算力是一个在群聊里交易的万亿美元市场 | Brett Harrison & Andrawes Bahou
摘要
算力已经是一个规模约1万亿美元的实体市场，但其中相当大一部分仍通过电话、短信、Slack和WhatsApp交易，市场也没有标准远期曲线。 单笔合约规模可从1亿美元到10亿美元，有时甚至达到100亿美元；买方对几乎相同的产能，可能收到天差地别的报价。正如 Brett Harrison 所说，“算力实际上的大部分买卖，都是通过短信完成的”。
从约3家超大规模云厂商扩张到约500家 GPU 服务商的爆发，正在让算力商品化，同时催生一个庞大的经纪层。 进入这一市场可能需要资本、GPU、电力、场地和需求，但买方必须区分真实供给与转卖另一家经纪商承诺的经纪商。Andrawes Bahou 将这种已经预先承诺、实际却不存在的产能称为“幽灵电力”（phantom power）。
高速增长的 AI 公司，正面临立即高价采购与承担多年产能风险之间的残酷取舍。 按主持人举的例子，如果公司每天增长5–8%、甚至10%，为避免收入损失，可能愿意多付10–20%，而已观察到的案例中溢价最高达到2倍；更低的价格则可能要求签下3年或5年的承诺。期货和期权有望将算力合约与风险拆开，解决“眼下的特定需求”与提前数年出售的产能之间的错配。
参考价格的机会取决于交易数据，而不是公有云价目表。 Brett 表示，自2025年末以来，算力价格整体上涨，因为需求增长超过了可部署供给，尽管超大规模云厂商的 GPU 毛利率在压缩。因此，指数业务向主要 Neocloud 厂商付费，以获取实际计费系统中的价格，并在 Bloomberg 发布 H100、H200、B200 和 B300 基准价。公有云按需价格“总体上毫无用处”，无法用于给主导市场的大额私下议价合约编制指数。
Architect 押注的是有到期日的期货和期权，而不只是加密市场式永续合约，因为前者更适合算力由合约驱动的现金流。 一座数据中心目前每GPU小时收入5美元，可能需要对冲续约价格跌至2美元的风险，例如设定4美元或3.50美元的底价；一家无法确定最终需要4个还是8个 H200 节点的 AI 买方，则可以购买期权。Brett 表示，“永续合约很棒”，但它们无法对冲与某个明确未来日期挂钩的现金流。
资本可能是最具系统性的瓶颈，因为贷款方无法有把握地给贷款底层资产定价或对冲。 除非借款人或承购方具备投资级信用，融资成本可能达到20–25%，甚至根本拿不到融资；与此同时，随着 AI 资本开支上升，超大规模云厂商的自由现金流已接近零，甚至转负。市场正在从围绕 Google 的广告现金流做授信，转向思考如何给算力本身做授信；Brett 的比喻是，一辆只有“油门和手刹”的车，不可能安全地高速行驶。
Andrawes 预计，随着开放模型和更高效的模型不断进步，前沿实验室的定价权会下降；但 Brett 表示，数十亿 AI 用户目前普遍还没有意识到这一变化。 Brett 随后将约1万亿美元的实体算力交易与2.8–3万亿美元的实体原油交易作比较，后者的纸货市场约为实体市场的40倍。如果算力本身再增长10倍，他认为名义金额可能增长2个、甚至3个数量级：“人们根本没有意识到这个市场有多大，也没有意识到我们实现这一规模的速度有多快。”
精读
1. 算力已商品化，但尚未成为可互换商品
Brett 的出发点是：AI 经济最大的支出项目，就是租用或购买 GPU；大额合约规模从1亿美元到10亿美元不等，有时甚至达到100亿美元。因此，买卖双方都对未来算力价格承担巨大敞口，但目前无法干净地对冲“潜在风险上的差异”。
Andrawes 将市场演进追溯到 Google、AWS 和 Azure，再到规模化时代逐渐形成的认识：更大的计算机可以持续改进模型。高资本需求随后吸引贷款方进入，而 FluidStack、Lambda 等专业 GPU 云厂商，则为机器学习团队提供原始 GPU 访问能力，而不要求它们使用完整的超大规模云厂商技术栈。
