Pantera Capital：算力市場的 4 大機會

作者：Jay Yu，Pantera Capital 合夥人

編譯：佳歡，ChainCatcher

引言

算力和數據中心基礎設施支出已經成為一個規模達萬億美元的市場，其規模可以與美國消費支出相媲美，並逐漸成為美國經濟增長的重要支柱。

然而，隨著 AI Agent 逐步進入實體經濟，市場對算力的需求不斷增長，GPU 的採購方式卻仍然相當傳統。儘管 SF Compute、Vast AI 和 Runpod 等算力市場已經出現，但大量 GPU 節點的買賣，依舊通過群聊、場外交易經紀商以及定制化雙邊協議完成。

如今 GPU 算力仍處於金融化早期階段，與電力類似，算力並不是完全同質化的資產，它受到晶片型號、交付時間和地理位置等因素的限制。但在未來 5 至 10 年，算力很可能會像電力或石油一樣，逐漸成為一種大宗商品，成為 AI 時代支撐全球經濟運行的關鍵資源。

本文將討論算力市場如何完成這一轉變，包括電力市場能夠帶來的啟示、算力市場可能形成的結構、行業正在構建的產品，以及算力商品化過程中存在的機會與問題。

1. 從電力市場中尋找答案

1.1 電力市場的結構

要理解算力市場未來可能如何演變，可以先觀察其底層資源，也就是電力市場的運行方式。

與算力一樣，電力也是一種具有異質性、時間屬性和樞紐屬性的資產，並且是全球經濟增長的重要基礎。

從 20 世紀 90 年代開始，美國電力系統逐步私有化。過去高度垂直整合的電力公用事業，開始將發電、輸電和配電等環節逐步拆分。

獨立電網運營商開始負責美國不同地區的電力系統。與此同時，PJM-West（美國東海岸）、ERCOT North（德克薩斯州）和 CAISO SP15（南加州）等大型電力互聯系統，最終成為可以在 CME、ICE 等交易所交易的商品，並形成了整個電力資產類別的重要價格基準。

在物理層面，電力市場大致可以概括為"電網、運營商、節點"的結構。

最上層是相互獨立的區域電網。每個區域電網下，又有一批系統運營商，包括區域輸電組織（RTO）和獨立系統運營商（ISO）。這些運營商負責管理當地多個變電站節點。

以舊金山為例，一座城市可能由多個變電站節點供電，例如 Embarcadero、Larkin 和 Mission 等節點。

每個節點的電價並不完全相同，而是由一種名為"節點邊際定價"（Locational Marginal Pricing，LMP）的算法決定。該算法會綜合考慮發電調度、用戶需求、輸電成本以及電力流動規律，在約束條件下計算最優價格。

LMP 算法成為連接電力實物交付與 PJM-West 等可交易電力基準的關鍵環節。

電力市場中的樞紐價格和指數價格，本質上是多個終端 LMP 節點價格的加權平均值。其中規模最大、流動性最好的價格基準，最終在 CME、ICE 等交易所上獲得了穩定的交易深度，並成為整個電力資產類別的參考價格。

1.2 算力市場可能形成的結構

觀察過去 30 年電力市場的發展，可以對算力市場提出幾種推測。

首先，算力市場可能會形成與電力市場類似的結構。

在實物交割層面，電力市場"電網、運營商、節點"結構最接近的算力版本，可能是"硬體、供應商、集群"。

正如電力市場存在多個相互獨立的區域電網，算力市場也可能按照不同硬體類別形成多個市場。H100、H200、B200、B300 以及其他晶片類別，都可能擁有各自獨立但相互關聯的價格基準。

在運營商層面，AWS、Nebius、CoreWeave、SF Compute 和 Ornn 等算力供應商，會針對特定集群提供不同的定價機制。這些集群同樣會受到時間、地點和 SKU 的影響，類似於電力市場中的不同節點。

至於 LMP 在算力市場中的對應物，可能是一種調度或路由算法。該算法根據某類 SKU 的可用程度，動態生成算力實例價格。

電力市場中最終成為行業參考價格的基準，例如 PJM-West、ERCOT-North 和 CAISO SP15，通常都與流動性最好的實物交割基礎設施相連接。這一點與石油等其他大宗商品市場類似。

