有什么可以帮您？

英伟达H100显卡每小时的使用费用，正被转化为可买卖的金融合约。

这一现象看似与大众无关，但对于大模型公司、云计算服务商以及算力租赁企业而言，GPU（图形处理器）租金的每次变动，都可能侵蚀部分利润。

训练大模型需长期稳定占用算力。若算力成本上升，AI（人工智能）企业的训练开支随之增加；若算力租金下滑，那些大量购卡、自建算力集群的投资者，则需承受收入减少和硬件资产贬值的双重挑战。

CME Group（芝加哥商品交易所）与Silicon Data（算力价格指数公司）曾计划推出与英伟达H100、B200显卡租赁价格挂钩的期货合约，原定于10月5日在NYMEX（纽约商品交易所）上市，但因产品存在“新颖或复杂”特性，被监管机构推迟审查。

截至10月19日，距离CFTC（美国商品期货交易委员会）对CME Group算力期货的延长审查结束，还有二十余天。目前，上市时间尚未明确。

经济观察报近期采访了国内头部算力租赁企业、民营算力服务商、中小算力业主、央企算力采购方、大模型公司、云服务商及AIDC（人工智能数据中心）园区运营方，发现即便这款算力期货仍处于监管延迟审查阶段，算力可被期货化定价这一事实，已向中国企业提出了一个现实问题——当算力租金像石油价格一样剧烈波动时，谁来为AI企业承担成本风险？

探路

在纽约，单块GPU算力的每小时租赁费用（行业内常称显卡租金）已被纳入期货合约的设计框架。

CME Group与Silicon Data设计的两款算力期货，分别对应英伟达H100和B200的租赁价格。

然而，在期货合约即将上市之际，CFTC将审查期限延长至11月9日。11月9日仅是审查截止日，并非上市日期。CME Group在后续文件中将初始上市日期改为待定。

一位接近海外算力交易平台的人士透露，过去GPU租赁更像“熟人市场”。谁拥有显卡，谁需要显卡，交易双方在私下合同中商定价格。如今，交易所希望将这些报价搬上公开市场的屏幕，形成一条公开曲线。挑战也在于此。CFTC在启动公众意见征询时已指出，GPU租赁市场“碎片化、不透明”，价格多由双边合同决定，监管机构担心主要参与者影响结算指数，从而操纵期货价格。

不只是CME Group在行动。

ICE（洲际交易所）已与Ornn（算力价格指数公司）合作，计划推出基于OCPI（Ornn算力价格指数）的GPU算力期货。9月29日，ICE发布公告称，自10月5日起，在其交易平台提供Ornn Compute Index（Ornn算力指数）参考数据和假设性每日结算价，首批合约覆盖H100和B200显卡。它们仍在等待监管流程完成。

更早行动的是Kalshi（美国预测市场交易所）。它推出的并非NYMEX式的标准化期货，而是GPU算力价格预测合约和远期曲线。3月，Kalshi上线了首批GPU算力小时价格预测合约。7月14日，它又推出了覆盖B200、H200、A100的算力远期曲线。Kalshi首席执行官Tarek Mansour此前公开表示，算力是“新的石油”。

价格波动已清晰可见。Silicon Data公开数据及多家行业平台统计显示，H100显卡的租金在2024年上半年曾处于每GPU每小时约8美元的高位，2025年后持续下降，部分平台报价已跌破2美元。Kalshi相关数据显示，B200显卡的小时租金在5月30日为6.11美元，6月21日降至4.22美元，不到一个月跌幅约31%。

这正是金融机构瞄准的领域。

Architect（加密衍生品平台）也在推进GPU算力“永久期货”。它由前FTX US（FTX美国公司）总裁Brett Harrison创立，产品跟踪GPU日租金和DRAM（动态随机存取存储器）价格。Nodal Exchange（美国电力衍生品交易所）则从电力市场切入，9月宣布与Compute Desk（算力指数公司）合作，计划推出GPU算力期货。

