Pantera Capital：算力市場的四大機會

作者：Jay Yu，Pantera Capital 合夥人

編譯：Jiahua，ChainCatcher

引言

算力與資料中心基礎設施的支出已成為一個兆美元等級的市場，規模可與美國消費支出相比，並逐漸成為美國經濟成長的重要支柱。

然而，隨著 AI Agents 逐步進入實體經濟，算力需求持續成長，但 GPU 的採購方式仍相當傳統。儘管 SF Compute、Vast AI、Runpod 等算力市場已經出現，大量 GPU 節點的買賣仍透過群組聊天、場外經紀商和客製化雙邊協議進行。

目前，GPU 算力仍處於金融化的早期階段。與電力類似，算力並非完全同質的資產，它受到晶片型號、交付時間、地理位置等因素的制約。但在未來 5 到 10 年，算力很可能逐漸成為像電力或石油一樣的商品，成為支撐 AI 時代全球經濟運作的關鍵資源。

本文將探討算力市場如何實現這一轉變，包括從電力市場獲得的啟示、算力市場的潛在結構、產業內正在開發的產品，以及算力商品化過程中的機會與挑戰。

1. 從電力市場尋找答案 
1.1 電力市場的結構

要理解算力市場未來可能的演變，可以先觀察其底層資源——電力市場的運作方式。

與算力一樣，電力也是一種具有異質性、時間屬性和樞紐屬性的資產，並且是全球經濟成長的重要基礎。

自 1990 年代以來，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、輸電和配電環節。

獨立的電網營運商開始管理美國不同區域的電力系統。同時，PJM-West（東岸）、ERCOT North（德州）和 CAISO SP15（南加州）等大型互聯電力系統，最終成為可在 CME 和 ICE 等交易所交易的商品，形成整個電力資產類別的重要價格基準。

在實體層面，電力市場大致可概括為「電網、營運商、節點」的結構。

最上層是相互獨立的區域電網。每個區域電網之下，有多個系統營運商，包括區域輸電組織（RTO）和獨立系統營運商（ISO）。這些營運商負責管理其所在地區的多個變電站節點。

例如，在舊金山，一座城市可能由多個變電站節點供電，如 Embarcadero、Larkin 和 Mission。

每個節點的電價並不完全相同，而是由一種稱為「節點邊際定價」（LMP）的演算法決定。該演算法考量發電排程、用戶需求、輸電成本和電力流動規律，計算出限制條件下的最優價格。

LMP 演算法成為連接電力實體交付與 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和指數價格，本質上是多個終端 LMP 節點價格的加權平均。最大且流動性最好的價格基準，最終在 CME 和 ICE 等交易所獲得穩定的交易深度，成為整個電力資產類別的參考價格。

1.2 算力市場的潛在結構

觀察電力市場過去 30 年的發展，我們可以對算力市場做出幾點推測。

首先，算力市場可能形成類似電力市場的結構。

在實體交付方面，最接近電力市場「電網、營運商、節點」結構的算力版本，可能是「硬體、供應商、叢集」。

正如電力市場存在多個相互獨立的區域電網，算力市場也可能基於不同硬體類別形成多個市場。H100、H200、B200、B300 等晶片類別，可能各自擁有獨立但相互關聯的價格基準。

在營運商層面，AWS、Nebius、CoreWeave、SF Compute、Ornn 等算力供應商，將為特定叢集提供不同的定價機制。這些叢集也會受到時間、地點和 SKU 的影響，類似電力市場中的不同節點。

至於算力市場中 LMP 的對應物，可能是一種排程或路由演算法。該演算法根據特定 SKU 的可用性，動態生成算力執行個體價格。

電力市場中最終成為產業參考價格的基準，如 PJM-West、ERCOT-North 和 CAISO SP15，通常與流動性最好的實體交付基礎設施相連。這與石油等其他商品市場類似。

隨著算力領域出現更多價格基準，最終勝出的可能是那些與高流動性實體交付地點相連的基準。

此外，在電力市場中，發電商和用電企業有時會直接在電力交易所進行避險，但大多數交易仍由銀行和交易公司營運的場外交易（OTC）部門完成。這些 OTC 機構以節點結算價格交換樞紐結算價格，賺取價差並避險自身風險。

