Pantera Capital：運算力市場的四大主要機會
Tapbit Wire作者：Pantera Capital 合夥人 Jay Yu
編譯：Jiahua、ChainCatcher
導讀
運算力與資料中心基礎設施支出已達兆美元規模，堪比美國消費者支出，並逐步成為美國經濟增長的重要支柱。
然而，隨著AI代理逐步融入實體經濟，運算力需求持續攀升，但GPU採購方式仍相當傳統。儘管SF Compute、Vast AI與Runpod等運算力市場已現雛形，大量GPU節點的買賣仍仰賴群組聊天、場外經紀商及客製化雙邊協議。
目前GPU運算力仍處金融化初期。如同電力，運算力並非完全同質資產，其受晶片型號、交付時程與地理位置等因素限制。但未來5至10年，運算力有望逐步商品化，類似電力或石油，成為支撐AI時代全球經濟運作的關鍵資源。
本文將探討運算力市場如何實現此轉型，包括電力市場經驗借鏡、運算力市場潛在架構、業界正開發之產品，以及運算力商品化所面臨的機遇與挑戰。
1. 從電力市場尋找答案
1.1 電力市場架構
欲理解運算力市場未來演進方向，可先觀察其底層資源——電力市場的運作模式。
與運算力類似，電力亦具異質性、時間性與樞紐性，且為全球經濟增長的重要基礎。
自1990年代起，美國電力系統逐步私有化，原本高度垂直整合的電力公司開始拆分發電、輸電與配電環節。
獨立電網營運商（ISO/RTO）開始管理美國不同區域的電力系統；PJM-West（東岸）、ERCOT North（德州）與CAISO SP15（南加州）等大型互聯電網最終成為可在CME與ICE等期貨交易所交易的商品，形成整體電力資產類別的重要價格基準。
就實體層面而言，電力市場結構可概略歸納為「電網—營運商—節點」三層。
頂層為彼此獨立的區域電網；每座區域電網下設多個系統營運商，包括區域輸電組織（RTO）與獨立系統營運商（ISO），負責管理其轄區內多個變電站節點。
例如，在舊金山，一座城市可能由多個變電站節點供電，例如濱海區（Embarcadero）、拉金（Larkin）和使命區（Mission）。
各節點的電價並不完全相同，而是透過一種稱為「位置邊際定價」（LMP）的演算法決定；該演算法綜合考量發電排程、用戶需求、輸電成本及電力流動定律，於約束條件下計算最適價格。
LMP演算法成為串聯電力實物交割與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與指數價格，本質上是多個終端LMP節點價格的加權平均值；規模最大、流動性最高的價格基準，最終能在CME與ICE等期貨交易所實現穩定交易深度，進而成為整個電力資產類別的參考價格。
1.2 運算力市場潛在架構
觀察電力市場過去三十年的發展，可對運算力市場提出若干推測。
首先，運算力市場可能形成類似電力市場的結構。
就實物交割而言，最接近電力市場「電網、營運商、節點」結構的運算力版本，可能是「硬體、供應商、叢集」。
正如電力市場存在多個彼此獨立的區域電網，運算力市場亦可能依不同硬體類別形成多個市場；H100、H200、B200、B300等晶片類別，或各自擁有獨立但相互關聯的價格基準。
在營運商層級，AWS、Nebius、CoreWeave、SF Compute與Ornn等運算力供應商，將針對特定叢集提供不同定價機制；這些叢集亦會受時間、地理位置與SKU影響，類似電力市場中各節點。
至於運算力市場中對應LMP的機制，可能是一種排程或路由演算法；該演算法依據特定SKU的可用性，動態生成運算力實例價格。
電力市場中最終成為產業參考價格的基準（如PJM-West、ERCOT-North與CAISO SP15），通常連接流動性最高的實物交割基礎設施，此特徵亦見於原油等其他商品市場。
隨著運算力領域價格基準日益增多，最終勝出者可能正是那些連接高流動性實物交割地點的基準。
此外，在電力市場中，發電廠與用電企業有時直接於電力交易所避險，但多數交易仍由銀行與貿易公司所設之場外交易（OTC）部門完成；這些OTC機構透過買賣節點結算價與樞紐結算價之價差獲利，並對沖自身風險。
類似市場結構亦可能出現於運算力市場；實際供需雙方（即新興雲服務提供商與AI公司）可能傾向透過經紀商採購特定SKU，而非直接於運算力交易所避險。
最後，運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》，批發電價須在聯邦能源管理委員會（FERC）監管下保持透明；然而，當前運算力市場尚無類似透明度要求。
這意味著運算力市場所能建立的動態價格與指數，可能僅基於其自有訂單簿及合作新興雲服務提供商所提供的訂單簿資料；此類合作可透過收益分成、資料採購等方式達成。
2. 運算力市場架構
2.1 推理需求的三層結構
