Pantera Capital 合伙人 Jay Yu 表示，算力与数据中心基础设施支出已经形成万亿级赛道，规模堪比美国消费市场，并成为美国经济增长的重要支柱。随着 AI 智能体持续渗透实体经济，算力需求不断上升，但 GPU 的获取方式仍然较为传统。虽然市场上已经出现 SF Compute、Vast AI、Runpod 等交易平台，但大量 GPU 节点的真实交易，仍依赖社群聊天渠道、场外经纪商以及定制化双边协议完成。
他认为，GPU 算力的金融化仍处在早期阶段。和电力一样，算力并不是完全同质、可以自由互换的资产，它受到型号规格、时间和地理位置三重约束。不过从 5 到 10 年的视角看，算力很可能演变为类似电力、原油的大宗商品资产，成为支撑 AI 时代经济产出的全球关键资源。
电力市场提供了一套可参考的框架
文章认为，要判断算力市场可能如何演化，可以先参考电力市场。电力与算力都具备异质性、时间属性和节点集中等特征，也都属于支撑经济增长的底层资源。
自 20 世纪 90 年代起，美国电力体系逐步推进私有化，原本发电、输电、配电一体化的垂直公用事业公司被不断拆分。独立电网运营商开始负责不同区域的调度，PJM West、ERCOT North、CAISO SP15 等大型电力枢纽，最终在洲际交易所（ICE）与芝加哥商品交易所（CME）形成可交易的商品合约，并成为该类资产的重要定价基准。
从物理层看，电力市场遵循「电网—运营商—节点」三层架构。最上层是多个物理上彼此独立的区域电网；每个区域电网配有系统运营商，也就是区域输电组织（RTO）和独立系统运营商（ISO）；运营商再管理大量本地变电站节点。以旧金山为例，城市供电由恩巴卡德罗、拉金、米申等多个变电站节点共同保障。
每个节点的电价由节点边际电价（LMP）算法计算。该算法会在发电调度、用户需求、输电物理成本以及电力潮流规律等约束条件下进行优化。LMP 机制把 1 瓦电力的实物交割与 PJM-West 这类可交易电力基准连接起来，而所谓枢纽价和指数价格，本质上是一篮子终端 LMP 节点价格的加权平均值。规模最大、流动性最强的一批基准，最终在 CME、ICE 等平台挂牌交易，成为整个资产类别的参考价格。
算力市场可能复制类似结构
在回顾过去 30 年电力市场演变后，Jay Yu 提出几条关于算力市场的假说。
第一，算力市场可能沿用与电力市场相近的结构。在实物交割层面，电力市场的「电网—运营商—节点」，最接近的对应关系是「硬件—服务商—集群」。如果说实体电网是相互独立的物理系统，那么算力市场中的划分基础则是不同芯片类型。H100、H200、B200、B300 等芯片品类，各自都可能拥有独立但彼此关联的定价基准。
在「运营商」层级，市场上存在 AWS、Nebius、Coreweave、SF Compute、Ornn 等算力服务商。它们会针对不同集群设定差异化价格，而集群又会按照时间、地理位置、硬件型号进行区分，这一层相当于电力市场中的节点。与 LMP 最相近的机制，则是调度或路由算法：系统根据特定硬件规格的资源可用情况，动态输出实例价格。
第二，未来算力领域可能出现大量基准指数，而最终胜出的，很可能是与高流动性实物交割基础设施绑定最紧密的那一批。文章指出，这与电力和原油市场的逻辑一致，能够成为品类基准的资产，通常依托流动性最好的实物交割场所。
第三，算力市场也可能形成以场外交易为主的格局。电力市场中，发电方与用电负荷方虽然有时会直接在交易所做对冲，但更多交易是通过银行与交易商旗下的场外柜台完成。场外柜台会以一定价差把节点交割转换为枢纽交割，并管理自身风险敞口。Jay Yu 认为，类似结构可能在算力市场重现：真正的算力买卖双方，也就是新型云厂商和 AI 企业，更可能通过经纪商采购特定硬件规格资源，而不是直接在交易所完成对冲。
第四，算力市场的基差风险可能显著高于电力市场。《联邦电力法》要求美国联邦能源监管委员会（FERC）公开电力批发行情，但算力市场并不存在类似的强制透明要求。这意味着算力动态价格及指数，只能依托自身订单簿，以及通过收益分成、数据采购协议与新型云厂商合作形成的订单簿来构建。
推理需求栈构成算力市场的多空结构
文章把算力市场的底层驱动力归结为 token 需求，尤其是推理 token 需求。围绕这一点，当前推理技术栈大致可以划分为三个层级。
- 新型云厂商层：Nebius、Coreweave 等主体运营实体数据中心，是 GPU 的卖方。
