Pantera Capital: 4 ключевые возможности на рынке вычислительных мощностей
Tapbit WireАвтор: Цзя Юй, партнёр Pantera Capital
Составил: Цзяхуа, ChainCatcher
Введение
Расходы на вычислительные мощности и инфраструктуру дата-центров превратились в рынок объёмом триллион долларов — сопоставимый с потребительскими расходами США — и постепенно становятся важной опорой экономического роста США.
Однако по мере внедрения ИИ-агентов в реальную экономику спрос на вычислительные мощности продолжает расти, тогда как методы закупки GPU остаются весьма традиционными. Несмотря на появление рынков вычислительных мощностей — таких как SF Compute, Vast AI и Runpod — большинство сделок с GPU-узлами по-прежнему проходят через групповые чаты, внебиржевых брокеров и индивидуальные двусторонние соглашения.
Сейчас GPU-мощности находятся на ранней стадии финансализации. Как и электроэнергия, вычислительные мощности — не полностью однородный актив: они зависят от модели чипа, сроков поставки и географического расположения. Однако в ближайшие 5–10 лет вычислительные мощности, скорее всего, постепенно станут товаром, подобным электричеству или нефти, — ключевым ресурсом, обеспечивающим функционирование мировой экономики в эпоху ИИ.
В этой статье обсуждается, как рынок вычислительных мощностей может достичь такой трансформации: выводы из опыта рынка электроэнергии, потенциальная структура рынка вычислительных мощностей, разрабатываемые в отрасли продукты, а также возможности и вызовы, связанные с товаризацией вычислительных мощностей.
1. Уроки рынка электроэнергии
1.1. Структура рынка электроэнергии
Чтобы понять, как может развиваться рынок вычислительных мощностей, стоит сначала обратиться к его базовому ресурсу — рынку электроэнергии.
Как и вычислительные мощности, электроэнергия — это неоднородный актив с временной и узловой спецификой, являющийся важнейшей основой глобального экономического роста.
С 1990-х годов американская энергосистема постепенно приватизировалась: ранее сильно вертикально интегрированные энергокомпании начали разделять генерацию, передачу и распределение.
Независимые операторы сетей взяли на себя управление энергосистемами в разных регионах США. Одновременно крупные объединённые системы — такие как PJM-West (восточное побережье), ERCOT North (Техас) и CAISO SP15 (Южная Калифорния) — стали торговаться на биржах CME и ICE, формируя ключевые ценовые ориентиры для всего класса активов «электроэнергия».
На физическом уровне рынок электроэнергии можно условно описать структурой «сеть — операторы — узлы».
На верхнем уровне находятся независимые региональные сети. Под каждой из них действует ряд системных операторов — региональные организации передачи (RTO) и независимые системные операторы (ISO), отвечающие за управление несколькими подстанционными узлами в своих регионах.
Например, в Сан-Франциско город может получать питание от нескольких узлов подстанций, таких как Embarcadero, Larkin и Mission.
Цена на электроэнергию в каждом узле неодинакова и определяется алгоритмом «локальной предельной цены» (LMP). Этот алгоритм учитывает график генерации, спрос потребителей, затраты на передачу и законы электротока для расчёта оптимальной цены с учётом ограничений.
Алгоритм LMP становится ключевым звеном, связывающим физическую поставку электроэнергии и торгуемые бенчмарки, такие как PJM-West.
Цены хабов и индексные цены на рынке электроэнергии — это по сути взвешенные средние цены по множеству конечных узлов LMP. Крупнейшие и наиболее ликвидные бенчмарки в итоге достигают стабильной торговой глубины на биржах, таких как CME и ICE, становясь эталонными ценами для всего класса активов «электроэнергия».
1.2. Возможная структура рынка вычислительных мощностей
Анализ развития рынка электроэнергии за последние 30 лет позволяет выдвинуть несколько гипотез о рынке вычислительных мощностей.
Во-первых, рынок вычислительных мощностей может сформировать структуру, аналогичную структуре рынка электроэнергии.
С точки зрения физической поставки ближайшим аналогом «сети, операторов, узлов» рынка электроэнергии в сфере вычислительных мощностей могут стать «оборудование, поставщики, кластеры».
