BlackRock首席执行官Larry Fink曾预测：「我相信新的资产类别，将会是购买算力（Compute）的期货，因为我们现在根本没有足够的算力。」这项设想，正在接近现实。
知名创投人、Social Capital创始人Chamath Palihapitiya近日发布长文《The Next Trillion-Dollar Futures Market》，称CME Group与GPU市场情报公司Silicon Data计划在监管审查通过后，于2026年10月5日推出「算力期货（Compute Futures）」。
如果这一市场最终成熟，GPU算力可能不再只是科技公司的运营成本，而会像石油、天然气、电力等大宗商品一样，形成一套可用于定价、对冲甚至投机交易的金融市场。Chamath进一步提出，算力是否可能成为下一个名义交易规模达到数万亿美元的新资产类别。
AI资本支出扩大，算力被视为新阶段的核心资源
Chamath援引的数据称，2026年全球AI资本支出（Capex）已达到7650亿美元，首次超过石油与天然气行业的6810亿美元，并预计到2031年还将接近翻倍。Morgan Stanley则估计，随着AI向全球经济扩散，可能创造约40万亿美元的经济机会。
支撑这一轮扩张的核心资源之一，就是Compute。问题在于，企业如今投入数十亿美元甚至数百亿美元建设AI基础设施，却仍缺乏成熟的金融工具来管理算力价格波动。
这与能源市场形成对照。石油生产商可以通过期货提前锁定销售价格，在未来现货价格下跌时减小收入波动；航空公司、制造商等买方也可以借助期货锁定能源成本。AI公司目前还没有成熟的算力期货，可以完成类似操作。
Chamath列出AI基础设施面临的三类主要价格风险
Chamath认为，AI基础设施至少面临三种主要价格风险。
- 第一，GPU租赁价格波动明显。当市场突然出现大量AI训练或推理需求，GPU租金可能快速上涨；而在供给增加，或NVIDIA推出新一代芯片后，旧一代GPU的租赁价格又可能迅速下滑。
- 第二，硬件折旧与融资风险。每当NVIDIA推出性能更强的新芯片，上一代GPU的租赁价值可能下降，以这些硬件作为抵押品的贷款，其担保品价值也会随之缩水。
- 第三，数据中心建设存在时间错配。大型数据中心从规划到完工可能需要2至3年，但开发商今天投入数十亿美元时，几乎无法提前锁定2至3年后这些GPU算力能够以什么价格出租。
按Chamath的说法，每建设一座AI数据中心，本质上都在同时押注未来的电力、芯片、AI需求与算力价格。若Compute Futures能够建立，数据中心、GPU云服务商以及AI公司，理论上就可以把部分价格风险转移到金融市场。
算力金融化并非首次尝试，难点在集中度与可互换性
不过，Chamath也提醒，稀缺资源并不是只要建立期货合约，就一定能发展成成功市场。过去洋葱、铀、DRAM内存甚至网络带宽，都曾尝试建立期货或类似衍生品市场，但都遭遇过不同程度的困难。
他认为，最关键的两个问题在于市场集中度（Concentration）与商品可互换性（Interchangeability）。
在集中度方面，算力市场的情况较为特殊。需求端正在快速分散。随着AI从模型训练进入大规模推理阶段，未来可能有数千家公司持续购买算力。供给端表面上也在分散。Chamath指出，2025年已有超过60家Neocloud运营商营收突破250亿美元。
但在更底层的GPU供应上，市场仍高度集中，NVIDIA依旧掌握AI芯片市场的主要供应。也就是说，算力市场虽然可能有大量买家和云服务卖家，最核心的硬件供给仍然集中。
同型号GPU性能差异明显，标准化定价仍是核心障碍
更棘手的问题是，市场该如何定义「一单位算力」。目前GPU市场通常以「GPU-hour」报价，也就是租用一张GPU一小时的价格。但这种计价方式存在根本问题：同样一张GPU运行一小时，并不代表能完成相同工作量。
Silicon Data与学术研究者合作，在11家云服务提供商的3500张GPU上运行相同工作负载。结果显示，即便是相同型号的芯片，实际性能仍有明显差异。其中，H100在一项测试中的性能差距最高达到34.5%，整个研究观察到的最大差距则达到38%。
这对期货市场尤其关键。如果买入一份「100小时H100算力」期货，但不同供应商提供的实际运算能力可能相差30%以上，这种产品就不像一桶标准化原油那样容易交易。
因此，Chamath认为，早期Compute Futures最终可能需要建立不同「等级（Grades）」的算力规格。这与能源市场类似，不同燃料种类、品质、交割地点与交割月份，都可能形成不同合约。
Chamath：关键不只是新增期货品种，而是把异质化算力变成可定价商品
这也意味着，CME推出Compute Futures的意义，可能不只是增加一种新的期货商品。更重要的问题在于，如何把高度异质化的GPU计算能力，转化为金融市场可以标准化定价的商品。
一旦这套标准建立，算力的角色可能出现根本变化。AI公司可以锁定未来算力成本；Neocloud可以提前锁定GPU出租收入；数据中心开发商可以降低2至3年建设周期带来的价格风险；GPU融资机构也可能利用衍生品管理硬件残值风险。
当对冲需求进入后，做市商、套利者、投机者与金融机构也可能加入。届时交易的将不只是GPU本身，而是未来某个时间点获取特定计算能力的价格。
129页研究报告聚焦算力资产化的市场结构
为研究这一问题，Chamath表示，其团队与为CME Compute Futures提供价格指数基础的Silicon Data合作，完成了一份长达129页的研究报告。
这份研究涵盖多个问题，包括算力成为资产类别后可能形成的市场规模、历史上其他稀缺资源期货市场成功与失败的原因、金融市场应如何定义Compute，以及当前市场正在测试哪些算力计价单位。
Chamath还提出，谁会成为这一市场的主要参与者同样值得关注。从NVIDIA、GPU云服务商、Hyperscaler、AI Lab、数据中心开发商，到提供GPU融资的金融机构，都存在管理未来算力价格的需求。