- 即时调用层：Fireworks、Baseten 等开发者平台将裸机环境封装成可直接运行任务的 GPU 运行环境，开发者可按需获取推理 token。这一层是 GPU 的买方。
- 应用层：Cursor、Perplexity、Rime 等应用依托上述推理平台，向个人用户和企业提供终端产品。这一层是推理 token 的买方，而 token 服务的底层消耗仍是 GPU 算力。
Jay Yu 认为，从结构上看，新型云厂商是 GPU 市场的空头，即时调用层与应用层属于多头。亚马逊、谷歌等超大规模云厂商，则会在整个技术栈的各层同步布局自研产品。
在利润流向上，文章给出一个经验估算：上层应用每花费 100 美元购买 token，大约 45 美元流向即时调用层，50 美元流向新型云厂商或 GPU 资源层，剩余 5 美元归 OpenRouter 这类路由层。
算力资本市场的可能形态
基于上述底层结构，文章勾勒出一种算力资本市场的可能演化路径。
多头方，也就是开发者平台和应用层，与空头方，也就是新型云厂商，可以通过 SF Compute、Runpod、Compute Exchange 等算力经纪商和场外交易柜台，完成特定硬件规格的交易。之后，经纪商与场外柜台负责库存管理，并承接终端 token 消费者所需硬件规格与标准 H200 算力之间的基差风险。它们再到 Architect、Pluto 等算力交易所进行对冲。
至于交易所的定价，文章认为将依托合作的新型云厂商和场外平台订单簿，以加权方式计算形成基准价格。
英伟达被比作算力领域的“中央银行”
文章还讨论了英伟达在这套体系中的位置。英伟达近期宣布，计划将其 AI 工厂算力打造为一种「可投资资产」。在 Jay Yu 看来，凭借在 GPU 技术栈中的垄断地位，英伟达可以被视为算力市场的「中央银行」。
他把这一角色拆分为三个方面。
- 调控「通胀」：在 GPU 经济体中，所谓「通胀」可以类比为芯片相对当前最先进芯片的贬值速度。英伟达能够通过新品发布时间节奏，例如 Vera Rubin 芯片，影响 GPU 的长期贬值速率。
- 追求「充分就业」：如果 token 需求推高 GPU 利用率，市场就会产生更多 GPU 采购需求。因此英伟达有动力推动算力金融化，提高 GPU 小时的流动性，拉升硬件利用率。
- 充当「最后贷款人」：英伟达推出了最高 25% 残值兜底政策。在新型云厂商及其他 GPU 服务商出现流动性危机时，这项政策可被视作对 GPU 资产价值的救助和保险安排。
四类产品正在形成
随着算力市场金融化层持续扩张，文章将行业可能出现的核心产品分为四类。
一是实物交割
这类产品指把实体 GPU 资源交付给终端需求方，相关参与者包括 SF Compute、Hyperbolic、Vast、Runpod、Compute Exchange。它最贴近底层硬件，也最直接连接 AI 产业链中的各类交易主体。
由于算力硬件规格繁杂，多数平台在起步阶段只是作为经纪商，为需求方与新型云厂商撮合交易并收取佣金。该赛道的最终目标，是建立算力现货交易所。但文章也指出，在 GPU 实物交割环节长期稳定地把控质量并不容易，对那些算力供给来自去中心化网络的平台来说更是如此。若这一层想走向成熟，可能需要出现类似穆迪的评级机构，对底层交付资源的质量进行背书。
尽管实物交割赛道竞争激烈，文章仍认为它最容易形成长期护城河。因为无论是指数、交易所还是借贷等金融化业务，往往都围绕流动性最强的实物交割场所生长。
二是指数产品
这一层是构建在算力资产之上的指数曲线，Ornn、Silicon Data、Compute Desk、Semianalysis 等机构都在布局。文章认为，指数是算力进一步金融化并实现可交易的关键一步。随着算力指数逐步成熟，「算力市场」这一叙事也在走强，CME、ICE 等大型交易所已宣布与算力指数机构合作。
不过，许多算力指数与独立 GPU 交易市场之间仍然存在明显价差。文章给出两点原因：其一，底层标的本身存在差异，不同平台在可靠性、可中断性和合约条款方面差别很大；其二，各类指数依赖的订单簿数据不相同，而算力行业又不像受 FERC 监管的电力资产那样具备强制信息透明机制。不少算力指数目前只是向新型云厂商批量采购订单簿数据，或通过合作和收益分成方式搭建基础数据集。