结构性变化在于供给者激增：过去可能只能从3家超大规模云厂商采购的产能，如今可以来自约500家纳入跟踪的 GPU 服务商。当大量供应商都能凭借资本、设备、电力和场地进入市场，而需求仍然极其旺盛时，Andrawes 认为这“说明某种东西正在商品化”。
Brett 用2017年的 Bitcoin 作类比，强调了市场的不透明和地域套利。Andrawes 则指出关键差异：单个 Bitcoin 可以互换，也不受所在地影响；算力却是一项服务，受芯片显存、网络互联、散热、编排软件、利用率、供应商和地理位置共同影响。它是异质化商品，而不是可以随身搬运的标准单位。
2. 采购是通过关系网络完成的询价，市场充斥“幽灵电力”
买方可能向10位 AI 创始人朋友打听“你那边的人”，然后得知产能要16周后才有，而自己的需求是今天。经纪商横跨超大规模云厂商、直接供应商和中间商，后者可能承诺2周交付40,000块 GPU；买方必须判断每个报价背后是真实机器，还是“一个经纪商的经纪商”。
Andrawes 所说的“幽灵电力”，指的是集群尚未存在就已经被拿出来销售。开发商首先需要客户签下3年协议；这份承诺才能撬动贷款方资本，用于向 Dell、Supermicro 和 Nvidia 等供应商采购设备，随后再安装到数据中心。一座中型集群的交付可能需要4–16周，甚至更久。
对于每天增长5–8%、甚至10%的公司，速度可能足以支撑其多付10–20%；在已观察到的高增长推理业务交易中，溢价最高可达2倍，因为错失收入的代价高于单位经济性恶化。另一种选择是签下更便宜的3年或5年合约，但一旦增长速度或 AI 需求发生变化，承诺的容量可能严重错配。
3. 金融化将产能决策与价格风险拆开
Brett 对商品市场的类比是 Hershey 采购可可豆：公司确实需要豆子，但不必承担未来可可价格带来的全部风险。银行和专业交易公司可以对风险建模、承接、分散或对冲，让生产者和消费者专注于自己的主营业务。
主持人反问，创业公司或许应该完全暴露在风险中——如果 AI 助手失败，公司反正也会失败。Brett 给出的更窄答案是，对冲不必消除公司的创业判断：如果采购产能需要2个月，而买方担心期间价格可能翻倍，就可以在锁定实体合约之前先“锁定价格”。
定价证据仍然高度碎片化。超大规模云厂商的 GPU 算力毛利率已经压缩，支持算力商品化的判断；但数据中心各类 GPU 的平均价格自2025年末以来上涨，因为需求扩张快于供给。即便产能几乎等价，报价仍可能大幅分化，因为市场没有一个被普遍关注的基准价来锚定谈判。
4. 计费系统数据是可交易指数的基础
AWS 式公有云按需价格和抓取的 API 价格，无法覆盖市场定价重心：数千块 GPU 的私下议价、长期合约。Brett 表示，决定性价格存在于“买方、卖方以及记录交易的计费系统”之中。
指数业务向主要 Neocloud 厂商付费，以获取实际计费记录，汇总已完成交易的价格，并在 Bloomberg 发布 H100、H200、B200 和 B300 算力的参考价格。其目标类似于原油价格报告机构：把分散的双边交易汇总成 WTI 或 Brent 一类的基准。
交易所通过传统的最低费用加收入分成机制向指数提供方付费，使数据提供方能够参与交易所的成交量和未平仓量。Brett 认为，指数设计是关键：如果基准价基于按需租赁，就无法对冲一个通过3年期合约经营、一次采购5,000或10,000块 GPU 的现货业务。
Brett 还提到，Nvidia 宣布对这些合约提供25%的折扣，试图提供一条远期曲线并建立底价；但他认为，这本应是市场的功能，而不是 Nvidia 的职责。
5. 有到期日的合约比永续合约更匹配算力的期限
Architect 已取得指定合约市场牌照，并向 CFTC 提交方案；CFTC 正在评估指数可靠性、操纵控制，以及现金交割还是实物交割。Brett 承认 CME 是直接竞争对手，但认为 Architect 的直接接入、云端交付、API 和平等接入机制，更适合不熟悉传统期货基础设施的商业算力用户。
