Pantera Capital：算力市场的四大机会

作者：Jay Yu，Pantera Capital 合伙人

编译：Jiahua，ChainCatcher

引言

算力与数据中心基础设施的支出已成为一个万亿美元级别的市场，规模可与美国消费支出相比，并逐渐成为美国经济增长的重要支柱。

然而，随着 AI Agents 逐步进入实体经济，算力需求持续增长，但 GPU 的采购方式仍相当传统。尽管 SF Compute、Vast AI、Runpod 等算力市场已经出现，大量 GPU 节点的买卖仍通过群组聊天、场外经纪商和定制化双边协议进行。

目前，GPU 算力仍处于金融化的早期阶段。与电力类似，算力并非完全同质的资产，它受到芯片型号、交付时间、地理位置等因素的制约。但在未来 5 到 10 年，算力很可能逐渐成为像电力或石油一样的商品，成为支撑 AI 时代全球经济运作的关键资源。

本文将探讨算力市场如何实现这一转变，包括从电力市场获得的启示、算力市场的潜在结构、产业内正在开发的产品，以及算力商品化过程中的机会与挑战。

1. 从电力市场寻找答案 
1.1 电力市场的结构

要理解算力市场未来可能的演变，可以先观察其底层资源——电力市场的运作方式。

与算力一样，电力也是一种具有异质性、时间属性和枢纽属性的资产，并且是全球经济增长的重要基础。

自 1990 年代以来，美国电力系统逐步私有化。原本高度垂直整合的电力公司开始拆分发电、输电和配电环节。

独立的电网运营商开始管理美国不同区域的电力系统。同时，PJM-West（东岸）、ERCOT North（德州）和 CAISO SP15（南加州）等大型互联电力系统，最终成为可在 CME 和 ICE 等交易所交易的商品，形成整个电力资产类别的重要价格基准。

在实体层面，电力市场大致可概括为“电网、运营商、节点”的结构。

最上层是相互独立的区域电网。每个区域电网之下，有多个系统运营商，包括区域输电组织（RTO）和独立系统运营商（ISO）。这些运营商负责管理其所在地区的多个变电站节点。

例如，在旧金山，一座城市可能由多个变电站节点供电，如 Embarcadero、Larkin 和 Mission。

每个节点的电价并不完全相同，而是由一种称为“节点边际定价”（LMP）的算法决定。该算法考量发电排程、用户需求、输电成本和电力流动规律，计算出限制条件下的最优价格。

LMP 算法成为连接电力实体交付与 PJM-West 等可交易电力基准的关键环节。

电力市场中的枢纽价格和指数价格，本质上是多个终端 LMP 节点价格的加权平均。最大且流动性最好的价格基准，最终在 CME 和 ICE 等交易所获得稳定的交易深度，成为整个电力资产类别的参考价格。

1.2 算力市场的潜在结构

观察电力市场过去 30 年的发展，我们可以对算力市场做出几点推测。

首先，算力市场可能形成类似电力市场的结构。

在实体交付方面，最接近电力市场“电网、运营商、节点”结构的算力版本，可能是“硬件、供应商、集群”。

正如电力市场存在多个相互独立的区域电网，算力市场也可能基于不同硬件类别形成多个市场。H100、H200、B200、B300 等芯片类别，可能各自拥有独立但相互关联的价格基准。

在运营商层面，AWS、Nebius、CoreWeave、SF Compute、Ornn 等算力供应商，将为特定集群提供不同的定价机制。这些集群也会受到时间、地点和 SKU 的影响，类似电力市场中的不同节点。

至于算力市场中 LMP 的对应物，可能是一种排程或路由算法。该算法根据特定 SKU 的可用性，动态生成算力实例价格。

电力市场中最终成为产业参考价格的基准，如 PJM-West、ERCOT-North 和 CAISO SP15，通常与流动性最好的实体交付基础设施相连。这与石油等其他商品市场类似。