隨著算力領域出現越來越多的價格基準，最終勝出的可能是那些與高流動性實物交割場所相連接的基準。

此外在電力市場中，發電商和用電企業有時會直接在電力交易所進行對沖，但大多數交易仍然由銀行和交易公司運營的場外交易部門完成。這些 OTC 機構會將節點結算價格與樞紐結算價格進行交換，在其中賺取價差，並對沖自身風險。

類似的市場結構也可能出現在算力市場。算力市場的實際供需雙方，也就是新型雲服務商和 AI 公司，可能更願意通過經紀商採購特定 SKU，而不是直接在算力交易所進行對沖。

最後，算力市場可能面臨比電力市場更嚴重的基差風險。

根據美國《聯邦電力法》，電力批發價格必須在美國聯邦能源監管委員會（FERC）的監管下保持透明。但算力市場目前並不存在類似的透明度要求。

這意味著算力市場能夠建立的動態價格和指數可能只能基於自身訂單簿，以及與其合作的新型雲服務商所提供的訂單簿數據。這些合作可能通過收入分成、數據採購等方式實現。

2. 算力市場的結構

2.1 推理需求的三層結構

電力市場之所以存在，是因為工業體系對電力存在持續需求。同樣，算力市場的根本驅動力，是應用對 Token，尤其是推理 Token 的需求。

當前的推理產業鏈大致可以分為三個層次，它們共同構成了算力市場中的結構性供給方和需求方。

新型雲服務商層

Nebius、CoreWeave 等企業運營實體數據中心，構成 GPU 的賣方。

即用層

Fireworks、Baseten 等開發者平台，將裸機 GPU 環境轉化為更完整的 GPU 使用環境，讓開發者可以直接運行任務，或隨時獲取推理 Token，這一層是 GPU 的買方。

應用層

Cursor、Perplexity、Rime 等應用使用推理平台，為用戶和企業提供最終產品。這一層是 Token 的需求方，而 Token 的需求又會轉化為 GPU 算力需求。

儘管生態中的每家公司都有不同的 GPU 管理策略，但總體而言，新型雲服務商處於 GPU 市場的供給側，即結構性空方；即用層和應用層則處於需求側，即結構性多方。

另一方面，Amazon、Google 等超大規模雲服務商，會在這三個層次都運營自有產品。

至於產業鏈中的利潤流向，一個粗略的經驗法則是：當頂層應用在 Token 上花費 100 美元時，大約 45 美元流向即用層，50 美元流向新型雲服務商或 GPU 層，剩餘 5 美元流向 OpenRouter 等路由層。

2.2 算力資本市場的結構

AI 產業鏈中各參與者的 Token 經濟結構，將影響算力資本市場最終形成的方式。

一種可能的結構是，需求側的開發者平台和應用層，以及供給側的新型雲服務商，都会通过 SF Compute、Runpod、Compute Exchange 等算力經紀商和 OTC 交易平台，交易特定 SKU。

隨後，算力經紀商和 OTC 交易平台負責管理庫存，並承擔終端 Token 消費者所需要的特定 SKU 與通用 H200 之間的基差風險。

它們可以通過 Architect 或 Pluto 等算力交易平台進行對沖。

這些交易平台的價格，則建立在一個算力基準之上。該基準由與其合作的新型雲服務商和 OTC 平台的訂單簿價格加權計算得出。

2.3 NVIDIA：算力市場的"中央銀行"

除此之外，NVIDIA 最近也宣布，將允許其 AI 工廠的算力成為一種"可投資資產類別"。

在算力金融化體系中，NVIDIA 可以被視為算力市場的"中央銀行"，原因在於它幾乎壟斷了 GPU 技術棧。

中央銀行通常有幾個核心目標：

1. 管理經濟中的通脹；

2. 促進充分就業；

3. 在極端情況下充當最後貸款人。

NVIDIA 某種程度上正在扮演這三個角色。

首先是管理"通脹"。GPU 經濟中的"通脹"，可以類比為 GPU 的貶值周期，尤其是相對於最新一代晶片的貶值速度。通過控制產品發布節奏，例如推出 Vera Rubin，NVIDIA 能夠在一定程度上影響 GPU 隨時間貶值的速度。