Как и в рынке электроэнергии существуют несколько взаимно независимых региональных сетей, рынок вычислительных мощностей также может разделиться на несколько рынков по категориям оборудования. Категории чипов H100, H200, B200, B300 и другие могут иметь собственные независимые, но взаимосвязанные ценовые бенчмарки.
На уровне операторов поставщики вычислительных мощностей — AWS, Nebius, CoreWeave, SF Compute и Ornn — будут применять разные ценовые механизмы для конкретных кластеров. Эти кластеры также будут зависеть от времени, местоположения и SKU, как и разные узлы на рынке электроэнергии.
Аналогом LMP на рынке вычислительных мощностей может стать алгоритм планирования или маршрутизации, динамически формирующий цены на вычислительные инстансы в зависимости от наличия конкретного SKU.
Бенчмарки, ставшие в итоге отраслевыми эталонными ценами на рынке электроэнергии — например, PJM-West, ERCOT-North и CAISO SP15 — обычно связаны с наиболее ликвидной физической инфраструктурой поставки. Это аналогично другим товарным рынкам, например, нефтяному.
По мере появления новых ценовых бенчмарков на рынке вычислительных мощностей, доминирующими окажутся те, что привязаны к локациям с высокой ликвидностью физической поставки.
Кроме того, на рынке электроэнергии генераторы и энергопотребляющие предприятия иногда напрямую хеджируют риски на биржах электроэнергии, однако большинство сделок по-прежнему осуществляются через внебиржевые (OTC) отделы банков и торговых компаний. Эти OTC-участники обмениваются узловыми расчётными ценами на хабовые расчётные цены, извлекая прибыль из разницы и одновременно хеджируя собственные риски.
Аналогичная рыночная структура может возникнуть и на рынке вычислительных мощностей. Фактические стороны спроса и предложения — новые облачные провайдеры и ИИ-компании — могут предпочесть закупку конкретных SKU через брокеров, а не прямое хеджирование на биржах вычислительных мощностей.
Наконец, рынок вычислительных мощностей может столкнуться с более высоким базисным риском, чем рынок электроэнергии.
Согласно федеральному закону США «О регулировании электроэнергетики», оптовые цены на электроэнергию должны оставаться прозрачными под надзором Федеральной комиссии по регулированию энергетики (FERC). Однако на рынке вычислительных мощностей пока нет аналогичных требований к прозрачности.
Это означает, что динамические цены и индексы, которые можно будет создать на рынке вычислительных мощностей, будут основываться лишь на его собственной книге заявок и данных книги заявок партнёрских новых облачных провайдеров. Такие партнёрства могут строиться на основе совместного распределения доходов, закупки данных и других механизмов.
2. Структура рынка вычислительных мощностей
2.1 Трехуровневая структура спроса на инференс
Рынок электроэнергии существует, поскольку промышленная система предъявляет постоянный спрос на электричество. Аналогично, основной движущей силой рынка вычислительных мощностей является спрос на токены, особенно на токены инференса.
Современная цепочка поставок инференса условно делится на три уровня, которые в совокупности формируют структурные стороны предложения и спроса на рынке вычислительных мощностей.
Уровень новых провайдеров облачных услуг
Компании вроде Nebius и CoreWeave управляют физическими дата-центрами и выступают продавцами GPU.
Уровень по требованию
Платформы для разработчиков, такие как Fireworks и Baseten, преобразуют «голые» GPU-среды в более полноценные среды использования GPU, позволяя разработчикам запускать задачи напрямую или получать токены инференса в любое время. Этот уровень представляет покупателей GPU.
Прикладной уровень
Приложения вроде Cursor, Perplexity и Rime используют платформы инференса для предоставления конечных продуктов пользователям и предприятиям. Этот уровень формирует спрос на токены, а спрос на токены транслируется в спрос на вычислительные мощности GPU.
Хотя стратегии управления GPU у компаний экосистемы различаются, в целом новые провайдеры облачных услуг находятся на стороне предложения рынка GPU и представляют структурный дефицит; уровни «по требованию» и прикладной — на стороне спроса и представляют структурный избыток.
С другой стороны, крупные облачные провайдеры, такие как Amazon и Google, управляют собственными продуктами на всех трёх уровнях.
Что касается распределения прибыли в отраслевой цепочке, грубое эмпирическое правило таково: когда топовые приложения тратят 100 долларов на токены, примерно 45 долларов поступают на уровень «по требованию», 50 долларов — новым провайдерам облачных услуг или на уровень GPU, а оставшиеся 5 долларов — на маршрутизирующие слои, например OpenRouter.
