撰文：@Decentralisedco
編譯：AididiaoJP，Foresight News
彭博終端上顯示來自 Silicon Data、Ornn 和 Compute Desk 的 GPU 價格指數。三家都追蹤 H100 租賃價格，但對一台 H100 到底值多少錢無法達成一致。
大多數 GPU 算力透過私人雙邊合約以折扣價流轉，因此這些指數無法有效定價。
但一個運行著 32 萬張 GPU 的加密網路，已經在用真實市場交易為 GPU 算力定價。
為什麼沒人能為 GPU 定價？
當你為一台 H100 支付每小時 3 到 10 美元時，你實際租到的是什麼？
在 Vast.ai 上，這 3 美元買到的是某人備用伺服器機架裡的一張 GPU 卡，透過普通乙太網路連接，對機器正常運行時間沒有任何保證。另一邊，同樣的 H100 每小時要 10 美元，但它位於 Oracle Cloud，這是專門建造的設施，GPU 之間透過每秒 400 吉比特的 InfiniBand 互聯，並有一整支工程師團隊全天候監控。
價格高出三倍多，是因為 Oracle 賣給你的是一整套計算環境，而不只是對晶片的訪問。僅這一差別，就讓同一塊矽片在不同提供商之間的價差達到 6.7 倍。
價差存在，是因為 GPU 本身不是產品。GPU 只是更大服務中的一種原料。一座建築裡用 NVLink 和 InfiniBand 連接的 512 張 GPU 叢集，可以跑分散式訓練任務，而散落在五個低成本資料中心的 512 張獨立 GPU 即使晶片數量相同，也無法高效完成。這些是完全不同的產品，只是碰巧共用一個名字，就像皇后區的單間公寓和上東區的頂層公寓，技術上都叫「一套紐約公寓」。
債務市場已經看明白了這一點。CoreWeave 多次以同一類 H100 硬體為抵押借款。當這筆債務有 Meta 的長期照付不議協議背書時，利率約為 5.9%。但當公司以同樣硬體借款、卻沒有合約包裝時，要付 9.75%。把利率拉開 400 個基點的，完全是硬體之上的客戶合約。這反映出債券市場認為自己實際在承保的是什麼，而不是 GPU 本身。
期貨合約的整個邏輯，取決於能夠對標的產品分級。你檢查它、分類它，最優等級與最差等級之間的差距必須窄到定價機制能消化方差。例如，黃金相對倫敦合格交割金條的偏差不到 1%，這就是黃金期貨自 1970 年代以來運行良好的原因。
WTI 原油允許相對基準等級約 5% 的偏差，其餘由升貼水表吸收。即便是活牛——大概是人們試圖塞進期貨合約裡最古怪的東西，因為每頭動物在生物學上都獨一無二——品質帶仍控制在 15% 到 20%。但當 Silicon Data 對 11 個不同設施的 3500 張 H100S GPU 做基準測試時，性能差異達到 38%。
而這還只是晶片性能，尚未計入網路、正常運行時間、冷卻，以及把低成本機架與企業級叢集區分開的一切。一旦計入完整服務配置，價差會膨脹到 200% 到 700%。地球上沒有任何分級表能吸收七比一的品質範圍。認為期貨合約能乾淨地為這類東西定價，確實是妄想。
那麼，當你試圖在無法分級的東西之上建立交割機制時，會發生什麼？你會得到教科書式的逆向選擇。如果賣方在期貨合約下欠你 1000 個 H100 小時，他們可以交割高端叢集上的時間，也可以交割每小時 3 美元的零散低成本現貨實例。兩者在技術上都能滿足合約。而他們每次都會交便宜的那個，因為差價進了自己口袋，你沒有追索權。