類似的市場結構也可能出現在算力市場。算力市場的實際供需雙方，即新雲端服務供應商和 AI 公司，可能更傾向於透過經紀商採購特定 SKU，而不是直接在算力交易所避險。

最後，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，批發電價必須在聯邦能源管理委員會（FERC）的監管下保持透明。然而，算力市場目前沒有類似的透明度要求。

這意味著算力市場中可建立的動態價格和指數，可能只能基於其自身的訂單簿，以及其合作的新雲端服務供應商提供的訂單簿資料。這些合作可能透過收益分成、資料採購等方式實現。

2. 算力市場的結構

 2.1 推理需求的三層結構

電力市場的存在，是因為工業體系對電力有持續的需求。同樣，算力市場的根本驅動力是對 Token 的需求，尤其是推理 Token。

目前的推理產業鏈大致可分為三層，共同構成算力市場的結構性供需雙方。

新雲端服務供應商層

Nebius 和 CoreWeave 等公司營運實體資料中心，構成 GPU 的賣方。

隨選層

Fireworks 和 Baseten 等開發者平台，將裸機 GPU 環境轉變為更完整的 GPU 使用環境，讓開發者可以直接執行任務或隨時取得推理 Token。這一層代表 GPU 的買方。

應用層

Cursor、Perplexity 和 Rime 等應用程式，使用推理平台為用戶和企業提供最終產品。這一層是 Token 的需求方，而 Token 需求轉化為 GPU 算力需求。

儘管生態系中的每家公司都有不同的 GPU 管理策略，但整體而言，新雲端服務供應商處於 GPU 市場的供給側，代表結構性空頭；隨選層和應用層處於需求側，代表結構性多頭。

另一方面，Amazon 和 Google 等大型雲端服務供應商，則同時營運這三層的產品。

至於產業鏈中的利潤流向，一個粗略的經驗法則是：當頂級應用程式在 Token 上花費 100 美元時，約 45 美元流向隨選層，50 美元流向新雲端服務供應商或 GPU 層，其餘 5 美元流向 OpenRouter 等路由層。

2.2 算力資本市場的結構

AI 產業鏈中各參與者的 Token 經濟結構，將影響算力資本市場最終的形成方式。

一種可能的結構是：需求側的開發者平台和應用層，以及供給側的新雲端服務供應商，將透過 SF Compute、Runpod 和 Compute Exchange 等算力經紀商和 OTC 交易平台，交易特定 SKU。

隨後，算力經紀商和 OTC 交易平台將管理庫存，並承擔終端 Token 消費者所需的特定 SKU 與通用 H200 之間的基差風險。

他們可以透過 Architect 或 Pluto 等算力交易平台進行避險。

這些交易平台上的價格，是基於一個算力基準建立的。該基準是與其合作的新雲端服務供應商和 OTC 平台訂單簿價格的加權平均。

2.3 NVIDIA：算力市場的「中央銀行」

此外，NVIDIA 最近宣布，將允許其 AI 工廠的算力成為一種「可投資的資產類別」。

在算力的金融化體系中，NVIDIA 可被視為算力市場的「中央銀行」，因為它幾乎壟斷了 GPU 技術堆疊。

中央銀行通常有幾個核心目標：

管理經濟中的通膨；

促進充分就業；

在極端情況下充當最後貸款人。

在某種程度上，NVIDIA 正在扮演這三種角色。

首先是管理「通膨」。GPU 經濟中的「通膨」可比喻為 GPU 的折舊週期，尤其是與最新一代晶片的折舊速度相關。透過控制產品發布節奏，例如推出 Vera Rubin，NVIDIA 可以在一定程度上影響 GPU 隨時間折舊的速度。

其次是保持 GPU 高利用率。高 GPU 利用率通常表示市場對 Token 的需求強勁，促使使用者購買更多 GPU。因此，NVIDIA 有動機推動 GPU 算力的金融化，使 GPU 小時交易更具流動性，進而進一步提升 GPU 利用率。

