Pantera Capital 投资人 Jay Yu 近日发表题为《The Rise of Compute Markets》的长文称，数据中心与算力基础设施支出已经进入兆美元级市场，但 GPU 的实际交易方式仍然相当原始。即便市场上已经出现 SF Compute、Vast AI、Runpod 等平台，大量 GPU 租赁与采购仍通过群组、OTC 经纪商以及企业之间的一对一协议完成。
Jay Yu 认为，这一状态与早期电力、石油市场颇为相似：先出现庞大的实物商品需求，随后才逐步形成标准化合约、价格指数、期货与对冲市场。如果这一路径再次出现，未来 5 至 10 年，H100、H200、B200 等 GPU 所代表的算力，可能不再只是科技公司的 IT 成本，而会成为像石油、电力一样可定价、可交易、可融资、可对冲的独立资产类别。
Jay Yu：当前 GPU 交易方式仍类似早期电力市场
Jay Yu 将当前算力市场与过去 30 年美国电力市场的发展历程作比较。他指出，电力并不是完全同质化的商品。同样一度电，在不同时间、不同地区以及不同输电条件下，经济价值可能完全不同。因此，美国电力市场发展出了 Locational Marginal Pricing（LMP，节点边际电价），依据供需、输电成本和电网限制，计算不同节点的电力价格。
在这一体系下，大量实体节点价格最终形成了 PJM-West、ERCOT North、CAISO SP15 等区域性指标，其中部分又成为 CME、ICE 衍生品交易的参考基准。
他认为，算力市场面临的问题非常接近。1 小时 H200 算力的价值，除了芯片型号之外，还受到地区、时间、集群规模、网络架构、可靠性、可中断性以及合约条款影响，因此不能简单把“一 GPU-hour”视作完全同质的商品。
在这个对照框架里，电力市场是 Grid－Operator－Node，未来算力市场则可能形成 Hardware－Vendor－Cluster。H100、H200、B200、B300 等不同硬件世代会形成各自的商品类别；AWS、Nebius、CoreWeave、SF Compute 等算力供应商类似市场中的 Operator；而分布在不同地区、不同时间、采用不同硬件配置的 GPU Cluster，则类似电网中的不同节点。
真正困难的问题是，市场能否建立一个足够可信的价格，把成千上万种条件不同的 GPU 算力，转化成可交易的标准商品。
谁会在算力市场中做多，谁又需要做空
Jay Yu 认为，如果算力开始商品化，市场自然会出现需要对冲风险的买卖双方。他将 AI 推理产业链分成三层。
- 最底层是 Nebius、CoreWeave 等 Neocloud。这一层负责运营数据中心和 GPU，是算力供给方，因此可以理解为 GPU 市场的“结构性空方”。
- 中间层是 Fireworks、Baseten 等 inference platform。它们从底层采购 GPU，再把裸机转化为开发者可以直接调用的推理服务，因此是 GPU 的结构性买方。
- 最上层是 Cursor、Perplexity 等 AI 应用。它们购买的已经不是 GPU，而是 Token，但 Token 的生产背后仍然依赖 GPU。
文中写道，当 AI 公司签下一年期 GPU 合约时，实际上承担的是未来算力价格下跌的风险。反过来，投入数十亿美元采购 GPU 的 Neocloud，也需要面对未来租金下跌、GPU 利用率不足和硬件快速折旧的风险。当供需两端都开始管理价格风险时，算力期货就具备了存在的经济理由。
“算力版华尔街”可能如何形成
Jay Yu 预计，成熟后的 Compute Capital Market，不一定会是 OpenAI 或 CoreWeave 自己跑到交易所直接买卖 H200 期货，更可能接近能源市场的结构。
在他的设想中，Neocloud、Inference Provider 与 AI 公司会先通过 SF Compute、Runpod、Compute Exchange 等经纪商与 OTC Desk，找到符合需求的实体 GPU。中间商需要承担不同 SKU、地区与交付时间带来的 Basis Risk，随后再到 Architect、Pluto 等金融市场，利用标准化算力合约进行对冲。
这一体系能否成立，关键在于金融市场是否拥有一个被广泛接受的价格锚点，也就是“现在 H200 到底值多少钱”。Jay Yu 认为，这正是算力指数开始出现的原因。
CME 已宣布与 Silicon Data 合作规划 GPU 期货
