作者：Jay Yu，Pantera Capital合夥人；

編譯：Shaw，金色財經

算力與數據中心基礎設施支出已經形成萬億級賽道，規模堪比美國消費市場，成為美國經濟增長的一大支柱。然而，隨著 AI 智能體逐步滲透實體經濟，算力需求持續高漲，但獲取 GPU 的實際流程卻依舊十分傳統。市面上雖然已有 SF Compute、Vast AI、Runpod 等交易平台，但大量 GPU 節點的真實交易仍然依靠各類社群聊天渠道、場外（OTC）經紀商以及客製化雙邊協議完成。

當前，GPU 算力的金融化進程仍處於早期階段。和電力一樣，算力並非完全同質可互換的資產，它受到型號規格（SKU）、時間與地理位置三重約束。但展望 5-10 年後， 算力很有可能演變為和電力、原油一樣的大宗商品資產，成為支撐 AI 時代經濟產出的全球性關鍵資源。本文將探討這一演變過程： 我們可以從電力市場借鑑哪些經驗來理解算力市場結構、行業正在搭建的各類產品版圖，以及算力商品化所蘊藏的機遇與尚未解決的問題。

一、借鑑電力市場

1.1 電力市場的架構

想要預判算力市場如何演化，我們不妨參考電力市場。與算力類似，電力具備異質性、時間屬性、節點集中等特徵，是全球經濟增長的底層支撐。自 20 世紀 90 年代起，美國電力體系逐步推進私有化，發電、輸電、配電一體化的垂直公用事業公司不斷被拆分。獨立電網運營商開始負責國內不同區域的調度；PJMWest（東海岸）、ERCOT North（德州）、CAISO SP15（南加州）等大型電力樞紐，最終在洲際交易所（ICE）與芝加哥商品交易所（CME）形成可交易的商品合約，並成為該資產類別的一系列定價基準。

從物理層面看，電力市場本質上遵循**「電網、運營商、節點」**三層架構。頂層由多個物理上相互獨立的區域電網構成。每個區域電網配有系統運營商 —— 區域輸電組織（RTO）與獨立系統運營商（ISO）。運營商管理眾多本地變電站節點。以舊金山為例，城市供電由恩巴卡德羅、拉金、米申等多個變電站「節點」共同保障。每個節點的電價依靠節點邊際電價（LMP）算法計算得出，該算法在發電調度、用戶需求、輸電物理成本、電力潮流物理規律等多重約束條件下開展優化求解。

節點邊際電價（LMP）算法成為 1 瓦電力實物交割與 PJM-West 這類可交易電力基準品之間的關鍵紐帶。電力的「樞紐價」與指數價格本質上是一籃子終端 LMP 節點價格的加權平均值。其中規模最大的一批基準最終具備了足夠的穩定性與流動性，得以在芝加哥商品交易所（CME）、洲際交易所（ICE）等平台掛牌交易，並成為整個資產類別的參考定價。

1.2 關於算力市場的若干假說

回顧過去 30 年電力市場的演變歷程，我們可以推導出幾條關於算力市場的假說。

**首先，算力市場或將沿用與電力市場相似的架構。在實物交割層面，電力市場「電網運營商節點」結構最貼切的類比是「硬體服務商集群」。**正如電力市場存在相互獨立的實體電網，算力市場會以硬體晶片類型劃分。H100、H200、B200、B300 等不同晶片品類，各自擁有獨立（但互相關聯）的定價基準。在「運營商」層級，存在多家算力服務商，例如 AWS、Nebius、Coreweave、SF Compute、Ornn。它們針對不同集群設置差異化定價，集群按時間、地理位置、硬體型號（SKU）區分，對應電力市場的節點。而和 LMP 最接近的對應機制，則是調度 / 路由算法：根據特定硬體規格的資源可用情況，輸出動態實例價格。

