Pantera Capital: четыре возможности рынка вычислительных мощностей

Автор: Джей Ю, партнёр Pantera Capital

Перевод: Jiahua, ChainCatcher

Введение

Расходы на вычислительные мощности и инфраструктуру центров обработки данных стали рынком триллионного масштаба, сопоставимым с потребительскими расходами в США, и постепенно превращаются в важную опору экономического роста США.

Однако по мере того как агенты ИИ входят в реальную экономику, спрос на вычислительные мощности продолжает расти, но способы закупки GPU остаются довольно традиционными. Хотя уже появились такие рынки вычислительных мощностей, как SF Compute, Vast AI и Runpod, значительная часть сделок с GPU-узлами по-прежнему осуществляется через групповые чаты, OTC-брокеров и индивидуальные двусторонние соглашения.

В настоящее время вычислительные мощности GPU находятся на ранней стадии финансиализации. Подобно электроэнергии, вычислительные мощности не являются полностью однородным активом: они зависят от модели чипа, сроков поставки, географического положения и других факторов. Но в ближайшие 5–10 лет вычислительные мощности, вероятно, постепенно станут таким же товаром, как электроэнергия или нефть, и превратятся в ключевой ресурс, поддерживающий функционирование мировой экономики в эпоху ИИ.

В этой статье рассматривается, как рынок вычислительных мощностей может осуществить эту трансформацию, включая уроки рынка электроэнергии, потенциальную структуру рынка вычислительных мощностей, разрабатываемые в отрасли продукты, а также возможности и вызовы в процессе товаризации вычислительных мощностей.

1. Ищем ответы на рынке электроэнергии 
1.1 Структура рынка электроэнергии

Чтобы понять возможную эволюцию рынка вычислительных мощностей, стоит сначала рассмотреть, как работает его базовый ресурс — рынок электроэнергии.

Как и вычислительные мощности, электроэнергия является активом с неоднородностью, временными и узловыми характеристиками и служит важной основой роста мировой экономики.

С 1990-х годов электроэнергетическая система США постепенно приватизировалась. Изначально вертикально интегрированные энергокомпании начали разделять генерацию, передачу и распределение электроэнергии.

Независимые сетевые операторы стали управлять энергосистемами в разных регионах США. Одновременно такие крупные объединённые энергосистемы, как PJM-West (Восточное побережье), ERCOT North (Техас) и CAISO SP15 (Южная Калифорния), в итоге превратились в товары, торгуемые на биржах CME и ICE, и стали важными ценовыми ориентирами для всего класса энергетических активов.

На физическом уровне рынок электроэнергии можно в общих чертах описать структурой «сеть — операторы — узлы».

На верхнем уровне находятся независимые региональные сети. Под каждой региональной сетью действуют несколько системных операторов, включая региональные сетевые организации (RTO) и независимых системных операторов (ISO). Эти операторы управляют множеством подстанционных узлов в своих зонах ответственности.

Например, в Сан-Франциско город может снабжаться электроэнергией от нескольких подстанционных узлов, таких как Embarcadero, Larkin и Mission.

Цена электроэнергии в каждом узле неодинакова и определяется алгоритмом, называемым «узловое маржинальное ценообразование» (LMP). Этот алгоритм учитывает график генерации, потребительский спрос, затраты на передачу и закономерности потоков электроэнергии, рассчитывая оптимальную цену при заданных ограничениях.

Алгоритм LMP стал ключевым звеном, связывающим физическую поставку электроэнергии с торгуемыми ориентирами, такими как PJM-West.

Узловые и индексные цены на рынке электроэнергии по сути представляют собой средневзвешенные значения цен множества конечных LMP-узлов. Крупнейшие и наиболее ликвидные ценовые ориентиры в итоге обретают устойчивую торговую глубину на биржах CME и ICE и становятся справочными ценами для всего класса энергетических активов.

1.2 Потенциальная структура рынка вычислительных мощностей

Наблюдая за развитием рынка электроэнергии за последние 30 лет, можно сделать несколько предположений о рынке вычислительных мощностей.

Во-первых, рынок вычислительных мощностей, вероятно, сформирует структуру, аналогичную рынку электроэнергии.

В части физической поставки ближайшим аналогом структуры «сеть — операторы — узлы» для вычислительных мощностей может стать «оборудование — поставщики — кластеры».