海外平台在探索路径，中国企业则在尝试计算。

国内头部算力租赁企业业务负责人张磊告诉经济观察报，他们持续关注海外GPU远期和衍生品动态，但并未直接照搬。他说：“国内没有成熟的公开算力定价指数，行业大量交易都是私下谈成的双边合同，所以只能将风险在供需双方之间消化。”

杭州民营算力服务商周博也关注过Kalshi的GPU租金远期曲线。他过去曾锁定一批A800显卡，但临近交付时被对方削减30%的配额，价格还上涨了15%。那次损失只能自行承担。周博表示，海外曲线可作为行情参考，但真正要应对上游配额被砍、临时涨价，现阶段仍依赖多渠道备货、安全库存和商务合同。

算力大买家的焦虑

张磊所在企业过去依赖3至5年长期合同、客户预付保证金以及闭口锁价条款（即合同期内无论市场算力租金涨跌，双方按约定固定价格结算），将未来算力租金波动提前锁定在合同中。客户提前锁定成本，服务商也提前锁定部分销售毛利。

这套方法对头部企业有效，但对中小玩家来说并不容易。

周博表示，中型服务商议价能力较弱，上游拿货成本随时可能上涨，下游又有大厂云服务商压价。他说：“成本端的冲击会更致命。”他不敢将涨价全部转嫁出去，因此企业利润经常被两头挤压。

算力价格波动传导至使用端，则体现为另一种影响。

一家大模型公司算力基础设施负责人告诉经济观察报，他们目前采用自购显卡和外部租赁显卡混合的方式：核心训练集群自购部分显卡，作为长期基础盘；模型调优、推理业务、临时实验和突发扩容，更多依赖外部租赁。租赁算力占比约在四成左右。

过去一年，外部算力租金波动显著。高端训练卡的价格从前两年高位回落，但遇到货源紧张或大客户集中下单时，报价又会反弹。推理卡的供给更为充足，租金价格下行更明显。

这位负责人说，如果遇到租金单边上涨的情况，租赁算力的成本变化可能直接影响项目毛利3到5个百分点。模型上线后，会持续消耗推理算力。如果显卡租金突然上升，面向客户的服务价格又不能同步调整，利润将很快被压缩。

他们已在用实体方式避险。该公司会提前与头部算力运营商签订一年到两年的长期协议，锁定基础算力规模和单价。同时留出部分弹性额度，应对临时扩容。金融衍生品也被提上内部会议议程，但尚未进入执行阶段。该公司与期货机构进行了初步交流，财务和风控部门持谨慎观望态度。

央企采购端则有更多顾虑。

何方是一家海洋油气央企的算力采购负责人。该公司租用算力，主要用于地震资料处理、油气藏数值模拟等重负载计算。一个任务可能连续运行数周甚至数月。算力一旦中断，影响的不只是租金，整个勘探项目都会延迟。

过去一两年，他看到国内智算园区报价波动明显。高性能进口卡的租金从高位回落，但阶段性货源紧张时又会反弹。国产算力集群供给放量后，价格继续下行。不同园区之间，同规格算力报价可能相差两成。

但何方最担心的并非涨价。有些园区签约后遇到电力缺口、限电、临时停机。项目有固定工期，算力一断，现场勘探队伍等待、资料处理延期，都会产生连锁成本。他更信任实体长期协议。长期协议能明确卡型、规模、供电保障、停机赔付。金融合约能锁定价格，却不能保证算力届时一定交付。

云服务商也在调整产品结构。一位云厂商GPU云实例产品负责人告诉经济观察报记者，小团队偏好按小时弹性使用。大模型训练和长期推理客户更愿意签订包年或多年预留资源合同。云服务商会为重点大客户提供固定单价，但设置资源额度。额度内按协议价，超出部分随行就市。

从租赁商到大模型公司，从央企采购方到云服务商，大家都在通过合同、预付款、预留实例、多供应商采购等方式，为算力价格波动增加缓冲。正因这些传统方法越来越多，金融机构看到了新的切入点。

