算力价格押注将助力还是损害AI经济？

今年早些时候，牛津大学圣休学院需要更新数学系使用的计算机实验室，结果发现价格几乎翻了一番。虽然对学院管理人员来说，这只是一笔令人恼火但尚可处理的IT账单，但对牛津大学的一位教授而言，这象征着所有需要采购算力的人所面临的更大挑战。

牛津大学数学金融学教授、同时担任央行行长金融风险顾问的拉马·孔特将成本飙升归咎于为ChatGPT和Claude等模型提供算力的数据中心。孔特表示：“这影响到了所有人。今年所有优秀的大学、所有企业都会受到影响。”不过，虽然对许多机构和 businesses 来说，这在很大程度上是一个可控的预算问题，但对那些建设和资助AI经济的公司来说，这可能是一个生死攸关的风险。

麦肯锡估计，到2030年，全球数据中心将需要近7万亿美元的资本投入，其中5.2万亿美元用于AI。这笔基础设施的成本——按今天的美元计算，大约相当于22个阿波罗太空计划的总花费——必须在世界弄清楚其产出（即所谓的“算力”）最终价值多少的同时完成融资。

目前，少数初创公司和交易所希望创建交易未来算力使用量的市场，让数据中心运营商能够设定更清晰的价格，让贷款方更好地评估其融资资产的价值。如果这些市场能够成功运作，它们将带来期货（本质上是一种可交易的承诺，以设定价格在未来买卖某物）为石油、小麦和电力所带来的透明度和价格发现机制。如果失败，它们则可能创造一条新的亏损传导渠道，将本已高度杠杆化的AI行业与更广泛的金融体系更紧密地联系在一起。

贝莱德首席执行官拉里·芬克——其投资公司正投入数十亿美元建设数据中心——今年春天预测，算力需求如此之大，交易员很快就能将其作为独立的资产类别进行押注交易。事实上，这些市场可能在几周内推出，有待监管机构批准。全球最大的期货交易市场之一芝加哥商品交易所集团正与科技初创公司Silicon Data合作，计划今年推出算力期货市场。纽约证券交易所母公司洲际交易所正与另一家科技初创公司Ornn合作，准备推出竞争产品。上海和其他地方的机构也在推进类似项目。

杀死数据中心的新规则

布雷特·哈里森希望能击败所有这些竞争对手。这位FTX美国业务前总裁——他在该加密货币交易所倒闭前不久离职——经营着Architect Financial Technologies公司。该公司计划推出与公开市场上GPU租赁价格挂钩的期货合约。哈里森表示：“我确实相信这将是一个数万亿美元规模的市场。”

你实际在购买什么

期货本质上是买卖双方之间的法律协议，允许双方锁定某物的价格。例如，农民可以在小麦成熟前几个月就以设定价格出售，从而“对冲”丰收导致产量过剩、价格暴跌的可能性。

市场运营商经常为小众产品创建新的期货市场。芝加哥商品交易所最著名的农产品期货市场之一就是猪腩期货。该期货从1961年交易到2011年，但随着培根成为全年消费的商品、价格更可预测，而非需要在冬季冷冻的季节性食品，该期货被摘牌。从橙汁（1983年喜剧电影《颠倒乾坤》的主题）到葵花籽，各种商品都有期货市场，都在发挥平抑农民和商品买家价格波动的作用。

如今的算力“农民”是Alphabet、亚马逊、甲骨文和微软等超大规模云服务商，以及众多“新云”公司——这些公司建造数据中心并向他人出租AI芯片。理论上，AI期货市场将允许新云公司在未来算力价格暴跌时保护自己。它也可以让担心成本上涨的AI公司防范价格涨幅超出预期。在这种纯金融交易中，实际上并没有芯片易手。

为了建设数据中心，许多新云公司以出租服务器（内含英伟达Blackwell芯片等显卡）所能获得的未来收入为抵押借款。它们及其贷款方必须考虑资产价值和收入面临的风险。例如，如果一款更好的芯片比预期更早问世，使已安装的芯片过早过时，或者更高效的AI训练或推理算法使同样的工作成本大幅降低，这将压低新云公司能够收取的价格。

没有对冲风险的能力，哈里森说，新型云服务商就成了“自己的经纪人、自己的保险公司、自己的对冲者、自己的融资方、自己的定价者”，同时还兼着数据中心建设公司。一个各方都认同、可以交易的远期价格，可以通过给贷款方一个评估未来收入的方式，降低这些公司的融资成本。

这种对冲需要有人站在交易对手方，实际上是押注该商品（此处即算力）的未来价值会高于或低于当前定价。“必须有足够多的人愿意跟你对赌，”伯克利法学教授、曾任摩根士丹利金融产品设计师、并记录过安然公司垮台过程的弗兰克·帕特诺伊说。这意味着期货市场必须欢迎那些与数据中心毫无关系、纯粹想赚钱的投机者。“这似乎就是所有人都在谈论的事。没人真正谈论投机，但如果你创建了市场，投机自然会发生，对吧？你创建了市场，人们不可避免地会用它来押注这些价格，”帕特诺伊说。