文中还提到，相较交易所和实物交割业务，指数层本身的商业化难度更高。单靠指数业务，往往会同时受到下层实物市场和上层交易所的双向挤压。
三是衍生品交易平台
技术栈第三层是交易平台，主要以现金结算期货为主，依托指数产品为算力提供对冲场所。Liquid Compute、Architect 等项目正在开发相关产品。
文章认为，长期看衍生品赛道关注度高，商业化潜力也强，但目前仍处早期，交易量尚不大。与此同时，现金结算平台上的可交易标的通常是标准化 H200 算力实例，而不是可以直接运行推理任务的特定硬件规格。因此在这类交易所里更活跃的，大多是场外交易柜台与算力经纪商，他们交易的目的主要是对冲资产负债表上的算力库存风险，而不是满足终端 AI 需求主体的直接使用需求。
四是金融化载体
这一层覆盖面更广，指服务算力融资的各类工具，例如借贷协议、资金库，以及 USD.AI 这类合成稳定币，为数据中心和新型云厂商的实体建设提供资金支持。文章还提到，未来市场可能出现风险转移和保险类产品，用来平滑 GPU 市场中的基差风险。
全栈玩家可能占据优势，但落地顺序仍有争议
综合上述层级，Jay Yu 认为，算力行业未来成熟形态已经有较清晰轮廓：胜出者可能是全栈型玩家，既能完成稳健的 GPU 实物交割，又能基于自身实物订单簿自然生成算力指数，再在指数基础上搭建期货交易所，把算力塑造成可对冲风险的资产品类。
不过，行业仍有争议，即产品应该按什么顺序落地。最终赢家会先做实物交割、先推指数，还是先建交易平台，文章没有给出确定答案。
算力交易并非新概念，价值链已在重组
文章随后把视角从 GPU 交易市场扩展到更广义的算力代币经济学。
从历史演进看，算力交易市场并不是新概念。2023 年到 2024 年间，SF Compute、Hyperbolic 等项目已经提出相关构想，Akash、IONet 等去中心化算力平台也在同期出现。与此同时，很多参与者并未停留在 GPU 交易市场这一层。比如 Hyperbolic 转向推理服务商，直接对外售卖推理 token；SF Compute 则开始自建集群、自营算力资源。
从价值分配链条看，价值沿着 AI 应用（Cursor、Harvey、Granola）→ OpenRouter 这类路由层 → Fireworks、Baseten 等推理服务商 → 新型云厂商与算力交易市场（Nebius、Coreweave、SF Compute）→ 数据中心运营商逐层传递。文章认为，如果企业固守产业链中间位置，很容易同时受到上下游挤压，因此必须向上游或下游延伸业务，才能维持更稳定的利润率。
三项变量会影响 GPU 与 Token 定价曲线
在博弈论视角下，文章列出影响 token 市场的三项核心变量。
- 英伟达掌控芯片供给与贬值节奏；
- Anthropic、OpenAI 等前沿实验室发布新模型，推高推理 token 需求；
- Kimi、GLM、DeepSeek、通义千问等开源模型持续压制推理业务利润率。
Jay Yu 认为，这三项变量共同构成 GPU 与 token 市场多空两侧的结构性驱动因素。任何一方推出重磅产品，都可能重塑整条定价曲线。重大事件，例如 GPT 5.6 发布，会沿 AI token 的整条价值链产生连锁反应，带动 token 价格和实体 GPU 价格剧烈波动。
基于这一点，文章指出，一家公司如果同时运营推理 token 业务与实体 GPU 交易市场，在经济上具有很强合理性，因为它可以对冲产业链上下两层利润率波动带来的风险。
算力正从基础设施走向金融资产
在结尾部分，文章回顾了原油、电力等大型大宗商品市场的发展过程：这些市场在早期同样依赖中间商主导的双边、非透明场外交易，之后才逐步形成标准化实物交割协议、指数、标准化交易机制和质量核验体系，最终成长为充分金融化的资产类别。
Jay Yu 认为，算力行业正在重复这一过程。各类项目已经开始尝试指数、现金结算交易所、借贷和保险等金融工具；与此同时，GPU 实体交易平台和云服务商也在争夺 token 价值链的更多环节。
他的结论是，作为支撑 AI 经济的底层资产，算力正从单纯基础设施逐步演变为独立金融资产。未来这一赛道可能出现多家独角兽企业，分布在实体算力供给、经纪业务、借贷和风险管理等不同层级，并同时兼容去中心化金融和传统金融资本市场。
文章最后写道，算力或许是数十年来出现的首个全新实体大宗商品，而市场正在见证它从社群零散交易走向成熟资产品类的过程。