随着算力领域出现更多价格基准，最终胜出的可能是那些与高流动性实体交付地点相连的基准。

此外，在电力市场中，发电商和用电企业有时会直接在电力交易所进行避险，但大多数交易仍由银行和交易公司营运的场外交易（OTC）部门完成。这些 OTC 机构以节点结算价格交换枢纽结算价格，赚取价差并避险自身风险。

类似的市场结构也可能出现在算力市场。算力市场的实际供需双方，即新云端服务供应商和 AI 公司，可能更倾向于通过经纪商采购特定 SKU，而不是直接在算力交易所避险。

最后，算力市场可能面临比电力市场更严重的基差风险。

根据美国联邦电力法，批发电价必须在联邦能源管理委员会（FERC）的监管下保持透明。然而，算力市场目前没有类似的透明度要求。

这意味着算力市场中可建立的动态价格和指数，可能只能基于其自身的订单簿，以及其合作的新云端服务供应商提供的订单簿数据。这些合作可能通过收益分成、数据采购等方式实现。

2. 算力市场的结构

 2.1 推理需求的三层结构

电力市场的存在，是因为工业体系对电力有持续的需求。同样，算力市场的根本驱动力是对 Token 的需求，尤其是推理 Token。

目前的推理产业链大致可分为三层，共同构成算力市场的结构性供需双方。

新云端服务供应商层

Nebius 和 CoreWeave 等公司营运实体数据中心，构成 GPU 的卖方。

随选层

Fireworks 和 Baseten 等开发者平台，将裸机 GPU 环境转变为更完整的 GPU 使用环境，让开发者可以直接执行任务或随时取得推理 Token。这一层代表 GPU 的买方。

应用层

Cursor、Perplexity 和 Rime 等应用程序，使用推理平台为用户和企业提供最终产品。这一层是 Token 的需求方，而 Token 需求转化为 GPU 算力需求。

尽管生态系统中的每家公司都有不同的 GPU 管理策略，但整体而言，新云端服务供应商处于 GPU 市场的供给侧，代表结构性空头；随选层和应用层处于需求侧，代表结构性多头。

另一方面，Amazon 和 Google 等大型云端服务供应商，则同时营运这三层的产品。

至于产业链中的利润流向，一个粗略的经验法则是：当顶级应用程序在 Token 上花费 100 美元时，约 45 美元流向随选层，50 美元流向新云端服务供应商或 GPU 层，其余 5 美元流向 OpenRouter 等路由层。

2.2 算力资本市场的结构

AI 产业链中各参与者的 Token 经济结构，将影响算力资本市场最终的形成方式。

一种可能的结构是：需求侧的开发者平台和应用层，以及供给侧的新云端服务供应商，将通过 SF Compute、Runpod 和 Compute Exchange 等算力经纪商和 OTC 交易平台，交易特定 SKU。

随后，算力经纪商和 OTC 交易平台将管理库存，并承担终端 Token 消费者所需的特定 SKU 与通用 H200 之间的基差风险。

他们可以通过 Architect 或 Pluto 等算力交易平台进行避险。

这些交易平台上的价格，是基于一个算力基准建立的。该基准是与其合作的新云端服务供应商和 OTC 平台订单簿价格的加权平均。

2.3 NVIDIA：算力市场的“中央银行”

此外，NVIDIA 最近宣布，将允许其 AI 工厂的算力成为一种“可投资的资产类别”。

在算力的金融化体系中，NVIDIA 可被视为算力市场的“中央银行”，因为它几乎垄断了 GPU 技术堆栈。

中央银行通常有几个核心目标：

管理经济中的通胀；

促进充分就业；

在极端情况下充当最后贷款人。

在某种程度上，NVIDIA 正在扮演这三种角色。

首先是管理“通胀”。GPU 经济中的“通胀”可比喻为 GPU 的折旧周期，尤其是与最新一代芯片的折旧速度相关。通过控制产品发布节奏，例如推出 Vera Rubin，NVIDIA 可以在一定程度上影响 GPU 随时间折旧的速度。