给AI云定价的难题

在预测算力的供需之前，首先面临的问题是：什么是“算力”，以及如何比较一个单位算力与另一个单位算力。一份原油期货会明确原油品级、交货地点和交货日期。算力却没有一个公认的对应标准。

卡尔·安东尼是Symmetric Research的联合创始人，这家初创公司旨在创建一种“标准算力单位”，让银行能更好地理解它们在数据中心上的投资。他说，要真正理解数据中心的价值，必须看其整体的“计算结构”。这个结构包括内存、网络、散热、地理位置、软件和工作负载，以及那成千上万块芯片在训练模型或执行AI推理任务时能否高效通信。他说，像FLOPs（算力的标准单位）这样的纸面规格，甚至GPU的标准化压力测试基准，都无法反映它们在真实环境中的实际能力。CME集团的合作伙伴Silicon Data的研究发现，AI数据中心中租用的英伟达GPU，在真实条件下的性能差异可高达38%。

Architect的算力期货通过参照其合作伙伴Compute Desk创建的指数来定价，该指数使用云服务商的私人租赁交易数据。它根据配置和地理位置调整细节，并将其归一化为一个锚点，例如一年后GPU租赁的小时费率。它还会参考算力合约的报价，生成哈里森所说的“平滑的、平均化的指数”。

哈里森承认，他的指数不可能在任何特定时刻百分之百精确反映每一笔GPU租赁的情况，他说这与其他大宗商品的期货市场类似。这仍然给交易者留下了需要管理的风险。

基准指数可能显示算力价格上涨，而某个特定数据中心自身的价格却在下跌，因此与指数挂钩的对冲在新型云服务商收入下降时赔付很少，这种错配被交易者称为“基差风险”。

更大的缺口是指数看不到的部分，因为它基于独立新型云服务商的价格构建，而非那些最大的AI公司达成的私下交易——这些公司越来越多地自建数据中心或谈判一次性合同。这些交易是保密的，因此指数可能忠实地追踪一个小型公开市场，却遗漏了真正驱动行业的、规模大得多的私下市场。哈里森的回应是，没有哪个期货市场是完美的，能够对冲行业的部分波动——即使不是全部——仍然是有价值的。

这一切都假设输入指数的价格是真实的。一个更严重的潜在问题是：如果提供这些价格的公司有动机让价格看起来比实际更高，该怎么办。戴维·温德曾是交易员，也是安东尼在Symmetric Research的合伙人。他说，云服务商有可能在报告高GPU价格的同时，暗中对同一套餐中的存储或其他服务打折，以促成交易。客户的总账单仍然更低，但公布的GPU价格支撑了该服务商产能的价值，以及以此为基础筹集的融资。

在一个流动性稀薄的期货市场中，几笔这样的交易就可能扭曲指数，把资金引向那些经济性看起来比实际更好的项目。

这一幕我们是不是见过？

哈里森提到了安然公司破产的阴影。这家破产的能源交易商在本世纪初操纵期货市场。安然曾试图将宽带容量变成一种可交易的大宗商品，但失败了。与算力一样，带宽必须同时消费和生产，无法储存起来以后再出售。其同样不可储存的电力交易业务则影响深远得多。安然的交易员提供私下的场外合约，并迅速获得市场力量和影响实物供应的能力，以人为制造电力短缺来推高价格和自身利润。这加剧了加州的一场能源危机，批发电力成本飙升800%，数十万人遭遇轮流停电。

算力期货不太可能重现这些情况。它们将在受监管的交易所交易，进行集中清算，并以抵押品作为担保。持仓亏损的交易员将面临追加保证金的要求，从而限制交易对手之间可能累积的损失。

然而，这些保障措施只能降低一个交易员无法向另一个交易员付款的风险。它们不能回答另一个问题：更大的损失最终会去向何处。帕特诺伊表示，期货市场可能会将风险转移给最有能力承受风险的投资者，或者转移给最不了解风险的投资者，例如在博彩和加密货币市场上经常亏损的、经验较浅的散户投资者。

让保守派对AI感到愤怒的1月6日组织者

克里斯汀•约翰逊去年夏天之前还是商品期货交易委员会的委员，该机构负责监管哈里森等人的期货市场。她看到了另一个盲点。“我们不监管科技公司，”她在谈到自己的前雇主时说。她表示，监管机构监督任何交易所的金融要素，并确保其拥有足够的资本来应对波动，但无法监管那些在其背后制定价格和基础设施的公司，也无法监管科技领袖试图炒作其销售产品的言论。她说：“我们没有能力，也缺乏管辖权限来监督部署这些产品的公司。”

约翰逊提到了保险巨头AIG的例子，该公司在全球金融危机中报告的600亿美元亏损引发了连锁反应，威胁到世界上最大的几家银行：“科技领域和金融服务都是高度集中的市场……我们有这种集中度风险，我们有交易对手信用风险，而这些风险同时出现时，其汇合或影响可能相当大，在某些情况下甚至是灾难性的。”