2.2 Структура капитального рынка вычислительных мощностей
Токеновая экономическая структура различных участников цепочки создания стоимости ИИ повлияет на то, как в итоге сформируется капитальный рынок вычислительных мощностей.
Одна из возможных структур: стороны спроса (платформы для разработчиков и прикладной уровень) и сторона предложения (новые провайдеры облачных услуг) будут торговать конкретными SKU через брокеров вычислительных мощностей и внебиржевые площадки, такие как SF Compute, Runpod и Compute Exchange.
Далее брокеры вычислительных мощностей и внебиржевые площадки будут управлять запасами и нести базисный риск между конкретными SKU, требуемыми конечными потребителями токенов, и общим чипом H200.
Они могут хеджировать риски через торговые платформы вычислительных мощностей, например Architect или Pluto.
Цены на этих торговых площадках устанавливаются на основе эталонного показателя вычислительных мощностей. Этот показатель рассчитывается как взвешенное среднее цен из стаканов заявок от новых провайдеров облачных услуг и внебиржевых площадок, сотрудничающих с ними.
2.3 NVIDIA: «Центральный банк» рынка вычислительной мощности
Кроме того, NVIDIA недавно объявила, что позволит превратить вычислительную мощность своих AI-фабрик в «инвестируемый класс активов».
В системе финансирования вычислительной мощности NVIDIA можно рассматривать как «центральный банк» этого рынка, поскольку она практически монополизировала стек технологий GPU.
У центральных банков обычно есть несколько ключевых задач:
Контроль инфляции в экономике;
Содействие полной занятости;
Выступление в роли кредитора последней инстанции в экстремальных ситуациях.
В определённой степени NVIDIA выполняет все три эти функции.
Первая — управление «инфляцией». «Инфляция» в GPU-экономике может быть сопоставима с циклом обесценивания GPU, особенно по скорости обесценивания новейших чипов. Контролируя темпы выпуска продукции — например, запуская Vera Rubin — NVIDIA может в определённой степени влиять на скорость обесценивания GPU.
Вторая — поддержание высокой загрузки GPU. Высокая загрузка GPU обычно свидетельствует о сильном спросе на токены, побуждая пользователей покупать больше GPU. Поэтому NVIDIA заинтересована в продвижении финансирования вычислительной мощности GPU, повышая ликвидность сделок с GPU-часами и тем самым дополнительно увеличивая загрузку GPU.
Наконец, роль кредитора последней инстанции. NVIDIA также объявила, что будет обеспечивать поддержку GPU до 25 % их остаточной стоимости. Это можно рассматривать как механизм спасения или страхования стоимости GPU: когда новые облачные провайдеры и другие поставщики GPU сталкиваются с кризисом ликвидности, такая поддержка защищает их остаточную стоимость.
3. Возможности и вызовы на рынке вычислительной мощности
3.1 Формы продуктов на рынке вычислительной мощности
По мере роста финансирования рынка вычислительной мощности в отрасли могут появиться несколько основных типов продуктов. У каждого из них есть свои преимущества и трудности.
Продукт №1: Физическая поставка
Физическая поставка означает фактическую доставку устройств GPU конечным пользователям, нуждающимся в вычислительной мощности. К этому слою относятся проекты SF Compute, Hyperbolic, Vast, Runpod и Compute Exchange. Этот слой ближе всего к «железу», напрямую соединяя стороны предложения и спроса на вычислительную мощность.
Из-за высокой неоднородности SKU вычислительной мощности многие проекты изначально действовали лишь как брокеры, получая комиссию за сопоставление спроса на GPU с новыми облачными провайдерами. В долгосрочной перспективе цель этого слоя — создать своего рода «спотовую биржу вычислительной мощности».
Однако обеспечение постоянного качества физической поставки GPU — крайне сложная задача, особенно для проектов, поставщики которых работают через децентрализованные сети. Рынку вычислительной мощности может потребоваться рейтинговое агентство, аналогичное Moody’s, для сертификации качества поставляемых GPU и содействия зрелости этого слоя.
