格僅在四天內便飆升了 48%。對於訓練成本高達數千萬美元的人工智能公司，以及爲這些硬件提供超過 1200 億美元數據中心信貸的貸款機構而言，這種缺乏對沖工具的波動性已成爲生死攸關的難題。

此外，地理位置差異進一步加劇了定價複雜性，位於弗吉尼亞州的 H100 與冰島的 H100 因集羣配置及相鄰工作負載不同，實際性能截然不同。全球 GPU 供應商基準測試數據顯示，即便是名義相同的硬件，性能差異也高達 38%，這與上世紀 90 年代電力行業面臨的電網節點差異如出一轍，當時唯一的解法是爲每個節點設定不同價格並建立參考基準，而這正是當前計算市場最缺失的環節。

爲構建現貨基準與指數化路徑，SF Compute 率先建立了 GPU 時間的實時訂單簿，允許買賣雙方像交易普通商品一樣交易時間，其邏輯在於通過流動性強的現貨市場推導出指數價格，進而構建現金結算的期貨合約。一旦數據中心能出售期貨鎖定未來收入，即可向貸款方展示風險對沖能力，從而獲得更低利率並實現擴容，最終降低整體計算成本。

與此同時，另一家公司 Silicon Data 構建了名爲 SDH100RT 的每日指數，該指數自去年 5 月起已在彭博終端上線，目前彙總了來自全球供應商的 350 萬個數據點，形成單一基準，其成本僅相當於一小時 H100 GPU 運行時間。芝加哥商品交易所 (CME) 新宣佈的期貨合約將直接以該指數結算。目前多家機構正競相構建類似指數，因爲成爲參考價格意味着能捕捉市場中每一筆交易的微小份額。回顧歷史，1993 年 Nord Pool 開設首個電力期貨交易所後，隨後湧現出 200 多家新的電力營銷公司，儘管業內人士曾花費十年爭論電力是否屬於法律意義上的商品，但如今它已成長爲年產值達 6 萬億美元的市場，計算機市場目前正重演這一歷程。

Woofun AI 整理數據顯示，在現貨指數與成熟資本市場之間，交易商中介扮演着至關重要的角色，其運作模式與匿名股票交易截然不同。計算期貨市場將由交易商主導，充當 GPU 所有者（希望鎖定收入）與人工智能公司（希望鎖定成本）之間的橋樑，處理高度定製化的需求。例如，假設某美國數據中心從 10 月份開始有大量 H200 服務器可用，而一家初創公司需要 500 個 GPU 且僅關注互連方式是否爲 InfiniBand，並不在意服務器具體位置。

這種特殊需求需要有人梳理實物產品的複雜關聯，將其轉化爲交易所可交易的可互換單位，同時對沖標準化指數帶來的風險。若僅停留在私人協議層面，貨架上的 H100 合約無法被金融體系其他部分觸及；只有結合指數價格與公開結算層，才能使其成爲可供貸款機構對沖的活商品。2023 年，CoreWeave 僅以英偉達 GPU 作爲抵押就成功借款 23 億美元，這是 H100 硬件首次獲得貸款。其最近一次融資獲得了穆迪的投資級評級，評級依據並非 CoreWeave 自身的信用狀況，而是基於 Meta 簽署的'照付不議'合同，即無論是否實際使用計算資源，Meta 都必須支付款項。

加密貨幣軌道在此過程中發揮了關鍵的承重作用，特別是穩定幣結算機制突破了傳統的地緣與監管限制。計算資源的買賣雙方遍佈全球，但許多主體無法獲得美國商品期貨交易委員會 (CFTC) 批准開設美國商品交易所賬戶。

然而，加密錢包可以結算穩定幣支付，任何錢包均可持有代幣化的計算資源。GPU 出口管制已揭示了計算資源獲取的地緣政治分層，例如英偉達無法向中國和其他數十個國家出口尖端芯片。以穩定幣結算的計算期貨市場，能夠讓出口管制區域之外的研究人員和初創公司獲得計算資源定價，並通過繞過限制的基礎設施對沖成本，這一機制正如穩定幣在阿根廷和尼日利亞已經發揮的作用一樣，爲受制裁或受限地區提供了金融接入的替代路徑。

未來架構將依賴鏈上驗證、AI 代理支付，但也面臨集中化風險。目前構建 GPU 集羣意味着要以無法鎖定的收入爲抵押借款數百萬美元，因爲全球金融市場缺乏相應工具。流動性強的遠期曲線允許公司以已對沖的收入爲抵押，以低於未對沖頭寸的利率借款，從而降低每計算小時的成本。實現這一目標的關鍵在於建立結算層，讓任何人都能驗證抵押品並將遠期曲線作爲公共產品。目前無法驗證抵押硬件狀況、是否雙重抵押或實際利用率，但若將 GPU 及其收益流代幣化爲鏈上資產，每個貸款人都可實時驗證抵押品，使遠期曲線公開可見而非陷入雙邊談判泥潭。

此外，未來一代人工智能代理將按推理調用次數購買計算資源，且無法開設銀行賬戶，加密貨幣是唯一能在不到一秒內完成東京代理與弗吉尼亞州 GPU 機架之間微交易的支付網關。

然而，強大的制衡因素依然存在，GPU 供應目前高度集中，市場上的頂級超大規模數據中心運營商控制着全球 78% 的 IT 算力，英偉達佔據了高端 AI 芯片市場 80% 以上的份額，其產品發佈計劃足以左右整個市場。標準化雖是瓶頸，但在建設熱潮期間將某種資產類別金融化，可能會使其更具傳染性。

超過 1200 億美元的人工智能基礎設施債務已從資產負債表轉移到華爾街資助的特殊目的公司 (SPV) 中，其中大部分還進入了目標日期退休產品中的公司債券基金，而持有這些債券的個人對此卻毫不知情。

這種融資模型很可能包含關於硬件殘值的假設，而現有數據尚不足以支撐這些假設，埋下了潛在風險。電力市場並非止步於發電機，而是貫穿整個系統直至牆壁插座，並影響到所有用電設備的價格。計算機市場也還有許多線路需要鋪設，從發電機到插座的全面金融化進程纔剛剛開始，這不僅是技術的演進，更是資本邏輯對物理世界的深度重構。