最後是充當最後貸款人。NVIDIA 也宣布，將為 GPU 提供最高達其剩餘價值 25% 的支援。這可視為一種對 GPU 價值的救援或保險機制：當新雲端服務供應商和其他 GPU 供應商面臨流動性危機時，此類支援可以保障 GPU 的殘值。

3. 算力市場的機會與挑戰 

3.1 算力市場的產品型態

隨著算力市場的金融化程度不斷提高，產業內可能出現幾種主要的產品類型。每種產品類型都有其優勢和挑戰。

產品一：實體交付

實體交付是指將 GPU 設備實際交付給需要算力的終端用戶。SF Compute、Hyperbolic、Vast、Runpod 和 Compute Exchange 等專案都屬於這一產品層。這一層最接近硬體本身，直接連接算力供需雙方。

由於算力 SKU 的高度異質性，許多專案最初僅充當經紀商，透過媒合 GPU 需求與新雲端服務供應商來賺取佣金。從長遠來看，這一層的目標可能是建立某種形式的「算力現貨交易所」。

然而，持續確保實體 GPU 交付的品質是一個非常具有挑戰性的問題，尤其是對於供應來自去中心化網路的專案而言。算力市場可能需要類似 Moody's 的評級機構，來認證可交付 GPU 的品質，以促進這一層的進一步成熟。

儘管實體交付層競爭激烈，但從長遠來看，它可能擁有最持久的護城河。回顧石油和電力市場可以發現，金融化體系通常圍繞實體商品流動性最好的交付地點發展，逐步形成指數、交易所和借貸金融產品。

因此，誰能率先解決實體 GPU 交付問題，誰就可能獲得顯著的市場回報。

產品二：指數

這一層主要指建立在算力之上的「指數曲線」，包括 Ornn、Silicon Data、Compute Desk 和 Semianalysis 等專案推出的算力價格指數。

建立指數是算力等資產進一步金融化和交易的重要步驟。可以說，目前市場上關於「算力市場」的許多討論，正是隨著算力指數的逐漸成熟而開始升溫。CME 和 ICE 等大型交易所也已宣布與相關指數合作。

然而，許多算力指數與個別 GPU 市場之間仍存在顯著的價格差距。

造成這種價格差距的原因主要有兩個。

第一，底層產品本身存在差異。不同的算力平台在產品穩定性、可中斷性和合約條款方面往往差異很大。

第二，不同算力指數背後的訂單簿並不相同，而且算力市場缺乏其他資產類別那樣的透明度要求。例如，FERC 要求電力市場保持透明。

目前，許多算力指數只是向新雲端服務供應商大量採購訂單簿資料，或透過合作和收益分成協議建立初始資料集。此外，獨立營運的指數層，其變現能力弱於交易所和實體交付層。

因此，儘管指數層能夠製造聲量，並在算力市場體系中扮演重要角色，但它同時受到上下游的擠壓：

上游的實體交付層控制著價格的來源；

下游的交易所希望從指數中分得一部分收益。

產品三：衍生性商品交易平台

第三層是衍生性商品交易平台，通常提供現金結算的期貨產品。這些平台基於算力指數，為市場參與者提供避險工具。Liquid Compute 和 Architect 正在開發相關產品。

從長遠來看，衍生性商品交易平台可能是算力金融化體系中最受期待、也最容易規模化變現的產品。然而，這一領域仍處於早期階段，交易量尚未達到顯著規模。

此外，現金結算交易平台上的可交易產品，通常是通用的 H200 執行個體，而非可直接用於推理的特定 SKU。因此，真正參與這些交易平台的，可能主要是 OTC 交易平台和算力經紀商，而非 AI 產業鏈中的終端企業。前者尋求避險其資產負債表上持有的算力庫存，後者則需要管理自身的算力曝險。