電力市場中勝出、最終成為品類基準指數的標的（如 PJM-West、ERCOT-North、CAISO SP15），大多依託流動性最好的實物交割基礎設施，這一點和原油等大宗商品市場的邏輯一致。算力領域未來會湧現大量基準指數，最終勝出的，大概率也是綁定高流動性實物交割場所的那一批。

此外，在電力市場中，儘管交易主體（發電方是空方、用電負荷方是多方的）有時會直接在電力交易所做對沖，但大部分主體交易是通過銀行與交易商旗下的場外交易櫃檯完成。場外櫃檯以一定價差將節點交割轉換為樞紐交割，並對沖自身風險敞口。這套市場格局也可能在算力市場重現：算力的實際交易主體（新型雲廠商與 AI 企業），可能更傾向於通過經紀商採購對應硬體規格資源，而非直接在交易所進行對沖操作。

最後，算力市場的基差風險可能顯著高於電力市場。《聯邦電力法》要求美國聯邦能源監管委員會（FERC）強制公開電力批發行情，但算力市場並無這類強制透明化要求。這意味著算力動態價格（以及指數）只能依託自身訂單簿，以及通過收益分成、數據採購協議合作的新型雲廠商的訂單簿來構建。

二、算力市場的架構

2.1 推理需求棧

電力市場的誕生源於電力的各類工業應用，同理，算力市場的底層驅動力來自 token 需求，尤其是推理 token 的需求。

當前，推理技術棧大致可劃分為三個獨立層級，共同構成算力市場的結構性多頭與空頭：

新型雲廠商層（Neocloud layer）：Nebius、Coreweave 等主體運營實體數據中心，是 GPU 的賣方。
即時調用層（On-tap layer）：Fireworks、Baseten 這類開發者平台，將裸機環境封裝成功能完備的 GPU 運行環境，開發者可直接在此運行任務、按需獲取推理 Token。該層級屬於 GPU 的買方。
應用層（Application layer）：Cursor、Perplexity、Rime 等應用依託上述推理平台，向個人用戶與企業交付終端產品。該層級是推理 Token 的買方（而 Token 服務的底層消耗就是 GPU 算力）。

生態內各個參與者管理 GPU 的策略略有差異，但大體而言，新型雲廠商是 GPU 市場的結構性空頭，即時調用層與應用層則屬於多頭。而亞馬遜、谷歌這類超大規模雲廠商，會在整個技術棧的每一層都佈局自研產品。關於「利潤流向」，有一個經驗估算：上層應用每花費 100 美元購買 Token，約 45 美元流向即時調用層，50 美元流向新型雲廠商 / GPU 資源層，剩餘 5 美元歸 OpenRouter 這類路由層。

2.2 算力資本市場架構

AI 交易主體這種底層結構性「代幣經濟學」，決定了算力資本市場的形成型態。算力市場一種可能的演化路徑為：多頭方（開發者平台、應用層）與空頭方（新型雲端廠商）兩類 AI 交易主體，透過 SF Compute、Runpod、Compute Exchange 等算力經紀商與場外交易櫃檯完成特定硬體規格（SKU）的交易。而後算力經紀商與場外櫃檯進行庫存管理，並承接終端 Token 消費者所需硬體規格與標準 H200 算力之間的基差風險；它們在 Architect、Pluto 等算力交易所進行避險操作。交易所的定價，則依託合作的新型雲端廠商、場外平台訂單簿加權計算形成的基準價格。

2.3 輝達：算力領域的「中央銀行」

除此之外，輝達近期宣布，計劃將其 AI 工廠算力打造成為一類「可投資資產」。在這套算力金融化體系中，憑藉在 GPU 技術棧的壟斷地位，輝達可以被視作算力市場的「中央銀行」。中央銀行通常具備三大核心目標：（1）調控經濟體通膨；（2）實現充分就業；（3）充當最後貸款人。輝達事實上正在扮演對應角色：