这并不是一种边缘性的担忧。今年夏天，为世界各国央行提供建议的国际清算银行在其年度报告中警告称，令人失望的AI回报可能引发融资突然撤退，并将资本支出热潮转变为“旷日持久的投资萧条”，其连锁反应将波及更广泛的金融体系。

在这种最坏的情况下，如果GPU租赁价格突然崩溃，出租这些芯片的新型云服务提供商的收入就会突然减少，它们用这些收入偿还的贷款就会开始变成坏账。作为抵押品的数据中心和GPU的价值也会下降，因为它们的盈利能力下降了。贷款机构蒙受损失，超大规模企业的大规模投资看起来更难证明其合理性，科技股下跌。站错边的期货交易员面临追加保证金的要求，迫使他们抛售其他资产，从而扩大损失。

杠杆是交易员喜欢期货的原因。一笔小额保证金存款可以控制大得多的头寸，当价格朝着对他们有利的方向变动时，收益会被放大。但同样的杠杆也会反向起作用。当价格下跌时，交易所要求更多的抵押品，而无法支付的交易员必须出售其他资产以筹集现金。学术界称之为保证金螺旋，最近发生在镍和英国养老金市场上的事件——以及规模较小的利奥波德•阿申布伦纳的AI对冲基金——表明这种螺旋会以多快的速度级联放大。在这些例子中，资产的快速价格变动迫使高杠杆资产持有者抛售，引发市场混乱。在英国国债市场危机中，它帮助扳倒了一位首相，并且至今仍在影响该国经济。

债务：房间里的大象

牛津大学数学教授孔特也对为支持数据中心繁荣而堆积如山的债务感到担忧。由风投、私募股权出资并由银行承销的、流入数据中心的每年8000亿美元的合同，是一场押注算力价格的大赌注。孔特说：“最大的风险实际上与这些科技公司目前为建设大型数据中心以应对未来需求而签下的巨额债务有关。”

“这是基于对当前趋势的外推，”他说，“如果外推结果被证明是错误的，那么总会有人付出代价。这笔债务高达数千亿美元，总有人持有它。”他强调，这种清算不会来自新的期货市场，“而是来自AI经济的基本底层结构。”理论上，期货不会造成这些损失，但它们可能引发传染和放大效应，因为追加保证金的要求会通过金融体系更快地传导重新定价。

孔特表示，触发因素可能是DeepSeek的继任者——这家中国AI实验室的高效模型曾在2025年1月引发股市抛售，因为它让市场质疑该行业到底需要多少昂贵的芯片。如果出现一个新模型大幅减少实用AI所需的算力，或者出现能解锁闲置芯片的软件，都可能引发类似的重新评估。最近，中国AI初创公司Moonshot在发布基准测试显示其Kimi K3正在逼近Anthropic和OpenAI的领先模型后，在业界和市场上引起了轰动。

这就是算力熊市的风险，但看涨的理由同样重要。杰文斯悖论——硅谷从事AI领域的工程师们最喜欢引用的概念——是一个有用的类比。该悖论以19世纪英国经济学家威廉·斯坦利·杰文斯命名，他计算出更高的效率可以增加总消费量——在更高效的蒸汽机发明后，英国的煤炭消费量飙升。AI领域很可能也在发生同样的事情。更便宜的AI计算“代币”带来更多的AI产品、更长的AI生成视频和其他应用。哈里森表示，30年来，即使硬件不断改进，对计算的需求也只会上升。

孔特对AI竞赛的现状感到失望，他说这种竞赛“导致了非常浪费的做法，无论是在算力方面还是在能源成本方面……这是非常不健康的。”他将其与阿波罗计划相提并论——该计划带来了巨大的技术成就和人类登月，但“作为一种将要商业化使用的技术，这不是工业界历史上开发工具的方式。”

不过，孔特仍然认为，算力的最终状态——在经历各种繁荣与萧条之后——可能最终会类似于今天高度商品化的电力市场。只是我们到达那里的过程中会有大量不必要的浪费。现在正在建立的期货市场就是对通往那个未来之路的一场押注。这也是哈里森的重大押注。一个成功的期货市场可以帮助使目前波动不定的算力成本变得更可预测、更平淡无奇，让数据中心建设者、贷款机构和AI公司有一个可预测的价格来更好地规划业务，而哈里森的交易所和其他机构则从中抽取手续费。另一面是，如果其基准被证明不可靠，且杠杆增长过快，它可能加速GPU价格未来下跌从数据中心向贷款机构和投资者的传导。

这也是对AI经济的一场押注，而孔特表示，这种经济的成本“目前还不太清楚”。华尔街很快就会向你出售算力价格的对冲工具，尽管还没有人能真正定义它。今年为内存支付了双倍价格的牛津大学数学系，显然将和其他人同时了解这些成本到底是什么。

对AI行业来说，期货市场的到来标志着算力正在成熟为一种足够重要和有利可图的商品，足以吸引华尔街的兴趣，但这也意味着该行业不可避免的价格修正不太可能局限于硅谷内部。无论算力是像猪腩市场一样最终以失败告终，还是算力需求持续超过供应、期货市场膨胀到布雷特·哈里森梦想的数万亿美元规模，交易所很快就会在那里接受你的押注。