Несмотря на жёсткую конкуренцию на уровне физической поставки, именно он, возможно, обладает наиболее устойчивым конкурентным преимуществом в долгосрочной перспективе. Анализ рынков нефти и электроэнергии показывает: финансовые системы обычно формируются вокруг наиболее ликвидных точек физической поставки товаров, постепенно создавая индексы, биржи и кредитные финансовые продукты.
Таким образом, тот, кто первым решит проблему физической поставки GPU, может получить значительную рыночную отдачу.
Продукт два: индексы
Этот уровень в основном относится к «индексным кривым», построенным на вычислительной мощности, включая индексы цен на вычисления, запущенные такими проектами, как Ornn, Silicon Data, Compute Desk и Semianalysis.
Создание индексов — важный шаг для дальнейшей финансализации и торговли активами, такими как вычислительная мощность. Можно сказать, что многие текущие рыночные дискуссии о «рынке вычислительной мощности» начали набирать обороты по мере созревания индексов вычислительной мощности. Крупные биржи, такие как CME и ICE, также объявили о сотрудничестве с соответствующими индексами.
Однако между многими индексами вычислительной мощности и индивидуальным рынком GPU сохраняется значительный разрыв в ценах.
Причины этого ценового разрыва, вероятно, двояки.
Во-первых, различаются сами базовые продукты. Разные платформы вычислительной мощности часто сильно отличаются по стабильности, прерываемости и условиям контрактов.
Во-вторых, стаканы заявок за разными индексами вычислительной мощности не совпадают, а рынок вычислительной мощности не обладает требуемой прозрачностью, характерной для других классов активов. Например, FERC требует прозрачности на рынке электроэнергии.
Сейчас многие индексы вычислительной мощности просто массово закупают данные стаканов заявок у новых облачных провайдеров или формируют первоначальные наборы данных через партнёрства и соглашения о совместном доходе. Кроме того, способность независимо работающего индексного уровня к монетизации слабее, чем у бирж и физического поставочного уровня.
Поэтому, хотя индексный уровень и создаёт шум и играет важную роль в системе рынка вычислительной мощности, он одновременно испытывает давление как со стороны поставщиков, так и потребителей:
Физический поставочный уровень («вверх по цепочке») контролирует источник цен;
Биржи («вниз по цепочке») стремятся получить долю выручки от индексов.
Продукт три: платформы торговли деривативами
Третий уровень — платформы торговли деривативами, обычно предлагающие фьючерсы с расчётом в денежной форме. Эти платформы предоставляют участникам рынка инструменты хеджирования на основе индексов вычислительной мощности. Liquid Compute и Architect разрабатывают соответствующие продукты.
В долгосрочной перспективе платформы торговли деривативами могут стать наиболее ожидаемыми и легко масштабируемыми продуктами монетизации в системе финансализации вычислительной мощности. Однако эта сфера пока находится на ранней стадии, а объёмы торговли ещё не достигли существенных размеров.
Кроме того, торгуемые продукты на платформах с денежным расчётом обычно представляют собой типовые экземпляры H200, а не конкретные SKU, пригодные непосредственно для вывода моделей. Поэтому основными участниками таких платформ, скорее всего, будут OTC-платформы и брокеры вычислительной мощности, а не конечные предприятия из цепочки создания стоимости ИИ. Первые стремятся хеджировать запасы вычислительной мощности на своих балансах, вторые — управлять собственным риском по вычислительной мощности.
Продукт четыре: инструменты финансализации
В сфере вычислительной мощности также могут появиться более широкие категории финансовых продуктов, поддерживающих финансирование дата-центров и новых облачных провайдеров. Например, кредитные соглашения, Vault и синтетические стейблкоины, такие как USD.AI, могут помочь дата-центрам и новым облачным провайдерам завершить строительство инфраструктуры.
Одновременно на рынке могут возникнуть механизмы передачи рисков и страхования для сглаживания базисного риска в экономике GPU. Анализируя вышеупомянутые уровни, становится относительно ясна окончательная форма, которую может принять рынок вычислительной мощности.
Победителями станут участники полного цикла, способные обеспечить надёжную физическую поставку GPU. Они смогут формировать индексы цен на основе собственных физических стаканов заявок, а затем создать биржу фьючерсов на вычислительную мощность, сделав её хеджируемым классом активов.
