热点丨算力期货来了，AI行业定价权重新洗牌

·聚焦:人工智能、芯片等行业

欢迎各位客官关注、转发

前言：

模型能力的竞争还在继续，但更底层的战争，已经悄悄转向算力定价权。

AI行业最核心的“原材料”，长期处在一种半透明甚至不透明的状态里。

算力期货的出现，正是要把这张隐藏在行业背后的成本表，摊到桌面上。

作者| 方文三

图片来源 | 网络

算力为什么需要期货？

5月12日，芝加哥商品交易所集团（CME Group）宣布与GPU算力指数公司Silicon Data合作，计划在2026年内推出全球首个算力期货合约，新加坡交易所、国内数据交易平台也在推进相关探索。

放到AI产业链里看，它意味着算力正在从一项技术服务，升级为一种可被定价、可被交易、可被对冲的新型资产，不亚于AI行业给自己安装了一套“价格仪表盘”。

任何商品进入期货市场，背后通常有三个共同条件：规模足够大，价格波动足够剧烈，产业链上下游都有风险管理需求，算力如今三个条件都具备了。

①AI基础设施已经成为全球科技公司最重的资本开支。模型越大，训练越贵；应用越普及，推理成本越刚性。

过去互联网公司习惯于讲“软件的边际成本趋近于零”，但大模型时代恰恰相反，AI正在变成一门重资产生意。

GPU、服务器、HBM、先进封装、液冷、电力、机房、网络，每一项都要投入真金白银。AI公司看似卖的是智能服务，底层消耗的却是电力、芯片和数据中心折旧。

②算力价格已经开始剧烈波动。高端GPU供给集中，交付周期拉长，需求端又被大模型训练和推理调用快速拉动。云厂商涨价、GPU租赁涨价、数据中心资源紧张，已经不再是局部现象。

这也是为什么过去“云服务只降价”的旧叙事正在失效。算力不再是可以无限压低成本的普惠资源，而是变成了AI时代的稀缺战略产能。

③产业链各方都需要对冲风险。大模型公司担心未来算力继续涨价，导致训练计划和推理成本失控；云厂商担心高价采购的GPU资产未来折旧过快；算力租赁商希望提前锁定收入；金融机构则看到了一个全新的资产类别。

当所有人都在承受价格波动，市场自然会寻找一种公开、标准、连续的价格发现机制。算力期货就是在这个缝隙中长出来的。

算力期货到底交易什么？

算力期货并不是把一块GPU芯片搬到交易所交割。

它更接近电力、运价这类服务型衍生品。合约挂钩的是GPU租赁价格指数，到期后以现金方式结算。

也就是说，交易双方根据指数价格和合约价格之间的差额进行结算，背后锚定的是未来某段时间内算力价格的预期。

这套机制的核心价值在于两个词：定价和避险。

对AI公司而言，可以通过买入期货，提前锁定未来几个月甚至更长时间的算力成本，避免突然涨价打乱产品节奏和财务模型。

对云厂商和算力租赁商而言，可以通过卖出期货，提前锁定部分收入，对冲未来算力价格下跌或资源闲置的风险。

对整个行业而言，期货价格形成的远期曲线，会变成一条公开的价格信号。

它告诉市场：未来算力到底是更紧缺还是逐渐宽松，高端GPU产能是否改善，AI应用增长是否足以支撑更高的算力价格。

过去，算力价格藏在私下合同里；未来，它会出现在指数、曲线、套保和流动性中。

这就是定价权变化的开始。

整个AI产业链被重估

算力期货真正改变的，不只是交易方式，更是产业链的权力结构。

过去几年，AI产业链的利润高度集中在上游。高端GPU稀缺，CUDA生态强势，英伟达几乎掌握了最核心的议价权。模型公司越卷，云厂商越扩张，最终都要回到芯片和算力供给这一关。

云厂商处在中游，看似掌握资源，实际也承受巨大压力。它们需要提前采购大量GPU、建设数据中心，再把算力租给下游客户。买贵了，资产折旧压力巨大；买少了，又错过需求爆发的窗口。

模型公司更尴尬，一边是上游算力涨价，一边是下游用户对低价API和免费应用的期待。过去一年，Token价格被不断打低，很多模型厂商看上去增长很快，账单却越来越重。

AI应用公司和中小企业则更加被动，它们既没有芯片议价能力，也没有自建算力的资本实力，只能承受价格传导。

算力期货会在这个固化结构中打开一个口子。

价格一旦公开，黑箱就会变少。远期价格曲线一旦形成，企业就可以更清楚地规划采购、训练、推理和资本开支。算力不再只是“谁有资源谁说了算”，还要接受市场预期的定价。

这对英伟达并不意味着立刻失去优势,高端GPU和软件生态的壁垒仍然很深。但期货市场会给产业链提供一个公开参照：不同GPU、不同区域、不同租赁模式之间的价格差，会逐渐被市场看见。

被看见，本身就是一种制衡。

从“卖水人”变成“算力做市商”

算力期货最直接的受益者之一，是云厂商和AI云服务商。

过去它们的商业模式很清楚：买芯片、建机房、卖算力。未来，这个模式会进一步金融化。

拥有大规模GPU资源的云厂商，不仅可以向客户出租算力，还可以在期货市场中进行套保、报价、流动性管理，甚至围绕算力资产设计更复杂的交易和服务产品。

它们会越来越像能源市场里的电力公司和交易商：既有实物资源，又参与价格形成。

这也会带来新的分化。

拥有自研芯片和完整云生态的厂商，会更容易掌握成本主动权。谷歌有TPU，亚马逊有Trainium，国内云厂商也在强化自研芯片和国产算力适配。

谁能用更低成本提供稳定算力，谁就能在远期价格曲线中获得更大空间。

完全依赖外部GPU采购的云厂商，则会承受更大的资本开支和利润压力。

算力金融化风险被放大

算力比原油、铜、黄金更难标准化，同样是H100，不同云厂商、不同集群规模、不同网络环境、不同互联方式，实际可用价值差别很大。

单卡租赁和大规模训练集群不是一种能力，按需调用和长约资源也不是一种价格逻辑。

这意味着算力期货一定存在基差风险，企业通过期货可以管理大方向上的价格波动，却无法完全覆盖具体资源质量差异。

一旦算力成为金融资产，投机资金也会进入。价格发现会提高透明度，也可能带来新的波动。AI企业既获得了风险管理工具，也需要面对更复杂的金融市场。

这会倒逼行业建立更成熟的指数、审计、确权、调度和清算体系。

未来围绕算力会出现一整套新生态：算力指数公司、算力交易平台、调度系统、风险管理服务、算力资产评估机构。

结尾：

算力期货的出现，说明AI行业已经走过了只讲技术想象力的阶段。

模型可以迭代，应用可以迁移，流量可以再分配，但算力成本会越来越真实地压在每一家AI公司的财务表上。

部分资料参考：OpenAI：《OpenAI 2025 Annual Report》，华尔街日报：《Anthropic Spends 72% of Revenue on Compute as AI Race Intensifies》，高盛全球投资研究部：《Compute Power Futures: A $3 Trillion Market by 2028》，中国信息通信研究院：《2026年中国算力发展指数白皮书》，IDC中国：《全球 AI 算力成本预测报告(2026-2030)》

本公众号所刊发稿件及图片来源于网络，仅用于交流使用，如有侵权请联系回复，我们收到信息后会在24小时内处理。

请务必注明：

「姓名 + 公司 + 合作需求」