永续合约适合没有自然到期日的敞口——有人可以一直持有 Apple 多头，直到自己改变主意——但算力买方通常面对到期日明确的合约。与贷款和利率风险类似，这些义务需要用期货或期权对冲特定期限，而不是用永续合约对冲价格敞口。
一家数据中心目前每GPU小时收入5美元，18个月后续约时可能只能收到2美元，进而威胁其偿债能力；期货或期权则可以设定4美元或3.50美元的底价。这种产品转移了续约风险，却不要求数据中心修改底层客户合约。
Brett 举了一个合约设计案例：一家 AI 公司想在1年内使用4个 H200 节点，每个节点包含8块 GPU，但60天后可能需要增加到8个节点，而且所有节点必须位于同一个数据中心。它可以签订4节点的年度合约，同时购买以4个节点为标的的看跌期权和以8个节点为标的的看涨期权，从而保留灵活性；期权费低于提前承诺未必用得上的产能。
对于操纵风险，Brett 认为，公开数据和工具可以让风险得到标准化和平滑处理，而重大危机往往出现在不透明的场外市场。CFTC 的意见征询期正在讨论如何确保算力指数可靠并抵抗操纵。
6. 信贷市场被迫开始给算力本身做授信
Brett 表示，没有投资级信用支持的借款人，可能面临20–25%的利率，或根本拿不到融资，因为贷款方缺乏运营历史，无法确定残值，也无法确信今天的芯片或算法未来仍然有用。次贷式 GPU 贷款可以为较小运营商提供资金，但他明确将其危险性与20年前的次贷过度扩张相提并论。
在市场高端，Apollo、KKR、Blackstone 和 Brookfield 等公司与 JPMorgan、Goldman Sachs 一起，为拥有 Microsoft 或 Meta 等高信用承购方的大型运营商提供融资，起始规模通常在10亿–30亿美元。中型市场机构可能承做数亿美元至10亿美元的融资，资产租赁公司则服务于长尾市场。
Andrawes 认为，今天突然出现的金融化，其催化剂是超大规模云厂商的自由现金流在 AI 资本开支压力下跌向零甚至转负。资本市场不能再假定 Google 的广告业务能够吸收所有风险，而必须思考如何给算力这一资产类别估值、投保和对冲，因为“经济体量如今已经大到任何单一参与者都无法独自承受”。
7. 约束是地方性的，但资本决定供给调整速度
让 GPU 上线需要资本、电力和设备，具体瓶颈环节取决于项目。高显存系统和 InfiniBand 训练网络可能面临更长交付周期；GW 级园区要接入电网，可能需要多年，于是项目转向表后天然气发电；规模更小的部署则通过经纪商搜寻分散的 MW，后者从中赚取“离谱的钱”。
Brett 认为，资本是最大的系统性约束：贷款方无法给算力定价或对冲，因此要求长期承诺。他用一辆只有油门和手刹的汽车作比喻——加装正常刹车后，车反而可以开得更快。Brett 更广泛的反驳是，需求会绕开任何瓶颈重新配置；中国面临的约束，就推动了在旧硬件上也具备竞争力的高效算法。
电力、芯片、内存和许可审批的优先级，都无法脱离地理位置做全球统一排序：美国公司正在接受菲律宾或冰岛的产能，过去只考虑100 MW以上项目的超大规模云厂商，如今30 MW的项目也会接电话。Andrawes 提到，距离11月选举只剩5周，预计选举相关的谨慎情绪会在选后消退；他还开玩笑说，反对项目落地的 NIMBY 人群或许更愿意接受“别在我家后院，但可以在我的经纪账户里”。
Andrawes 预计，随着开源模型和更高效的模型不断进步，前沿实验室的定价权和主导地位会下降。Brett 只是对这一变化被多少人理解提出异议：AI 圈内的少数人会讨论开放模型，但数十亿 AI 用户普遍还没有意识到这一点。他随后回到规模问题：算力并不只是“新石油”；约1万亿美元的算力已经在实体市场交易，而原油实体市场规模为2.8–3万亿美元，其衍生品市场约为实体市场的40倍。算力再扩张10倍，名义金额就可能增长2个或3个数量级。
核验说明
- 逐字稿对指数/数据业务的归属说法并不一致：主持人称 Andrawes 是该指数业务的搭建者，而 Brett 称“我的公司”发布这些指数，并描述其向 Neocloud 厂商购买计费数据。因此，本文统一使用“指数业务”这一说法，不指明其归属。