Подобно тому как на рынке электроэнергии существует несколько независимых региональных сетей, на рынке вычислительных мощностей могут сформироваться несколько рынков на основе разных категорий оборудования. Такие категории чипов, как H100, H200, B200 и B300, могут иметь собственные независимые, но взаимосвязанные ценовые ориентиры.

На уровне операторов такие поставщики вычислительных мощностей, как AWS, Nebius, CoreWeave, SF Compute и Ornn, будут предлагать различные механизмы ценообразования для конкретных кластеров. Эти кластеры также будут зависеть от времени, местоположения и SKU, подобно разным узлам на рынке электроэнергии.

Что касается аналога LMP на рынке вычислительных мощностей, им может стать алгоритм планирования или маршрутизации. Такой алгоритм будет динамически формировать цены на вычислительные инстансы в зависимости от доступности конкретного SKU.

Ориентиры, которые в итоге становятся отраслевыми справочными ценами на рынке электроэнергии, такие как PJM-West, ERCOT-North и CAISO SP15, обычно связаны с наиболее ликвидной инфраструктурой физической поставки. Это похоже на другие товарные рынки, например нефтяной.

По мере появления новых ценовых ориентиров в сфере вычислительных мощностей победителями, скорее всего, станут те, которые связаны с высоколиквидными точками физической поставки.

Кроме того, на рынке электроэнергии генераторы и потребители иногда хеджируются напрямую на энергетических биржах, но большинство сделок всё же совершается через внебиржевые (OTC) подразделения банков и торговых компаний. Эти OTC-структуры обменивают узловые расчётные цены на узловые расчётные цены, зарабатывая на спреде и хеджируя собственные риски.

Аналогичная рыночная структура может возникнуть и на рынке вычислительных мощностей. Реальные стороны спроса и предложения — новые поставщики облачных услуг и ИИ-компании — могут предпочитать закупать конкретные SKU через брокеров, а не хеджироваться напрямую на бирже вычислительных мощностей.

Наконец, рынок вычислительных мощностей может столкнуться с более серьёзным базисным риском, чем рынок электроэнергии.

Согласно Федеральному закону США об электроэнергии, оптовые цены на электроэнергию должны быть прозрачными под надзором Федеральной комиссии по регулированию энергетики (FERC). Однако на рынке вычислительных мощностей аналогичных требований к прозрачности пока нет.

Это означает, что динамические цены и индексы, которые можно создать на рынке вычислительных мощностей, могут опираться лишь на собственные книги заявок и данные книг заявок партнёрских новых поставщиков облачных услуг. Такое партнёрство может реализовываться через разделение доходов, закупку данных и другие механизмы.

2. Структура рынка вычислительных мощностей

 2.1 Трёхуровневая структура спроса на инференс

Рынок электроэнергии существует потому, что промышленная система испытывает постоянный спрос на электроэнергию. Аналогично, фундаментальным драйвером рынка вычислительных мощностей является спрос на токены, особенно на токены инференса.

Текущую цепочку инференса можно условно разделить на три уровня, которые вместе формируют структурные стороны спроса и предложения рынка вычислительных мощностей.

Уровень новых поставщиков облачных услуг

Такие компании, как Nebius и CoreWeave, управляют физическими центрами обработки данных и представляют сторону продавцов GPU.

Уровень on-demand

Платформы для разработчиков, такие как Fireworks и Baseten, превращают среду «голого» GPU в более полноценную среду использования GPU, позволяя разработчикам напрямую запускать задачи или в любой момент получать токены инференса. Этот уровень представляет сторону покупателей GPU.

Прикладной уровень

Такие приложения, как Cursor, Perplexity и Rime, используют платформы инференса для предоставления конечных продуктов пользователям и предприятиям. Этот уровень является стороной спроса на токены, а спрос на токены трансформируется в спрос на вычислительные мощности GPU.

Хотя каждая компания в экосистеме имеет собственную стратегию управления GPU, в целом новые поставщики облачных услуг находятся на стороне предложения рынка GPU и представляют структурных «медведей», а on-demand и прикладной уровни находятся на стороне спроса и представляют структурных «быков».

С другой стороны, крупные поставщики облачных услуг, такие как Amazon и Google, одновременно управляют продуктами всех трёх уровней.

Что касается распределения прибыли в цепочке, грубое эмпирическое правило таково: когда топовое приложение тратит 100 долларов на токены, около 45 долларов уходит на on-demand уровень, 50 долларов — новым поставщикам облачных услуг или на уровень GPU, а оставшиеся 5 долларов — на маршрутизирующий уровень, такой как OpenRouter.

