算力能成为下一个万亿美元资产吗？CME拟推算力期货，AI资本支出首超油气

作者：Chamath Palihapitiya，编译：Deep Tide TechFlow

导读：AI资本支出首次超过油气，但算力价格波动剧烈，市场几乎缺乏对冲工具。CME集团计划推出算力期货，这是决定算力能否成为下一个万亿美元资产类别的关键实验。文章指出，算力期货要成功，必须先解决集中度和互换性问题，这是所有布局AI基础设施的投资者必须了解的风险变量。

“我相信一种新资产类别将会出现，那就是购买算力期货。目前我们的算力根本不够用。"——BlackRock CEO Larry Fink

本周，他的这一判断得到了市场印证。

全球领先的衍生品市场CME集团宣布，将与GPU市场情报和基准测试领域的行业领导者Silicon Data合作，计划在2026年10月5日推出算力期货合约，目前尚待监管审批。

为什么算力需要金融市场

2026年，AI资本支出预计将达到7650亿美元，首次超过油气行业的6810亿美元。到2031年，这一数字预计接近翻倍。摩根士丹利预测，AI在全球经济中的扩散将创造40万亿美元的机会，而这一机会依赖于一项关键资源：算力。

Silicon Data的指数显示，今年以来，即便是旧款GPU的算力需求也出现激增：

当如此庞大的资本流入一个行业，支出方需要一种方式来保护自己免受不利价格波动的影响。

如今，石油生产商可以在交割前通过期货合约锁定价格。如果现货价格下跌，合约可以稳定收入。买方则利用同一市场来限制燃料成本。双方都将价格波动从业务中剥离。

算力目前尚不具备这样的工具，这使得任何建设或采购AI基础设施的人都面临三类风险敞口：

GPU租赁价格波动剧烈，在需求激增时飙升，或在供应充足、新芯片发布时暴跌，导致AI公司难以准确预算其最大成本项。

每当英伟达发布更快的芯片，上一代芯片的租赁价值就会下降，硬件贷款背后的抵押品也随之缩水。

数据中心建设需要两到三年，但开发商锁定算力成本或收入的手段非常有限。每一项此类决策都是数十亿美元的押注。

这些风险敞口创造了对算力期货的需求。但在这一市场扩大规模之前，必须直面历史上限制其他期货市场的两个同样问题：集中度与互换性。

围绕洋葱、铀、DRAM内存芯片和带宽建立期货市场的尝试，都曾遇到这两个问题中的一个或两个。

对算力而言，集中度问题更为复杂。随着推理需求扩散到数千家运行生产工作负载的公司，买方正在变得分散。卖方阵营广泛且仍在增长，2025年新云厂商的收入预计将超过250亿美元，涵盖60多家提供商。然而，底层供应仍高度集中，英伟达供应了大部分AI芯片。

互换性难题

第二个问题是互换性。

目前，算力价格以GPU每小时费率报价，也就是租用单颗GPU一小时的成本。然而，同一型号的两颗GPU在一小时内可能提供不同的算力。

Silicon Data与学术合作伙伴合作，在11家云提供商的3500块GPU上运行相同工作负载。即使在同一芯片型号内，他们也发现了显著差异。在一项测试中，H100的性能差异高达34.5%，整个研究中的最大差距达到38%。

首批可持续合约可能需要定义几个层级，正如能源市场使用不同燃料、地点和交割期来区分一样。

但更大的问题是：如果算力期货奏效，将会发生什么？算力能否成为名义交易量达万亿美元的下一种资产类别，并加速AI经济的发展？

风险关注点：集中度与性能差异

从投资者布局AI基础设施的角度看，当前算力市场存在两个显性风险。一是上游供应链高度集中，英伟达占据AI芯片绝大部分市场份额，任何供应瓶颈或价格策略调整都会直接传导至下游。二是同代GPU性能并不标准化，实测同型号芯片性能差异最高可达38%，这意味着以"每GPU每小时"报价的合约可能无法准确反映实际获得的算力价值，进而影响期货合约的公允定价和交割逻辑。

后续观察指标

算力期货能否从试验走向规模化，可重点关注三个节点：一是2026年10月合约上线前的监管审批进展；二是CME与Silicon Data如何设计合约等级，以解决不同云厂商、不同芯片批次的性能差异问题；三是市场参与者的实际对冲需求是否足以支撑流动性，尤其是AI超大规模企业和云服务商的参与深度。