其次是保持 GPU 高利用率。高 GPU 利用率通常表示市场对 Token 的需求强劲，促使用户购买更多 GPU。因此，NVIDIA 有动机推动 GPU 算力的金融化，使 GPU 小时交易更具流动性，进而进一步提升 GPU 利用率。

最后是充当最后贷款人。NVIDIA 也宣布，将为 GPU 提供最高达其剩余价值 25% 的支持。这可视为一种对 GPU 价值的救援或保险机制：当新云端服务供应商和其他 GPU 供应商面临流动性危机时，此类支持可以保障 GPU 的残值。

3. 算力市场的机会与挑战 

3.1 算力市场的产品型态

随着算力市场的金融化程度不断提高，产业内可能出现几种主要的产品类型。每种产品类型都有其优势和挑战。

产品一：实体交付

实体交付是指将 GPU 设备实际交付给需要算力的终端用户。SF Compute、Hyperbolic、Vast、Runpod 和 Compute Exchange 等项目都属于这一产品层。这一层最接近硬件本身，直接连接算力供需双方。

由于算力 SKU 的高度异质性，许多项目最初仅充当经纪商，通过媒合 GPU 需求与新云端服务供应商来赚取佣金。从长远来看，这一层的目标可能是建立某种形式的“算力现货交易所”。

然而，持续确保实体 GPU 交付的品质是一个非常具有挑战性的问题，尤其是对于供应来自去中心化网络的项目而言。算力市场可能需要类似 Moody's 的评级机构，来认证可交付 GPU 的品质，以促进这一层的进一步成熟。

尽管实体交付层竞争激烈，但从长远来看，它可能拥有最持久的护城河。回顾石油和电力市场可以发现，金融化体系通常围绕实体商品流动性最好的交付地点发展，逐步形成指数、交易所和借贷金融产品。

因此，谁能率先解决实体 GPU 交付问题，谁就可能获得显著的市场回报。

产品二：指数

这一层主要指建立在算力之上的“指数曲线”，包括 Ornn、Silicon Data、Compute Desk 和 Semianalysis 等项目推出的算力价格指数。

建立指数是算力等资产进一步金融化和交易的重要步骤。可以说，目前市场上关于“算力市场”的许多讨论，正是随着算力指数的逐渐成熟而开始升温。CME 和 ICE 等大型交易所也已宣布与相关指数合作。

然而，许多算力指数与个别 GPU 市场之间仍存在显著的价格差距。

造成这种价格差距的原因主要有两个。

第一，底层产品本身存在差异。不同的算力平台在产品稳定性、可中断性和合约条款方面往往差异很大。

第二，不同算力指数背后的订单簿并不相同，而且算力市场缺乏其他资产类别那样的透明度要求。例如，FERC 要求电力市场保持透明。

目前，许多算力指数只是向新云端服务供应商大量采购订单簿数据，或通过合作和收益分成协议建立初始数据集。此外，独立营运的指数层，其变现能力弱于交易所和实体交付层。

因此，尽管指数层能够制造声量，并在算力市场体系中扮演重要角色，但它同时受到上下游的挤压：

上游的实体交付层控制着价格的来源；

下游的交易所希望从指数中分得一部分收益。

产品三：衍生性商品交易平台

第三层是衍生性商品交易平台，通常提供现金结算的期货产品。这些平台基于算力指数，为市场参与者提供避险工具。Liquid Compute 和 Architect 正在开发相关产品。

从长远来看，衍生性商品交易平台可能是算力金融化体系中最受期待、也最容易规模化变现的产品。然而，这一领域仍处于早期阶段，交易量尚未达到显著规模。

此外，现金结算交易平台上的可交易产品，通常是通用的 H200 实例，而非可直接用于推理的特定 SKU。因此，真正参与这些交易平台的，可能主要是 OTC 交易平台和算力经纪商，而非 AI 产业链中的终端企业。前者寻求避险其资产负债表上持有的算力库存，后者则需要管理自身的算力曝险。