電力市場存在，是因工業系統對電力有持續需求；同理，算力市場的根本驅動力，正是對Token（尤其是推理Token）的需求。
當前推理產業鏈可大致分為三層，共同構成算力市場的供需結構。
新雲端服務提供商層
Nebius與CoreWeave等公司營運實體資料中心，構成GPU賣方。
隨選層
Fireworks與Baseten等開發者平台，將裸金屬GPU環境轉化為更完整的GPU使用環境，讓開發者能即時執行任務或取得推理Token；此層代表GPU買方。
應用層
Cursor、Perplexity與Rime等應用程式，透過推理平台向終端用戶與企業提供最終產品；此層為Token需求方，其Token需求最終轉化為GPU算力需求。
儘管生態系內各公司GPU管理策略不同，整體而言，新雲端服務提供商位於GPU市場供給端，代表結構性短缺；隨選層與應用層則位於需求端，代表結構性多頭。
另一方面，Amazon與Google等大型雲端服務提供商則橫跨全部三層自營產品。
就產業鏈利潤流向而言，粗略經驗法則是：頂級應用每花費100美元購買Token，約45美元流入隨選層，50美元流入新雲端服務提供商或GPU層，剩餘5美元流入OpenRouter等路由層。
2.2 算力資本市場結構
AI產業鏈各參與者的Token經濟結構，將影響算力資本市場最終成型方式。
其中一種可能結構是：需求端的開發者平台與應用層，連同供給端的新雲端服務提供商，透過算力經紀商及SF Compute、Runpod與Compute Exchange等場外交易平台，交易特定SKU。
隨後，算力經紀商與場外交易平台將管理庫存，並承擔終端Token消費者所需特定SKU與通用H200之間的基差風險。
它們可透過Architect或Pluto等算力交易平台進行避險。
這些交易平台的價格，係依據算力基準指標訂定；該指標係加權平均計算自與新雲端服務提供商合作的場外平台及新雲端服務提供商自身訂單簿之報價。
2.3 NVIDIA：運算力市場的「中央銀行」
此外，NVIDIA近期宣布，將允許其AI工廠所產出的運算力成為一種「可投資資產類別」。
在運算力金融化體系中，NVIDIA可視為運算力市場的「中央銀行」，因其幾乎壟斷GPU技術棧。
中央銀行通常具備幾項核心目標：
管控經濟體系中的通膨；
促進充分就業；
於極端情況下擔任最終貸款人。
某種程度上，NVIDIA正同時扮演這三種角色。
首先是管控「通膨」。GPU經濟中的「通膨」可類比為GPU貶值週期，尤指最新世代晶片的貶值速度。透過掌控產品發布節奏（例如推出Vera Rubin），NVIDIA能在一定程度上影響GPU隨時間推移的貶值速率。
其次是維持高GPU使用率。高使用率通常反映市場對代幣的強勁需求，促使用戶購入更多GPU。因此，NVIDIA有動機推動GPU運算力金融化，提升GPU小時交易流動性，進一步提高GPU使用率。
最後是擔任最終貸款人。NVIDIA亦宣布將提供最高達GPU剩餘價值25%的支援，此舉可視為一種GPU價值的救助或保險機制：當新興雲服務供應商及其他GPU供應方遭遇流動性危機時，此支援有助保障GPU剩餘價值。
3. 運算力市場的機遇與挑戰
3.1 運算力市場的產品形態
隨著運算力市場金融化持續深化，產業中可能湧現數種主要產品類型，各具優勢與挑戰。
第一類產品：實物交割
實物交割指將GPU裝置實際交付給需要運算力的終端用戶。SF Compute、Hyperbolic、Vast、Runpod及Compute Exchange等專案即屬此層級。此層級最貼近硬體本身，直接串聯運算力供需雙方。
由於運算力SKU異質性高，許多專案初期僅擔任中介角色，透過撮合GPU需求與新興雲服務供應商來賺取佣金。長期而言，此層級目標可能是建立某種形式的「運算力現貨交易所」。
然而，持續確保實物GPU交割品質極具挑戰，尤其對供應源來自去中心化網路的專案而言。運算力市場或需類似穆迪（Moody's）的評級機構，對可交割GPU品質進行認證，以推動此層級進一步成熟。
儘管實物交割層競爭激烈，但長期來看可能擁有最持久的護城河。回顧石油與電力市場可知，金融化體系通常圍繞實物商品流動性最高的交割地點發展，逐步形成指數、交易所及融資金融商品。
因此，率先解決實物GPU交割問題者，有望獲得顯著市場回報。
產品二：指數
此層級主要指基於算力構建的「指數曲線」，涵蓋Ornn、Silicon Data、Compute Desk與Semianalysis等專案推出的算力價格指數。
建立指數是推動算力等資產進一步金融化與交易的重要步驟。可說當前市場對「算力市場」的許多討論，正隨算力指數逐步成熟而日益升溫；CME與ICE等大型交易所亦已宣布與相關指數展開合作。
然而，多數算力指數與單一GPU市場間仍存在顯著價差。
此價差成因可能主要有二。