其次是讓 GPU 保持高利用率。如果 GPU 利用率很高，通常意味著市場對 Token 的需求強勁，用戶也會購買更多 GPU。因此，NVIDIA 有動力推動 GPU 算力金融化，讓 GPU 小時的交易變得更加流動，從而進一步提升 GPU 的利用率。

最後是充當最後貸款人。NVIDIA 還宣布，將為 GPU 提供最高達到剩餘價值 25% 的支持。這可以被視為一種針對 GPU 價值的救助或保險機制：當新型雲服務商和其他 GPU 供應商面臨流動性危機時，這類支持能夠為 GPU 的殘餘價值提供保障。

3. 算力市場的機會與挑戰

3.1 算力市場中的產品形態

隨著算力市場的金融化程度不斷提升，行業中可能形成幾類主要產品。每類產品都有自己的優勢與挑戰。

產品一：實物交割

實物交割指的是將實際 GPU 設備交付給需要算力的終端用戶。SF Compute、Hyperbolic、Vast、Runpod 和 Compute Exchange 等項目，都屬於這一產品層。這是最接近硬體本身、也最直接連接算力供需雙方的一層。

由於算力 SKU 高度異質化，許多項目最初只是經紀商，通過撮合 GPU 需求與新型雲服務商獲得佣金。長期來看，這一層的目標可能是建立某種"算力現貨交易所"。

但要持續保證 GPU 實物交付的質量，其實是一個非常困難的問題，尤其是對於那些供應來自去中心化網絡的項目。算力市場可能需要一個類似穆迪的評級機構，對底層可交付 GPU 的質量進行認證，才能推動這一層進一步成熟。

儘管實物交割層的競爭非常激烈，但從長期來看，它可能擁有最持久的護城河。回顧石油和電力市場可以發現，金融化體系通常都會圍繞實物流動性最強的交割場所發展，隨後才逐步形成指數、交易所和借貸等金融產品。

因此，誰能夠率先解決算力實物交割問題，誰就可能獲得巨大的市場回報。

產品二：指數

這一層主要指建立在算力之上的"指數曲線"，包括 Ornn、Silicon Data、Compute Desk 和 Semianalysis 等項目推出的算力價格指數。

建立指數，是算力這類資產進一步實現金融化和交易化的重要一步。可以說，當前市場關於"算力市場"的許多討論，正是隨著算力指數逐漸成熟而開始升溫的。CME、ICE 等大型交易所也已經宣布與相關指數展開合作。

不過，目前許多算力指數與單個 GPU 市場之間仍存在非常大的價差。

造成這種價差的原因可能主要有兩個。

第一，底層產品本身存在差異。不同算力平台在產品穩定性、可中斷性以及合約條款等方面，往往相差很大。

第二，不同算力指數背後的訂單簿並不相同，而且算力市場沒有像其他資產類別那樣的透明度要求。例如，FERC 就要求電力市場保持透明。

如今許多算力指數只是從新型雲服務商處批量採購訂單簿數據，或者通過合作與收入分成協議，建立最初的數據集。此外單獨運營指數層的變現能力，也弱於交易所和實物交割層。

因此儘管指數層可以製造聲量，也在算力市場體系中發揮著重要作用，但它本身同時受到上下游的擠壓：

• 上游的實物交割層掌握著價格來源；

• 下游的交易所則希望從指數收入中分走一部分收益。

產品三：衍生品交易平台

第三層是衍生品交易平台，通常提供現金結算的期貨產品。這類平台基於算力指數，為市場參與者提供對沖工具。Liquid Compute 和 Architect 正在開發相關產品。

從長期來看，衍生品交易平台可能是算力金融化體系中最令人期待、也最容易實現規模化變現的產品。不過，目前這一領域仍處於早期階段，交易量尚未達到較大規模。

此外，現金結算交易平台上的可交易產品通常是通用 H200 實例，而不是某個可以直接用於推理的特定 SKU。因此目前真正參與這些交易平台的，可能主要是 OTC 交易平台和算力經紀商，而不是 AI 產業鏈中的終端企業。前者希望對沖資產負債表上持有的算力庫存，後者則需要管理自身的算力敞口。