產品四：金融化工具

算力領域還可能出現更廣泛的金融化產品，為資料中心和新雲端服務供應商提供融資支援。例如，借貸協議、Vault 以及 USD.AI 等合成穩定幣，可能有助於資料中心和新雲端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和保險層，以平滑 GPU 經濟中的基差風險。觀察上述不同層級，就能相對清楚地看出算力市場最終可能呈現的完整形態。

贏家將是能夠實現可靠實體 GPU 交付的全端參與者。他們可以從自身的實體訂單簿中形成價格指數，然後建立算力期貨交易所，使算力成為一種可避險的資產類別。

然而，產業內真正的分歧在於不同產品出現的順序。最終的贏家會從實體交付開始，還是先建立指數，或是先推出交易平台？

3.2 算力 Token 經濟學的前沿

到目前為止，我們主要討論了 GPU 層面的算力市場。然而，我們也可以拓寬視角，觀察更廣泛的算力 Token 經濟學，包括其歷史演變、價值捕獲方式，以及與前沿模型實驗室的博弈關係。

從歷史上看，算力市場並非全新概念。從 2023 年到 2024 年，SF Compute 和 Hyperbolic 等專案已經在討論這種模式，而 Akash 和 IONet 等去中心化專案也在探索類似方向。

有趣的是，許多專案最終並未停留在 GPU 市場層面。例如，Hyperbolic 後來成為推理服務供應商，直接銷售 Token；SF Compute 則開始直接簽訂合約並營運算力叢集。

從價值鏈的角度來看，價值從 Cursor、Harvey、Granola 等 AI 應用流向 OpenRouter 等路由層，再到 Fireworks 和 Baseten 等推理服務供應商，最後進入 Nebius、CoreWeave 和 SF Compute 等新雲端服務供應商和算力市場，最終流向資料中心營運商。

如果一家公司停留在產業鏈的中間，就可能受到上下游的擠壓。為了維持更穩定的利潤率，公司最終可能需要向上游延伸或向下游擴張。

Token 市場也呈現出一個非常有趣的賽局理論視角，其中有三股不可忽視的力量在發揮作用。

第一股力量是 NVIDIA，它控制著 GPU 的供應和折舊速度。

第二股力量是 Anthropic 和 OpenAI 等前沿模型實驗室，它們持續發布新模型，可能迅速增加 Token 需求。

第三股力量是 Kimi、GLM、DeepSeek 和 Qwen 等開源模型，它們對推理利潤率構成下行壓力。

這三股力量共同為 GPU 市場和 Token 市場的供需雙方提供持續的動力和壓力。其中任何一方都可能透過推出重大產品，改寫整個市場的定價曲線。

例如，GPT 5.6 的發布可能成為一個由企業決定、但市場難以提前預測的事件，引發 AI Token 價值鏈的連鎖反應，造成 Token 價格和 GPU 硬體價格的波動。

因此，如果一家公司能在同一體系內營運推理服務和 GPU 硬體市場，可能更具商業可行性。這種模式可以避險因產業鏈上下游利潤結構變化而產生的風險。

結論

回顧歷史，石油和電力等商品市場最初也依賴中介機構促成的雙邊交易，交易過程不透明，缺乏統一標準。然而，隨著時間推移，實體交付逐漸發展出一系列協議和金融基礎設施，包括指數、交易標準化和品質稽核，最終演變為高度金融化的資產類別。

如今，算力市場正在經歷類似的轉變。市場上已出現眾多試圖將基礎工具金融化的專案，包括算力指數、現金結算交易所、借貸產品和保險產品。

同時，實體 GPU 市場和雲端服務供應商也在產業鏈中不斷向上游和下游延伸，試圖捕獲 Token 經濟中的完整價值。作為整個 AI 經濟運作的底層資源，算力正逐漸從單純的基礎設施轉變為獨立的金融資產。

未來，這一領域可能出現多家涵蓋市場不同層面的獨角獸公司，形成多種業務型態，包括實體算力供應、經紀服務、借貸、風險管理，以及與 DeFi 和 TradFi 資本市場的結合。

算力可能是數十年來罕見的新型實體商品，而我們可能正在見證它從私下促成的早期交易，走向完整資產類別的歷程。