George Akerlof 在 1970 年關於檸檬市場的論文中描述了這一現象，結論是：當買方在交割前無法驗證品質時，最差版本的產品會系統性地擠出每一個更好的版本，直到整個市場從內部掏空。
CME 顯然知道這一點，所以其計劃於 2026 年 10 月 5 日推出的 GPU 期貨合約完全避免實物交割，而是以現金結算對照 Silicon Data 的調查指數。只不過該指數收集的是雲提供商在公開費率卡上公佈的價格，而大買家實際談判出的價格通常低 40% 到 50%。結算機制是基於標價的估計，而市場上大多數大買家明顯並不按這個價格支付。
你無法用更好的調查來修復這一點。準確為特定設施中特定 GPU 小時定價所需的資訊，只存在於運營該硬體的人頭腦中，而他們有充分理由保持私密。此外，算力是流量商品。沒人在那一瞬間買下的 GPU 小時就永遠消失了。任何 GPU 算力的定價訊號都必須即時運作，否則數字在你發佈時已經過時。
獲取這些知識的唯一途徑，是真實規模下、對手方有真金白銀押注的真實交易。這就把我們帶到一個同樣從電力中演化出來的方案：一個源自比特幣的網路，目前有 32 萬張 GPU 指向它。
如果你能算出價格呢？
比特幣礦工運行 SHA-256 雜湊。這種計算只為一個目的存在：證明礦工燒掉了一定量的電力。一旦該證明被記入區塊，雜湊或所做的工作就毫無價值。它不能被重用、改作他用，或賣給區塊鏈之外的任何人。為挖出一個比特幣區塊所做的工作不可互換。
問題在於，成千上萬的礦工為每個區塊做這項工作，但網路只接受一名礦工的一個區塊。其餘工作被丟棄。每一個曾被挖出但未被網路接受的 SHA-256 雜湊，都代表一個本可以做商業上有價值之事的 GPU 週期，而在 2026 年，「商業上有價值的 GPU 工作」只意味著一件事：AI 算力。
Pearl 是一條試圖讓 GPU 算力具備商業價值的 Layer 1 區塊鏈。它繼承了自 2009 年以來保障比特幣的同一套工作量證明共識和難度調整。但 Pearl 礦工運行的不是 SHA-256 雜湊，而是在 GPU 上做矩陣乘法。
為什麼矩陣乘法有價值？因為這是你向 ChatGPT 提問時得到所有答案的基礎。當 Nano Banana 根據文字提示渲染圖像、當公司用專有資料微調語言模型、或當自動駕駛汽車即時處理攝影機畫面時，同樣如此。
過去三年消耗矽谷注意力和數千億美元資本的每一個大語言模型和每一個擴散模型，其計算核心都運行在矩陣乘法上。Pearl 給礦工額外激勵，讓他們把同樣的運算當作工作量證明來做。
那安全性呢？這是雜湊函數的主要工作。你不能直接用矩陣乘法替換雜湊函數。
SHA-256 沒有捷徑。不做完整計算，就無法產生輸出。輸出存在這一事實，意味著必要的工作已被完成。矩陣乘法則不同。你本質上是在對數字串做乘法和加法。因此模式可以讓礦工用很少的努力算出答案，從而削弱工作量證明的有效性。
Pearl 使用一種叫 NoisyGEMM 的機制來確保礦工保持誠實。這分三步進行：
礦工在開始任何工作之前，先對輸入矩陣做出承諾。一旦提交，輸入就不能更改。
協議隨後向已承諾的矩陣添加隨機噪聲。這消除了礦工可能計劃的任何對稱性（捷徑）。而且因為礦工不知道噪聲會是什麼，他們必須稍後執行工作。
礦工在加噪版本上運行完整的矩陣乘法，在 GPU 上逐塊進行。
每個輸出塊被雜湊，並對照網路的難度目標檢查。
如果某個塊的雜湊低於目標，礦工就贏得區塊獎勵。