2.2 Структура рынка капитала вычислительных мощностей

Структура токеномики различных участников ИИ-цепочки повлияет на то, как в итоге сформируется рынок капитала вычислительных мощностей.

Одна из возможных структур такова: платформы разработчиков и прикладной уровень на стороне спроса, а также новые поставщики облачных услуг на стороне предложения будут торговать конкретными SKU через брокеров вычислительных мощностей и OTC-платформы, такие как SF Compute, Runpod и Compute Exchange.

Затем брокеры вычислительных мощностей и OTC-платформы будут управлять запасами и принимать на себя базисный риск между конкретными SKU, необходимыми конечным потребителям токенов, и универсальными H200.

Они смогут хеджироваться через торговые платформы вычислительных мощностей, такие как Architect или Pluto.

Цены на этих торговых платформах формируются на основе бенчмарка вычислительных мощностей. Этот бенчмарк представляет собой средневзвешенное значение цен из книг заявок партнёрских новых поставщиков облачных услуг и OTC-платформ.

2.3 NVIDIA: «центральный банк» рынка вычислительных мощностей

Кроме того, NVIDIA недавно объявила, что позволит вычислительным мощностям своих ИИ-фабрик стать «инвестируемым классом активов».

В системе финансиализации вычислительных мощностей NVIDIA можно рассматривать как «центральный банк» рынка вычислительных мощностей, поскольку она практически монополизировала технологический стек GPU.

У центрального банка обычно есть несколько ключевых целей:

управление инфляцией в экономике;

содействие полной занятости;

выполнение роли кредитора последней инстанции в экстремальных ситуациях.

В определённой степени NVIDIA играет все три роли.

Во-первых, управление «инфляцией». «Инфляцию» в экономике GPU можно сравнить с циклом амортизации GPU, особенно со скоростью обесценивания относительно новейшего поколения чипов. Контролируя темп выпуска продуктов, например представляя Vera Rubin, NVIDIA может в определённой степени влиять на скорость обесценивания GPU с течением времени.

Во-вторых, поддержание высокой утилизации GPU. Высокая утилизация GPU обычно означает сильный спрос на токены, что побуждает пользователей покупать больше GPU. Поэтому NVIDIA заинтересована в продвижении финансиализации вычислительных мощностей GPU, чтобы сделать торговлю GPU-часами более ликвидной и тем самым ещё больше повысить утилизацию GPU.

Наконец, роль кредитора последней инстанции. NVIDIA также объявила, что предоставит поддержку GPU в размере до 25% их остаточной стоимости. Это можно рассматривать как механизм спасения или страхования стоимости GPU: когда новые поставщики облачных услуг и другие поставщики GPU сталкиваются с кризисом ликвидности, такая поддержка может гарантировать остаточную стоимость GPU.

3. Возможности и вызовы рынка вычислительных мощностей 

3.1 Типы продуктов рынка вычислительных мощностей

По мере углубления финансиализации рынка вычислительных мощностей в отрасли могут появиться несколько основных типов продуктов. У каждого типа есть свои преимущества и вызовы.

Продукт 1: Физическая поставка

Физическая поставка означает фактическую передачу оборудования GPU конечным пользователям, нуждающимся в вычислительных мощностях. Такие проекты, как SF Compute, Hyperbolic, Vast, Runpod и Compute Exchange, относятся к этому продуктовому уровню. Этот уровень ближе всего к самому оборудованию и напрямую соединяет стороны спроса и предложения вычислительных мощностей.

Из-за высокой неоднородности SKU вычислительных мощностей многие проекты изначально выступают лишь как брокеры, зарабатывая комиссию за счёт соединения спроса на GPU с новыми поставщиками облачных услуг. В долгосрочной перспективе целью этого уровня может стать создание некой формы «спотовой биржи вычислительных мощностей».

Однако постоянное обеспечение качества физической поставки GPU — чрезвычайно сложная задача, особенно для проектов, чьё предложение поступает из децентрализованных сетей. Рынку вычислительных мощностей может потребоваться рейтинговое агентство, подобное Moody's, для сертификации качества поставляемых GPU и содействия дальнейшему созреванию этого уровня.