調控通膨：GPU 經濟體中的「通膨」可以類比為晶片貶值週期，尤其是相對當前頂尖晶片（SOTA）的貶值速度。輝達能夠掌控新品發佈節奏（例如 Vera Rubin 晶片），以此在一定程度上影響 GPU 長期貶值速率。
充分就業：輝達追求 GPU 的「充分就業」。若 Token 需求推高 GPU 利用率，市場就會產生更多 GPU 採購需求。因此輝達有動力推動算力金融化，提升 GPU 小時的流動性，進而拉高硬體利用率。
充當最後貸款人：輝達同時推出最高 25% 殘值兜底政策。一旦新型雲廠商及其他 GPU 服務商遭遇流動性危機，該政策可視作對 GPU 資產價值的救助與保險保障。

三、算力市場的機遇與挑戰

3.1 算力技術棧對應的產品型態

隨著算力市場金融化層持續擴張，行業有望誕生幾大類核心產品，各自具備優勢，同時也面臨挑戰。

產品一：實物交割。 指將實體 GPU 資源交付至終端需求方，相關參與者包括 SF Compute、Hyperbolic、Vast、Runpod、Compute Exchange。這一層最貼近硬體底層，直接對接前文所述的各類 AI 交易主體。由於算力硬體規格品類繁雜，多數平台起步階段僅充當經紀商，撮合算力需求方與各家新型雲廠商並賺取佣金⁸。該賽道的終極目標是搭建算力「現貨交易所」。但在 GPU 實物交割環節持續穩定把控品質難度很高，對於算力供給來自去中心化網絡的平台而言更是如此。這一層想要走向成熟，或許需要出現類似穆迪的評級機構，對底層交付資源的品質進行背書。

此外，儘管實物交割賽道競爭白熱化，但長期來看它最容易構築持久護城河。回顧原油、電力市場案例可以發現，指數、交易所、借貸等金融化業務，往往圍繞流動性最好的實物交割場所生長。因此搭建成熟的實物交割體系具備極高價值。

產品二：指數產品。 指搭建在算力資產之上的「指數曲線」，Ornn、Silicon Data、Compute Desk、Semianalysis 等機構均在佈局。構建指數是算力進一步金融化、實現可交易的關鍵一步。隨著算力指數產品逐步成熟，「算力市場」這一敘事迎來爆發；CME、ICE 等多家大型交易所也陸續宣佈與算力指數機構開展合作。

然而時至今日，眾多算力指數與各家獨立 GPU 交易市場之間依舊存在巨大價差。造成價格分化主要有兩點原因：第一，底層標的本身存在差異，不同平台在算力可靠性、可中斷性以及合約條款上相去甚遠；第二，各類算力指數依託的訂單簿數據各不相同，並且算力行業不像電力等資產（受 FERC 監管），不存在強制資訊透明的法規。當下不少算力指數只是向新型雲廠商批量採購訂單簿數據，或是透過合作、收益分成的方式搭建基礎數據集。

除此之外，對比交易所和實物交割業務，指數層本身商業化難度更高。因此儘管指數能夠製造聲勢，同時也是算力市場體系中不可或缺的一環，但單純依靠指數業務，會同時承受來自底層實物市場（價格數據源）與上層交易所（要求收益分成）的雙向擠壓。

產品三：衍生品交易平台。 技術棧第三層是交易平台（以現金結算期貨為主），依託指數產品為算力提供對沖場所，Liquid Compute、Architect 等項目正在進行相關開發。長期來看，衍生品賽道最受關注、商業化潛力最強，但目前仍處於早期階段，交易量尚不夠可觀。同時，現金結算平台的可交易標的是標準化 H200 算力實例，並非可以直接運行推理任務的特定硬體規格。因此在這類交易所開展交易的大多是場外交易櫃檯、算力經紀商，目的是對沖資產負債表上的算力庫存風險，而非終端 AI 需求主體。