目前，Ornn、Silicon Data、Compute Desk、SemiAnalysis 等业者已经开始建立 GPU 价格指数。Jay Yu 特别提到 Silicon Data，因为 CME Group 已在今年宣布与 Silicon Data 合作，规划推出以 GPU 算力价格为基础的期货产品。
他将整个 Compute Market 划分为四个正在形成的层次。
- 第一层是 Physical Settlement，也就是 SF Compute、Hyperbolic、Vast、Runpod、Compute Exchange 等真正负责把 GPU 算力交付给客户的平台。
- 第二层是 Index，由 Silicon Data、Ornn、Compute Desk、SemiAnalysis 等业者建立 GPU 价格基准。
- 第三层是 Derivative Exchange，例如 Architect、Liquid Compute，希望提供现金结算的算力期货与对冲工具。
- 第四层是 Financialization Vehicles，包括以 GPU 和数据中心为基础的借贷、Vault、保险，甚至合成美元，例如 USD.AI。
Jay Yu 认为，这四层结合起来，已经开始呈现出一套类似能源商品市场的完整金融结构。
最大障碍：一张 H200 并不等于另一张 H200
不过，算力金融化面临的最大问题，也恰恰是它与股票资产最不一样的地方。同样一股 NVIDIA 股票，不论通过哪个券商买入，本质上都代表相同权利；但在两个平台上都标注为“H200”的商品，实际质量可能完全不同。
Jay Yu 指出，GPU 所在位置、网络速度、Cluster 拓扑、是否可中断、SLA、租期长短，甚至实际硬件质量，都会影响它最终能产出多少 Token。这也是为什么不同 GPU Marketplace 与 Compute Index 之间，目前仍可能存在巨大价差。
他还提到，电力市场至少存在 FERC 等监管机构要求批发市场信息透明，而算力市场目前还没有类似制度。未来这一市场可能需要出现类似 Moody’s 的 GPU 评级机构，用来验证实际交付算力的质量。
Pantera：真正的护城河可能是实物交割能力
虽然算力期货听起来最像新的金融生意，但 Jay Yu 认为，从长期看，最具防御性的环节反而可能是看起来最“无聊”的 Physical Settlement。原因也可以从石油和电力市场找到：金融衍生品的价格并不是凭空生成，而是围绕拥有大量实物交割与实际交易活动的市场形成。
在他看来，实体市场越深，生成的价格信息就越可信；价格指数越可信，建立在其上的期货市场才越可能获得流动性。
英伟达被比作 Compute Economy 的“中央银行”
在整套市场结构之上，Jay Yu 甚至将 NVIDIA 比作 Compute Economy 的“中央银行”。
他给出的理由是，NVIDIA 不只是商品供应方，也可以影响商品本身的折旧曲线。举例来说，当 NVIDIA 推出新一代 Vera Rubin GPU 时，前一代 GPU 的相对性能与市场价格就可能受到影响。换句话说，NVIDIA 的产品路线图在一定程度上具有类似货币政策的能力，会改变市场对既有算力资产未来价值的预期。
另一方面，NVIDIA 也希望 GPU 维持较高利用率。GPU-hour 如果更容易交易和转售，就可能提高整体设备使用效率，并刺激客户继续采购 GPU。文中提到，NVIDIA 提出最高 25% residual value support（残值支持）的相关机制，这也让 NVIDIA 带有部分“最后贷款人”的色彩：当 GPU 资产价格和融资市场承压时，原厂提供的残值支持可以降低部分资产折旧与融资风险。
三股力量可能直接影响 GPU 价格曲线
Jay Yu 还提出，在算力成为金融商品后，AI 模型发布本身也可能开始直接影响 GPU 价格曲线。他认为，目前市场上存在三头足以左右局面的“大象”。
- 第一端是 NVIDIA，通过新品发布影响算力供给与硬件折旧。
- 第二端是 OpenAI、Anthropic 等 Frontier Labs，它们的新模型和新产品可能突然拉升 Token 与推理需求。
- 第三端则是 DeepSeek、Qwen、Kimi、GLM 等开源模型，这些模型持续降低推理成本，并压缩 Token Margin。
Jay Yu 的判断是，随着这些因素同时作用，AI 算力市场未来可能逐步走向类似能源商品的定价和金融结构。