但引入噪聲，阻止了礦工不實際工作就獲得獎勵。然而，正是這種噪聲，也意味著我們得不到原始工作負載的答案。Pearl 的解決辦法是給噪聲一個已知結構。這讓它在礦工完成乘法後剝離噪聲，清理成本很小且廉價。
當一張 GPU 挖 Pearl 時，網路測量這台機器在協議目標的 194 秒區塊間隔內，於當時存在的電力、冷卻和網路條件下，實際完成了多少次矩陣乘法。
一台位於冷卻良好的企業設施中的 H100，每個區塊完成的工作可能多於同一晶片放在某人車庫裡、用消費級乙太網路且氣流不佳的情況。Pearl 自動捕捉這一差異，這是任何按型號平均的價格指數都做不到的。
現在把這擴展到數十個地理區域的 32 萬張 GPU，總算力就成為有史以來最大的真實世界 AI 算力連續基準，每 194 秒更新一次，無需任何人做調查或發佈費率卡。
算力也追蹤配置。這 32 萬張 GPU 中的每一張，都可以在 Vast.ai、CoreWeave、Lambda 或數十家爭奪 AI 客戶的其他雲提供商上賺取租賃收入。這些運營商選擇把機器指向 Pearl。
當世界上某處對 GPU 算力的真實需求飆升時，運營商把機器從 Pearl 上撤下，去服務付費客戶，算力下降。
當需求走軟、租賃收入下降時，這些 GPU 回流，算力上升。網路的難度調整對這些遷移做出反應，方式與比特幣難度自 2009 年以來對挖礦經濟變化做出的反應相同。
差別在於，比特幣礦工權衡的是他們將承擔的電力成本，與出售所挖比特幣能賺到的收益。2023 年 8 月德克薩斯熱浪期間，Riot Platforms 關閉了大部分礦機，收取了 3170 萬美元電力信用，是當月挖出的 333 枚比特幣價值的三倍多。當足夠多的礦工做出這一選擇時，算力下降，難度每 2016 個區塊重新調整，以確保區塊大約每 10 分鐘產出一個。
GPU 在 Pearl 與租賃市場之間的這種流動，產生了 GPU 算力持續更新的均衡價格。算力高且上升，意味著公開市場上電腦便宜，因為運營商發現挖 Pearl 比出租更划算。
算力下降，意味著某處有人開始支付足夠高的價格，把機器拉走。而這一價格訊號來自顯示性偏好，來自成千上萬 GPU 運營商用自己的硬體和自己的錢選擇做什麼。它不來自雲提供商市場團隊決定印在費率卡上的東西，而那正是彭博指數和 CME 結算機制一直以來所能接觸到的全部。
Together AI 是第一個在此基礎上做商業化的。2026 年 5 月 15 日，它宣佈一個運行在 Pearl 挖礦網路上的推理端點，以比標準雲費率低 25% 以上的價格提供 Gemma-4-31B-it-Pearl。經濟性成立，是因為透過 Together 端點提供推理的 GPU 同時在挖 Pearl，因此挖礦收入抵消了部分運營成本，Together 可以低於更廣泛市場定價，而無需從自己的利潤中補貼差額。
Pearl 網路的大部分尚未服務來自付費推理客戶的這一水平需求，彌合這一差距顯然是前方的挑戰。但定價並不依賴它。它依賴機會成本是真實的，而這一機會成本對這 32 萬台機器中的每一台，以及推理市場中的其他若干台都存在。
GPU 算力市場是一個年規模數千億美元、卻沒有可靠價格的市場。彭博指數試圖追蹤它，但在任何給定一週都無法給出準確方向。CME 計劃於 2026 年 10 月 5 日推出 GPU 期貨，以現金結算對照大買家明顯不支付的標價。
但一個基於比特幣程式碼庫、僅五個月長的工作量證明網路，有 32 萬張 GPU 持續決定是挖礦還是在公開市場上出租產能，而這些決策的匯總，正在產生 GPU 算力行業有史以來最接近準確價格的東西。