產品四：金融化載體。 第四大類產品範疇更廣，指服務算力融資的各類工具。例如借貸協議、資金庫，以及 USD.AI 這類合成穩定幣，為數據中心、新型雲廠商的實體建設提供資金支持。未來市場還會出現風險轉移與保險類產品，用來平滑 GPU 市場當中的基差風險。

綜合以上各層級可以看出，算力行業最終成熟型態的輪廓已經清晰：勝出者將是全棧型玩家，既能實現穩健的 GPU 實物交割，依託自身實物訂單簿自然生成算力指數，再基於指數搭建期貨交易所，把算力打造為可對沖風險的資產品類。行業尚存爭議的是產品落地順序 —— 最終贏家是先做實物交割，先推出指數，還是先搭建交易平台？

3.2 算力代幣經濟學前沿探討

至此前文主要圍繞 GPU 層面討論算力市場。我們把視野拓寬，從更廣的算力代幣經濟學視角審視算力市場，分別從歷史演進、價值捕獲，以及與前沿 AI 實驗室博弈的博弈論角度展開分析。

從歷史維度看，算力交易市場並非全新概念。2023 至 2024 年，SF Compute、Hyperbolic 等項目就提出相關構想，Akash、IONet 等去中心化算力平台也同期湧現。值得注意的是，很多參與者並未止步於 GPU 交易市場這一層。例如 Hyperbolic 轉型成為推理服務商，直接對外售賣推理 Token；SF Compute 開始自建集群、自營運算力資源。

從價值分配鏈條來看，價值沿著 AI 應用（Cursor、Harvey、Granola）→OpenRouter 這類路由層→Fireworks、Baseten 等推理服務商→新型雲廠商與算力交易市場（Nebius、Coreweave、SF Compute）→數據中心運營商逐層傳遞。固守產業鏈中間位置很容易遭受兩端擠壓；企業必須向上游或下游延伸業務，才能維持穩定豐厚的利潤率。

最後從博弈論視角，Token 市場存在三大無法忽視的核心變量：

（1）輝達掌控晶片供給與貶值節奏；

（2）Anthropic、OpenAI 等前沿實驗室發佈新模型，推高推理 Token 需求；

（3）Kimi、GLM、DeepSeek、通義千問等開源模型持續壓制推理業務利潤率。

三大變量共同構成 GPU 與 Token 市場多空兩側的結構性驅動因素，任意一方推出重磅產品，都能夠重塑整條定價曲線。因為重大事件（例如 GPT 5.6 發佈）會沿著 AI Token 整條價值鏈條產生連鎖反應，帶動 Token 價格與實體 GPU 價格劇烈波動。由此可見，一家企業同時運營推理 Token 業務與實體 GPU 交易市場具備極強的經濟合理性，可以對沖產業鏈上下兩層利潤率波動帶來的風險。

結論

回顧歷史，原油、電力等大型大宗商品市場，起步階段的型態都與當下算力市場十分相似：交易依靠中間商開展雙邊、不透明的場外交易。而後實物交割逐步形成標準化協議與金融基礎組件，包括指數、交易標準化、品質核驗機制，最終成長為充分金融化的資產品類。

如今算力行業正在複刻這一演變過程。各類項目已經開始試驗指數、現金結算交易所、借貸、保險等金融工具；與此同時，GPU 實體交易平台與雲服務商都在發力，試圖完整拿下 Token 整條價值鏈條。作為支撐整個 AI 經濟的底層資產，算力正在從單純基礎設施，逐步蛻變為獨立的金融資產。

**未來賽道大概率會誕生多家獨角獸企業，分佈在產業鏈不同層級，模式各不相同，覆蓋實體算力供給、經紀業務、借貸、風險管理，並且能夠同時兼容去中心化金融（DeFi）與傳統金融（TradFi）資本市場。**算力或許是數十年來誕生的首個全新實體大宗商品；我們正親眼見證它從社群零散交易，一步步發展成為成熟完整的資產品類。

微軟計劃到2032年將數據中心算力提升至38吉瓦以上

熱門文章