Хотя уровень физической поставки отличается высокой конкуренцией, в долгосрочной перспективе он может обладать самым устойчивым конкурентным рвом. Оглядываясь на рынки нефти и электроэнергии, можно заметить, что системы финансиализации обычно развиваются вокруг наиболее ликвидных точек поставки физического товара, постепенно формируя индексы, биржи и кредитные финансовые продукты.

Поэтому тот, кто первым решит проблему физической поставки GPU, может получить значительную рыночную отдачу.

Продукт 2: Индексы

Этот уровень в основном относится к «индексным кривым», построенным поверх вычислительных мощностей, включая индексы цен на вычислительные мощности, запущенные такими проектами, как Ornn, Silicon Data, Compute Desk и Semianalysis.

Создание индексов — важный шаг для дальнейшей финансиализации и торговли такими активами, как вычислительные мощности. Можно сказать, что многие текущие дискуссии о «рынке вычислительных мощностей» начали набирать обороты именно по мере постепенного созревания индексов вычислительных мощностей. Крупные биржи, такие как CME и ICE, также объявили о сотрудничестве с соответствующими индексами.

Однако между многими индексами вычислительных мощностей и отдельными рынками GPU всё ещё сохраняется значительный ценовой разрыв.

Причин такого ценового разрыва в основном две.

Во-первых, различаются сами базовые продукты. Разные платформы вычислительных мощностей часто сильно отличаются по стабильности продукта, возможности прерывания и условиям контрактов.

Во-вторых, книги заявок, лежащие в основе разных индексов вычислительных мощностей, неодинаковы, а рынку вычислительных мощностей не хватает требований к прозрачности, характерных для других классов активов. Например, FERC требует прозрачности на рынке электроэнергии.

В настоящее время многие индексы вычислительных мощностей лишь массово закупают данные книг заявок у новых поставщиков облачных услуг или формируют первоначальные наборы данных через партнёрства и соглашения о разделении доходов. Кроме того, независимо работающий индексный уровень обладает меньшей способностью к монетизации, чем биржи и уровень физической поставки.

Поэтому, хотя индексный уровень способен создавать информационный шум и играть важную роль в системе рынка вычислительных мощностей, он одновременно испытывает давление с обеих сторон:

вышестоящий уровень физической поставки контролирует источник цен;

нижестоящие биржи хотят получать часть доходов от индексов.

Продукт 3: Платформы торговли деривативами

Третий уровень — платформы торговли деривативами, обычно предлагающие фьючерсные продукты с денежным расчётом. Эти платформы, основанные на индексах вычислительных мощностей, предоставляют участникам рынка инструменты хеджирования. Liquid Compute и Architect разрабатывают соответствующие продукты.

В долгосрочной перспективе платформы торговли деривативами могут стать самым ожидаемым и наиболее легко масштабируемым для монетизации продуктом в системе финансиализации вычислительных мощностей. Однако эта область всё ещё находится на ранней стадии, и объёмы торговли пока не достигли значительных масштабов.

Кроме того, торгуемые продукты на платформах с денежным расчётом обычно представляют собой универсальные инстансы H200, а не конкретные SKU, которые можно напрямую использовать для инференса. Поэтому реальными участниками таких торговых платформ, скорее всего, станут в основном OTC-платформы и брокеры вычислительных мощностей, а не конечные предприятия ИИ-цепочки. Первые стремятся хеджировать запасы вычислительных мощностей на своих балансах, а вторым необходимо управлять собственной подверженностью вычислительным мощностям.

Продукт 4: Инструменты финансиализации

В сфере вычислительных мощностей также могут появиться более широкие продукты финансиализации, предоставляющие финансовую поддержку центрам обработки данных и новым поставщикам облачных услуг. Например, кредитные протоколы, Vault и синтетические стейблкоины, такие как USD.AI, могут помочь центрам обработки данных и новым поставщикам облачных услуг завершить строительство инфраструктуры.

Одновременно на рынке могут возникнуть уровни переноса риска и страхования, чтобы сгладить базисный риск в экономике GPU. Наблюдая за перечисленными уровнями, можно относительно ясно представить, какую полную форму в итоге может принять рынок вычислительных мощностей.

Победителями станут полнофункциональные участники, способные обеспечить надёжную физическую поставку GPU. Они смогут формировать ценовые индексы на основе собственных физических книг заявок, а затем создавать биржи фьючерсов на вычислительные мощности, превращая их в класс активов, поддающийся хеджированию.