產品四：金融化工具

算力領域還可能出現一類更寬泛的金融化產品，為數據中心和新型雲服務商的融資提供支持。例如，借貸協議、Vault 以及 USD.AI 等合成穩定幣，都可能幫助數據中心和新型雲服務商完成基礎設施建設。

與此同時，市場也可能出現風險轉移和保險層，用於平滑 GPU 經濟中的基差風險。觀察上述不同層次可以發現，算力市場最終可能形成的完整形態其實相對清晰。

贏家將是能夠實現可靠 GPU 實物交割的全棧型參與者。它能夠從自身的實物訂單簿中形成價格指數，再以此建立算力期貨交易所，使算力成為一種可以對沖的資產類別。

但行業真正存在分歧的地方，在於不同產品的出現順序。最終的贏家會先從實物交割開始，還是先建立指數，抑或是先推出交易平台？

3.2 算力 Token 經濟學的前沿

到目前為止，我們主要是在 GPU 層面討論算力市場。但也可以把視角拉遠，觀察更廣義的算力 Token 經濟學，包括其歷史演變、價值捕獲方式，以及它與前沿模型實驗室之間的博弈關係。

從歷史角度看，算力市場並不是一個全新的概念。2023 至 2024 年，SF Compute、Hyperbolic 等項目已經在討論這一模式，Akash 和 IONet 等去中心化項目也在探索類似方向。

有意思的是，許多項目最終並沒有停留在 GPU 市場層面。例如，Hyperbolic 後來成為推理服務商，直接出售 Token；SF Compute 則開始直接簽約並運營算力集群。

從價值鏈來看，價值會從 Cursor、Harvey、Granola 等 AI 應用流向 OpenRouter 等路由層，再流向 Fireworks、Baseten 等推理服務商，之後進入 Nebius、CoreWeave、SF Compute 等新型雲服務商和算力市場，最終流向數據中心運營商。

如果企業一直停留在產業鏈的中間位置，可能會同時受到上下游擠壓。想要維持更穩定的利潤率，企業最終可能必須向上游延伸，或者向下游拓展。

Token 市場還存在一個非常有意思的博弈論視角，其中有三股無法繞開的力量。

第一股力量是 NVIDIA，它控制著 GPU 的供應和貶值速度。

第二股力量是 Anthropic、OpenAI 等前沿模型實驗室，它們不斷發布新模型，可能迅速推高 Token 需求。

第三股力量是 Kimi、GLM、DeepSeek、Qwen 等開源模型，它們會對推理利潤率形成下行壓力。

這三股力量共同為 GPU 市場和 Token 市場的供需雙方帶來持續的推動和壓力。其中任何一方，都可能通過推出重要產品，重新改寫整個市場的定價曲線。

例如，GPT 5.6 的發布就可能成為一個由企業自主決定、但市場難以提前預測的事件，並沿著 AI Token 價值鏈產生連鎖反應，引發 Token 價格和 GPU 硬體價格的波動。

因此一家公司如果能夠在同一體系內同時運營推理服務和 GPU 硬體市場，可能在商業上更加合理。因為這種模式可以對沖產業鏈上下游利潤結構發生變化所帶來的風險。

結語

回顧歷史，石油、电力等大宗商品市場，最初都以中間商撮合的雙邊交易為主，交易過程不透明，市場也缺乏統一標準。但隨著時間推移，實物交割逐漸發展出指數、交易標準化、質量審計等一系列協議和金融基礎設施，最終演變為高度金融化的資產類別。

如今，算力市場正在經歷類似的轉型。市場中已經出現了大量嘗試金融化基礎工具的項目，包括算力指數、現金結算交易所、借貸產品和保險產品。

與此同時，實體 GPU 市場和雲服務商也在不斷向產業鏈上下游延伸，試圖捕獲 Token 經濟中的完整價值。作為整個 AI 經濟賴以運行的底層資源，算力正在從單純的基礎設施，逐漸變成一種獨立的金融資產。

未來，這個領域可能出現多家獨角獸公司，它們分別覆蓋市場的不同層次，形成不同的業務形態，包括實體算力供應、經紀服務、借貸、風險管理，以及與 DeFi 和 TradFi 資本市場的組合。

算力可能是幾十年來少見的新型實體大宗商品，而我們或許正處在見證它從私下撮合的早期交易，走向完整資產類別的起點。