华尔街交易GPU算力：H100现货2.72美元/小时，期货定价36个月

半年后的 H100 算力值多少钱？这个问题在过去听起来有些荒诞，但如今正成为 AI 行业和金融市场共同面对的真实考题。

过去两年，围绕 GPU 的讨论大多集中在“够不够用”：大模型公司抢卡、云厂商扩数据中心、创业公司排队租算力。但现在，问题开始从“有没有 GPU”，转向“GPU 算力应该值多少钱，以及如何提前锁定这个价格”。

监管与市场同时出手

2026 年 8 月，美国商品期货交易委员会（CFTC）正式就 compute derivatives（算力衍生品）公开征求意见，讨论现货算力市场、市场操纵、客户保护以及 perpetual compute futures（永续算力期货）等问题。CFTC 主席 Michael Selig 明确表示，美国如果希望在 AI 竞争中保持领先，就需要一个健全的算力衍生品市场。

这并非监管凭空设想。在此之前，CME Group 与 AI 算力市场基础设施公司 Silicon Data 已宣布，计划推出以 NVIDIA H100 和 B200 GPU 租赁价格为基础的期货产品。Silicon Data 刚完成 3050 万美元 A 轮融资，投资方中既有传统 VC，也出现了 CME Ventures、DRW、Samsung Next、VanEck、Jump Trading 等具有金融市场背景的机构。

算力价格波动，正在成为企业的经营风险

今天一家 AI 公司采购算力，大致有几种选择：财力雄厚的直接买 GPU 自建集群；规模稍小的向 AWS、Azure、Google Cloud 购买实例；还有越来越多公司从 CoreWeave 等 GPU Cloud 或算力市场购买短期、长期租赁服务。

无论哪种方式，企业都面临一个共同问题：未来的算力价格是不确定的。假设一家 AI 创业公司预计未来一年需要持续训练模型，GPU 成本可能是其最大成本项之一。签长期合同意味着承担预测错误的风险——如果未来 GPU 供给宽松、价格下降，它就买贵了；如果模型调用量暴涨或新一轮大模型竞争制造 GPU 短缺，它又会发现锁定的算力不够。

这和航空公司面临的燃油问题非常相似。航空公司知道未来一定需要燃油，却不知道半年后的油价，因此成熟的航空公司会通过期货、期权等金融工具提前锁定成本。现在，有人希望把同样的机制搬到 AI 算力市场。

GPU 期货怎么玩？

CME 与 Silicon Data 计划推出的产品，本质上是让市场参与者提前交易未来某个时间点的 GPU 算力价格。企业不需要通过期货市场真正获得一张 H100，就像航空公司交易石油期货，并不意味着最终需要把几万桶石油运到总部。AI 公司真正需要解决的是算力价格波动带来的经营风险。

如果企业预计半年后需要大量 B200，担心届时价格上涨，就可以提前建立期货头寸。即便未来实际采购成本提高，期货市场获得的收益也可以抵消一部分上涨。反过来，拥有大量 GPU 资产的云厂商、数据中心运营商，也可以通过衍生品降低未来算力价格下跌的风险。

市场已经开始尝试回答“未来的 H100 到底值多少钱”。Silicon Data 发布的 GPU 远期价格曲线最长已覆盖未来 36 个月。以 2026 年 7 月 19 日数据为例：

• H100：现货租赁约 2.72 美元/GPU·小时，36 个月期限约 2.38 美元
• B200：从约 5.62 美元降至 5.17 美元
• A100：从约 1.65 美元降至 1.40 美元

三种 GPU 的远期价格均低于现货价格，这与市场对未来供应扩大、新一代芯片逐步替代旧型号的预期一致。市场已经开始用一条真实的价格曲线，表达对“三年后的 H100 值多少钱”的判断。

最难的问题：如何标准化“一小时 H100”？

一桶布伦特原油和另一桶符合标准的布伦特原油，理论上具有很强的可替代性。但“一小时 H100 算力”到底是什么？同样一张 H100，放在不同数据中心，实际价值可能完全不同：它可能通过 NVLink 与另外七张 GPU 组成节点，也可能只是单卡实例；背后可能是高速 InfiniBand 网络，也可能是普通以太网；数据中心可能位于美国，也可能位于欧洲或亚洲；实例的可用率、存储性能、CPU 配置和软件环境同样存在差异。

对于大模型训练而言，这些差异尤其关键。企业购买的一小时 H100，实际上包含了一整套系统能力：GPU × 网络 × 集群规模 × 可用率 × 软件栈 × 地理位置 × 时间。

这意味着 AI 算力首先必须解决金融市场最基本的问题：如何标准化？没有标准化，就很难形成价格指数；没有价格指数，也很难建立真正具有流动性的期货市场。

Silicon Data 想当算力界的 Platts

这也是 Silicon Data 值得关注的原因。它没有直接进入 GPU 云市场与 AWS、CoreWeave 争夺算力客户，而是试图建立一层更底层的市场基础设施：收集不同算力市场中的 GPU 租赁价格，形成能够被金融市场接受的 benchmark。它想扮演的角色，更接近 AI 算力市场里的 Platts、Argus，甚至 Bloomberg。谁能够定义市场价格，谁就可能成为未来大量金融产品的基础设施。

过去几年 GPU 市场一个非常特殊的现象也在强化这种需求：价格极度不透明。云厂商有自己的价格体系，GPU Cloud 有自己的长期合同，算力经纪商还有另外一套报价。同一型号 GPU，因为合同周期、地区、集群规模和客户议价能力不同，最终成交价格可能存在明显差异，大量交易甚至根本没有公开市场价格。

这在一个快速扩张的行业早期并不奇怪。石油、电力、航运、利率甚至碳排放市场，都经历过类似的过程：最开始是大量双边交易，随后出现标准合同，再后来出现价格指数，最后才形成具有流动性的金融衍生品市场。AI 算力今天可能正在走到第三步。

一旦有了价格指数，变化远超“炒期货”

一旦形成可信的 GPU 价格指数，它带来的变化就远远超过“可以炒 GPU 期货”：

• 准备建设大型 GPU 数据中心的公司，可以根据未来算力价格曲线判断项目回报
• 银行可以基于未来算力收入提供贷款
• GPU Cloud 可以对冲算力价格下跌
• AI 公司可以锁定未来推理成本
• 投资机构则可以直接交易对 AI 算力供需的判断

甚至数据中心项目融资的逻辑也可能随之变化。过去银行判断一个数据中心项目是否值得贷款，需要重点评估客户合同、资产价值和运营能力。如果未来存在一个足够成熟的 GPU 算力期货市场，金融机构就第一次拥有了一个公开、实时变化的“未来算力价格”，相当于给 AI 基础设施增加了一套资本市场能够理解的定价语言。

GPU 金融化还会迫使市场回答一个长期被硬件型号掩盖的问题：我们到底应该按什么标准来衡量算力的价值？当“一小时 H100”开始拥有期货价格，算力就不再只是芯片的附属品，而正在成为 AI 时代真正意义上的大宗商品。