产品四：金融化工具

算力领域还可能出现更广泛的金融化产品，为数据中心和新云端服务供应商提供融资支持。例如，借贷协议、Vault 以及 USD.AI 等合成稳定币，可能有助于数据中心和新云端服务供应商完成基础设施建设。

同时，市场也可能出现风险转移和保险层，以平滑 GPU 经济中的基差风险。观察上述不同层级，就能相对清楚地看出算力市场最终可能呈现的完整形态。

赢家将是能够实现可靠实体 GPU 交付的全端参与者。他们可以从自身的实体订单簿中形成价格指数，然后建立算力期货交易所，使算力成为一种可避险的资产类别。

然而，产业内真正的分歧在于不同产品出现的顺序。最终的赢家会从实体交付开始，还是先建立指数，或是先推出交易平台？

3.2 算力 Token 经济学的前沿

到目前为止，我们主要讨论了 GPU 层面的算力市场。然而，我们也可以拓宽视角，观察更广泛的算力 Token 经济学，包括其历史演变、价值捕获方式，以及与前沿模型实验室的博弈关系。

从历史上看，算力市场并非全新概念。从 2023 年到 2024 年，SF Compute 和 Hyperbolic 等项目已经在讨论这种模式，而 Akash 和 IONet 等去中心化项目也在探索类似方向。

有趣的是，许多项目最终并未停留在 GPU 市场层面。例如，Hyperbolic 后来成为推理服务供应商，直接销售 Token；SF Compute 则开始直接签订合约并营运算力集群。

从价值链的角度来看，价值从 Cursor、Harvey、Granola 等 AI 应用流向 OpenRouter 等路由层，再到 Fireworks 和 Baseten 等推理服务供应商，最后进入 Nebius、CoreWeave 和 SF Compute 等新云端服务供应商和算力市场，最终流向数据中心运营商。

如果一家公司停留在产业链的中间，就可能受到上下游的挤压。为了维持更稳定的利润率，公司最终可能需要向上游延伸或向下游扩张。

Token 市场也呈现出一个非常有趣的赛局理论视角，其中有三股不可忽视的力量在发挥作用。

第一股力量是 NVIDIA，它控制着 GPU 的供应和折旧速度。

第二股力量是 Anthropic 和 OpenAI 等前沿模型实验室，它们持续发布新模型，可能迅速增加 Token 需求。

第三股力量是 Kimi、GLM、DeepSeek 和 Qwen 等开源模型，它们对推理利润率构成下行压力。

这三股力量共同为 GPU 市场和 Token 市场的供需双方提供持续的动力和压力。其中任何一方都可能通过推出重大产品，改写整个市场的定价曲线。

例如，GPT 5.6 的发布可能成为一个由企业决定、但市场难以提前预测的事件，引发 AI Token 价值链的连锁反应，造成 Token 价格和 GPU 硬件价格的波动。

因此，如果一家公司能在同一体系内营运推理服务和 GPU 硬件市场，可能更具商业可行性。这种模式可以避险因产业链上下游利润结构变化而产生的风险。

结论

回顾历史，石油和电力等商品市场最初也依赖中介机构促成的双边交易，交易过程不透明，缺乏统一标准。然而，随着时间推移，实体交付逐渐发展出一系列协议和金融基础设施，包括指数、交易标准化和品质稽核，最终演变为高度金融化的资产类别。

如今，算力市场正在经历类似的转变。市场上已出现众多试图将基础工具金融化的项目，包括算力指数、现金结算交易所、借贷产品和保险产品。

同时，实体 GPU 市场和云端服务供应商也在产业链中不断向上游和下游延伸，试图捕获 Token 经济中的完整价值。作为整个 AI 经济运作的底层资源，算力正逐渐从单纯的基础设施转变为独立的金融资产。

未来，这一领域可能出现多家涵盖市场不同层面的独角兽公司，形成多种业务型态，包括实体算力供应、经纪服务、借贷、风险管理，以及与 DeFi 和 TradFi 资本市场的结合。

算力可能是数十年来罕见的新型实体商品，而我们可能正在见证它从私下促成的早期交易，走向完整资产类别的历程。