Однако настоящий водораздел в отрасли заключается в порядке появления различных продуктов. Начнут ли конечные победители с физической поставки, сначала создадут индекс или сразу запустят торговую платформу?

3.2 Передний край токеномики вычислительных мощностей

До сих пор мы в основном обсуждали рынок вычислительных мощностей на уровне GPU. Однако можно расширить перспективу и рассмотреть более широкую токеномику вычислительных мощностей, включая её историческую эволюцию, способы захвата ценности и игровые отношения с передовыми модельными лабораториями.

Исторически рынок вычислительных мощностей не является совершенно новой концепцией. С 2023 по 2024 год такие проекты, как SF Compute и Hyperbolic, уже обсуждали эту модель, а децентрализованные проекты, такие как Akash и IONet, также исследовали аналогичные направления.

Интересно, что многие проекты в итоге не остались на уровне рынка GPU. Например, Hyperbolic позже стал поставщиком услуг инференса, напрямую продавая токены; SF Compute начал напрямую заключать контракты и управлять кластерами вычислительных мощностей.

С точки зрения цепочки создания стоимости, ценность движется от ИИ-приложений, таких как Cursor, Harvey и Granola, к маршрутизирующему уровню, такому как OpenRouter, затем к поставщикам услуг инференса, таким как Fireworks и Baseten, далее к новым поставщикам облачных услуг и рынкам вычислительных мощностей, таким как Nebius, CoreWeave и SF Compute, и в конечном итоге к операторам центров обработки данных.

Если компания остаётся в середине цепочки, она может испытывать давление с обеих сторон. Чтобы поддерживать более стабильную маржу, компании в конечном счёте может потребоваться расширение вверх или вниз по цепочке.

Рынок токенов также представляет очень интересную перспективу теории игр, в которой действуют три силы, которые нельзя игнорировать.

Первая сила — NVIDIA, контролирующая предложение GPU и скорость их обесценивания.

Вторая сила — передовые модельные лаборатории, такие как Anthropic и OpenAI, которые постоянно выпускают новые модели и могут быстро увеличивать спрос на токены.

Третья сила — открытые модели, такие как Kimi, GLM, DeepSeek и Qwen, которые оказывают понижательное давление на маржу инференса.

Эти три силы вместе обеспечивают постоянный импульс и давление для сторон спроса и предложения на рынках GPU и токенов. Любая из них может переписать кривую ценообразования всего рынка, выпустив значимый продукт.

Например, выпуск GPT 5.6 может стать событием, определяемым компанией, но трудно прогнозируемым рынком заранее, вызвав цепную реакцию в цепочке создания стоимости ИИ-токенов и колебания цен на токены и оборудование GPU.

Поэтому, если компания сможет управлять услугами инференса и рынком оборудования GPU в рамках одной системы, это может быть более коммерчески жизнеспособно. Такая модель позволяет хеджировать риски, возникающие из-за изменений структуры прибыли в разных звеньях цепочки.

Заключение

Оглядываясь на историю, товарные рынки нефти и электроэнергии изначально также полагались на двусторонние сделки, организуемые посредниками, с непрозрачным процессом торговли и отсутствием единых стандартов. Однако со временем физическая поставка постепенно обросла набором протоколов и финансовой инфраструктуры, включая индексы, стандартизацию торговли и аудит качества, и в итоге превратилась в высокофинансиализированные классы активов.

Сегодня рынок вычислительных мощностей переживает аналогичную трансформацию. На рынке уже появилось множество проектов, пытающихся финансиализировать базовые инструменты, включая индексы вычислительных мощностей, биржи с денежным расчётом, кредитные продукты и страховые продукты.

Одновременно физический рынок GPU и поставщики облачных услуг продолжают расширяться вверх и вниз по цепочке, пытаясь захватить полную ценность токеномики. Являясь базовым ресурсом функционирования всей ИИ-экономики, вычислительные мощности постепенно превращаются из простой инфраструктуры в самостоятельный финансовый актив.

В будущем в этой области может появиться несколько компаний-единорогов, охватывающих разные уровни рынка и формирующих различные бизнес-модели, включая физическое предложение вычислительных мощностей, брокерские услуги, кредитование, управление рисками, а также интеграцию с рынками капитала DeFi и TradFi.

Вычислительные мощности могут стать редким новым физическим товаром за последние десятилетия, и, возможно, мы наблюдаем их путь от ранних сделок, организуемых в частном порядке, к полноценному классу активов.