供给觉醒

南华期货已迈出一步。

9月，南华期货旗下横华国际与Silicon Data签署战略合作备忘录。合作内容围绕GPU算力定价、远期曲线、算力互换与期权展开。Silicon Data正是CME Group两款算力期货的指数合作方，提供H100和B200显卡租赁价格指数。

这份备忘录释放了一个信号：算力价格风险，开始进入国内期货机构的产品讨论中。

产业端也在等待此类工具，只是态度谨慎。

一家江苏省的智算中心企业AIDC业务负责人告诉经济观察报，该公司从轻资产“二房东”模式转向自建万卡级智算中心后，风险结构发生了很大变化。过去做转租，行情不好可以减少拿卡、收缩规模。现在服务器、机柜、电力配套都是一次性大额投入，硬件一上架，折旧就是刚性的。

他最担心两件事。一是未来算力租金下行，已建成的集群收入达不到预期。二是新一代芯片落地后，存量卡残值快速下跌。远期、互换等工具能对冲部分租金下行风险，却很难覆盖硬件本身的贬值。

上述AIDC业务负责人说，他所在企业的集群中有国产卡，也有进口卡，不同卡型租金曲线并不一致。如果衍生品只锚定单一型号，很难匹配混合资产池。做交易还需占用保证金，会挤压重资产项目的建设和运维资金。

但他并不排斥金融机构进场。他更希望先看到能锁定未来租金收入的工具。上述AIDC业务负责人说：“万卡集群一旦建成，固定成本已经投出去。”如果未来市场租金持续下跌，上架后的收入达不到预期，会直接影响项目回报。金融机构如果能设计贴合国内智算真实行情、匹配混合卡池的远期合约，帮他们锁定部分未来收入，价值会更高。

AI园区运营方李哲也收到了客户的锁价需求。他所在园区的大型企业、央企、头部AI公司客户，多数签订1到3年长期协议，锁定算力规模、基础电价和基础租金。中小AI团队更多选择季度、半年或按月订单。最近两年，越来越多的客户提出价格重审条款，希望每半年根据市场行情重新评估租金。

如果未来金融机构推出算力远期合约，李哲愿意做桥梁，将有锁价需求的客户介绍给专业机构。但他不会自己下场交易。他担心责任边界。远期合约是金融交易，后续如果指数偏离现货、流动性不足，或客户亏损，园区方很容易被卷入纠纷。

国内中小算力业主对本土工具也有期待。

宁夏中卫中小算力租赁业主马洪远手里主要是昇腾910、海光DCU等国产AI算力芯片。与英伟达GPU不同，昇腾属于NPU、海光DCU为深度计算单元，并非传统图形显卡。他说，海外算力期货挂钩英伟达H100、B200 GPU美元租赁行情，和他们不是一个市场。芯片型号、客户群体、计价货币、交易地域都不相同。即使能参与，也没有实际对冲意义。

他更希望国内能出现挂钩国产显卡租赁行情的公开价格基准。过去两年，国产算力市场分化明显。推理型国产算力供给增加后，这类显卡价格一路走低。能做大模型训练的高性能国产显卡，价格相对坚挺。

马洪远算过账。算力利用率低于70%，企业基本亏损；算力利润率达到80%以上，企业才有薄利；达到90%以上，企业才能获得像样的利润。对他来说，价格工具最多锁定租赁单价，不能保证客户一定来租。公开价格基准有价值，但不能替代真实订单。

海外交易所仍在等待监管审查。国内企业已在合同、产品、采购制度中先行实施避险措施。南华期货与Silicon Data的合作，将金融机构带到了门口。产业方提出的需求也日益具体。头部租赁商希望管理散租敞口，中型服务商想锁定采购成本，重资产数据中心渴望平滑未来收入，大买家则希望稳定年度预算。

但每个人也都在提醒同一件事。指数需贴近真实现货，合约要匹配国内卡型和交易习惯，流动性要充足，合规边界要清晰。否则，算力风险尚未对冲，新的交易风险可能先被引入。

本文来自微信公众号“经济观察报”，作者：王雅洁，36氪经授权发布。