其一，標的資產本身存在差異：不同算力平台在產品穩定性、中斷可能性及合約條款等方面常有顯著差異。
其二，各算力指數背後的訂單簿並不相同，且算力市場缺乏其他資產類別所具備的透明度要求（例如FERC對電力市場的透明度規範）。
目前許多算力指數僅批量採購新興雲服務供應商的訂單簿數據，或透過合作與收益分成協議建立初始資料集；此外，獨立運營之指數層的變現能力，弱於交易所與實物交割層。
因此，儘管指數層能製造市場聲量，並在算力市場體系中扮演關鍵角色，卻同時面臨上下游雙向擠壓：
上游實物交割層掌控定價源頭；
下游交易所則希望分潤指數所產生之收益。
產品三：衍生品交易平台
第三層為衍生品交易平台，通常提供現金結算之期貨商品，並以算力指數為基礎，為市場參與者提供避險工具。Liquid Compute與Architect正開發相關產品。
長期而言，衍生品交易平台可能是算力金融化體系中最受期待且最易規模化變現的產品；但該領域仍處早期階段，交易量尚未達顯著規模。
再者，現金結算交易平台上的可交易商品通常為通用型H200實例，而非可直接用於推論的特定SKU。因此，真正參與此類平台者，可能主要是場外交易（OTC）平台與算力經紀商，而非AI產業鏈終端企業：前者旨在對沖其資產負債表上持有的算力庫存，後者則需管理自身算力風險敞口。
產品四：金融化工具
算力領域亦可能湧現更廣泛的金融化產品，支援資料中心與新興雲服務供應商融資。例如貸款協議、Vault及USD.AI等合成穩定幣，可協助資料中心與新興雲服務供應商完成基礎設施建設。
同時，市場也可能出現風險轉移與保險層級，以緩解GPU經濟中的基差風險。觀察上述各層級，即可較清晰掌握算力市場最終可能呈現之完整樣貌。
勝出者將是能實現可靠實體GPU交付的全棧參與者：他們可自有的實體訂單簿生成價格指數，進而建立算力期貨交易所，使算力成為可避險的資產類別。
然而，產業真正的分歧在於各類產品出現的先後順序：最終勝出者將從實體算力交付起步？還是先建立指數？抑或率先推出交易平臺？
3.2 算力代幣經濟學的前沿
截至目前，我們主要聚焦於GPU層級的算力市場。但也可拓展視野，觀察更廣義的算力代幣經濟學，包括其歷史演進、價值捕獲方式，以及與前沿模型實驗室之間的博弈關係。
歷史上，算力市場並非全新概念。2023至2024年間，SF Compute與Hyperbolic等專案已開始探討此模式；Akash、IONet等去中心化專案亦朝相似方向發展。
有趣的是，許多專案最終未停留在GPU市場層級。例如，Hyperbolic轉型為推理服務提供商，直接銷售代幣；SF Compute則開始直接簽約並營運算力叢集。
從價值鏈角度看，價值由Cursor、Harvey、Granola等AI應用，經OpenRouter等路由層，流向Fireworks、Baseten等推理服務商，再進入Nebius、CoreWeave、SF Compute等新型雲服務與算力市場，最終匯入資料中心營運商。
若企業長期處於產業鏈中游，可能同時受上下游擠壓；為維持較穩定利潤率，最終或需向上游延伸或向下游擴張。
代幣市場亦呈現極富趣味的博弈論視角，存在三股不可忽視的力量。
第一股力量是掌控GPU供應與折舊速度的NVIDIA。
第二股力量是Anthropic、OpenAI等前沿模型實驗室，持續發布新模型，可能快速推升代幣需求。
第三股力量是Kimi、GLM、DeepSeek、Qwen等開源模型，壓縮推理利潤空間。
這三股力量共同為GPU市場與代幣市場的供需兩端提供持續動能與壓力；任一參與方推出重大產品，皆可能重寫整體市場定價曲線。
例如，GPT 5.6的發布可能由企業主導，市場難以預先判斷，進而沿AI代幣價值鏈引發連鎖反應，導致代幣價格與GPU硬體價格波動。
因此，若企業能在同一系統內同時營運推理服務與GPU硬體市場，商業可行性或更高；此模式可對沖產業鏈上下游利潤結構變動所帶來的風險。
結論
回顧歷史，石油、電力等大宗商品市場初期仰賴中介促成雙邊交易，流程不透明且缺乏統一標準；隨時間推移，實體交付逐步發展出一系列協議與金融基礎設施，包括指數、交易標準化及品質審計，最終演化為高度金融化的資產類別。
當前，算力市場正經歷類似轉型：市場湧現眾多試圖將基礎工具金融化的專案，涵蓋算力指數、現金結算交易所、借貸產品及保險產品等。
與此同時，實體GPU市場與雲服務提供商亦持續向產業鏈上下游延伸，力求掌握代幣經濟中的完整價值。作為支撐整個人工智慧經濟運作的底層資源，算力正逐步從單純基礎設施蛻變為獨立金融資產。
未來，該領域或將誕生多家覆蓋不同市場層級的獨角獸企業，形成實體算力供應、經紀服務、借貸、風險管理，乃至結合DeFi與傳統金融資本市場等多元商業形態。
算力可能是數十年來罕見的新型實體商品，我們或許正見證其從私人主導的早期交易，邁向完整資產類別的歷程。