Однако реальное расхождение в отрасли заключается в порядке появления различных продуктов. Какой из них станет окончательным победителем: тот, кто начнёт с физической поставки, сначала создаст индексы или запустит торговые платформы?
3.2 Граница токенизации вычислительных мощностей
До сих пор мы в основном обсуждали рынок вычислительных мощностей на уровне GPU. Однако можно расширить перспективу и рассмотреть более общую токенизацию вычислительных мощностей — её историческую эволюцию, способы захвата стоимости и взаимодействие с лабораториями передовых моделей.
Исторически рынок вычислительных мощностей — не новое понятие. С 2023 по 2024 г. проекты вроде SF Compute и Hyperbolic уже обсуждали эту модель, а децентрализованные проекты, такие как Akash и IONet, также исследуют схожие направления.
Интересно, что многие проекты в итоге не остались на уровне GPU-рынка. Например, Hyperbolic позже превратился в провайдера сервисов вывода и напрямую продавал токены; SF Compute начал напрямую заключать контракты и управлять кластерами вычислительных мощностей.
С точки зрения цепочки создания стоимости, стоимость движется от ИИ-приложений (Cursor, Harvey, Granola) через маршрутизационные слои (OpenRouter), затем к провайдерам сервисов вывода (Fireworks, Baseten), далее — к новым облачным провайдерам и рынку вычислительных мощностей (Nebius, CoreWeave, SF Compute) и, наконец, к операторам дата-центров.
Если компания остаётся в середине отраслевой цепочки, её могут сжимать как сверху, так и снизу. Чтобы сохранить стабильную рентабельность, ей, возможно, придётся расшириться вверх по цепочке или углубиться вниз.
Рынок токенов также представляет интересную перспективу с точки зрения теории игр: здесь действуют три неизбежные силы.
Первая сила — NVIDIA, контролирующая предложение GPU и скорость их амортизации.
Вторая сила — лаборатории передовых моделей, такие как Anthropic и OpenAI, постоянно выпускающие новые модели и потенциально резко увеличивающие спрос на токены.
Третья сила — открытые модели, такие как Kimi, GLM, DeepSeek и Qwen, оказывающие давление на маржу при выводе.
Эти три силы одновременно создают импульс и давление как для предложения, так и для спроса на рынке GPU и токенов. Любой из этих участников может изменить всю кривую цен на рынке, представив значимый продукт.
Например, выпуск GPT 5.6 может стать событием, определяемым корпорациями, но труднопредсказуемым для рынка заранее, вызывая цепную реакцию по всей ценовой цепочке ИИ-токенов и колебания цен на токены и GPU.
Поэтому компания, способная одновременно управлять сервисами вывода и рынком GPU-оборудования в рамках единой системы, может оказаться более коммерчески жизнеспособной. Такая модель позволяет хеджировать риски, связанные с изменениями в структуре прибыли на верхнем и нижнем уровнях отраслевой цепочки.
Заключение
Оглядываясь на историю, товарные рынки — нефть, электроэнергия — изначально полагались на двусторонние сделки через посредников, с неясными процессами торговли и отсутствием единых стандартов. Со временем физическая поставка постепенно породила ряд соглашений и финансовой инфраструктуры: индексы, стандартизацию торговли, аудит качества — и в итоге трансформировалась в высокостепенно финансированный класс активов.
Сегодня рынок вычислительных мощностей проходит аналогичную трансформацию. На рынке появляется множество проектов, стремящихся финансировать базовые инструменты: индексы вычислительных мощностей, биржи с денежным расчётом, кредитные и страховые продукты.
Одновременно физический рынок GPU и облачные провайдеры последовательно расширяются вверх и вниз по отраслевой цепочке, стремясь захватить полную стоимость в токенной экономике. Как базовый ресурс, на котором работает вся ИИ-экономика, вычислительные мощности постепенно трансформируются из простой инфраструктуры в самостоятельный финансовый актив.
В будущем эта сфера, вероятно, породит несколько «единорогов», охватывающих разные уровни рынка, и сформирует различные бизнес-модели: физическое обеспечение вычислительных мощностей, брокерские услуги, кредитование, управление рисками, а также интеграцию с DeFi и традиционными финансовыми рынками.
Вычислительные мощности могут стать редким новым типом физического товара за последние десятилетия, и мы, возможно, наблюдаем их путь от частных ранних сделок к полноценному классу активов.
