ผู้เขียนต้นฉบับ: David Lopez Mateos
แปลโดย: ชินเชียว TechFlow
คู่มือการอ่าน: สื่อชอบใช้ตัวเลขเดียวสรุปการขึ้นลงของราคาพลังงานการคำนวณ GPU แต่ความเป็นจริงคือ: ผู้ให้บริการดัชนีสี่รายบน Bloomberg Terminal ให้ราคาต่างกันเกิน 2 ดอลลาร์สหรัฐ โดยทิศทางและจังหวะไม่สอดคล้องกัน ผู้เขียนบทความนี้คือ David Lopez Mateos ผู้ก่อตั้งแพลตฟอร์มซื้อขายพลังงานการคำนวณ GPU Compute Desk ซึ่งใช้ข้อมูลการซื้อขายแบบเรียลไทม์วิเคราะห์โครงสร้างราคาที่แท้จริงของ H100 และ B200 เปิดเผยตลาดดั้งเดิมที่ไม่มีฐานอ้างอิงร่วมกัน ไม่มีสัญญามาตรฐาน และไม่มีเส้นโค้งล่วงหน้า—พลังงานการคำนวณกำลังถูกสะสมและให้เช่าต่อเหมือนอพาร์ตเมนต์เช่าระยะสั้น
หัวข้อข่าวทำให้คุณรู้สึกว่าราคาของพลังงานการคำนวณ GPU กำลังพุ่งสูงขึ้นอย่างมาก การเล่าเรื่องนี้รู้สึกสบายใจ ตรงกับกรอบมหภาคของ “อุปทานจำกัด + ความต้องการ AI ที่ไม่มีที่สิ้นสุด” และบ่งชี้ถึงสิ่งที่น่าสบายใจอย่างหนึ่ง: เรามีตลาดที่ทำงานได้ดี โดยสัญญาณราคาสามารถอ่านได้อย่างชัดเจน
แต่เราไม่มี นิทานชุดนี้สร้างขึ้นเกือบทั้งหมดจากดัชนีเดียว ซึ่งสื่อถึงสิ่งที่ไม่ควรจะถูกสื่อถึง: ตลาดเช่า GPU ได้รับประสิทธิภาพสูงจนสามารถแทนสถานะโดยรวมด้วยตัวเลขเดียวได้
ความขาดแคลนซัพพลายเป็นเรื่องจริง แต่แต่ละคนรู้สึกถึงความขาดแคลนแตกต่างกันอย่างสิ้นเชิง—ขึ้นอยู่กับว่าคุณคือใคร คุณอยู่ที่ไหน คุณซื้อขายสัญญาอะไร และทรัพยากรการประมวลผลใดที่คุณใช้ ในการเผชิญกับความไม่โปร่งใสแบบนี้ ปฏิกิริยาตามธรรมชาติของตลาดไม่ใช่การค้นหาราคาอย่างเป็นระเบียบ แต่เป็นการกักตุน: การล็อกช่วงเวลา GPU ที่คุณอาจยังไม่จำเป็นต้องใช้ เพราะคุณไม่แน่ใจว่าเดือนหน้าคุณจะยังสามารถซื้อได้ในราคาใดๆ หรือไม่ ในที่ที่มีการกักตุนแต่ไม่มีมาตรฐานที่โปร่งใส ตลาดรองที่แตกกระจายจะเกิดขึ้น ที่ Compute Desk เราได้ช่วยให้ผู้เช่าสามารถเช่าต่อคลัสเตอร์ของพวกเขาเหมือนกับการเช่าต่ออพาร์ตเมนต์ในช่วงงานใหญ่ นี่ไม่ใช่สมมติฐาน แต่กำลังเกิดขึ้นจริง
ดัชนีไม่รวมตัว
ในตลาดสินค้าโภคภัณฑ์ที่พัฒนาแล้ว ดัชนีที่สร้างขึ้นจากวิธีการต่างๆ จะมีแนวโน้มเข้าใกล้กัน น้ำมันเบรนท์และ WTI มีความแตกต่างด้านราคาประมาณไม่กี่ดอลลาร์เนื่องจากตำแหน่งทางภูมิศาสตร์และคุณภาพของน้ำมันดิบ แต่ทั้งสองมีการเคลื่อนไหวในทิศทางเดียวกัน (รูปที่ 1) การเข้าใกล้นี้เป็นสัญลักษณ์ของตลาดที่มีประสิทธิภาพ
คำอธิบายภาพ: เปรียบเทียบแนวโน้มราคาน้ำมันเบรนท์และ WTI ซึ่งมีทิศทางสอดคล้องกันอย่างมาก
ขณะนี้บนเทอร์มินัล Bloomberg มีผู้ให้บริการดัชนีราคา GPU สามราย ได้แก่ Silicon Data, Ornn AI และ Compute Desk ล่าสุด SemiAnalysis ได้เปิดเผยรายที่สี่—ดัชนีราคาสัญญาหนึ่งปีสำหรับ H100 ที่สร้างขึ้นจากข้อมูลการสำรวจผู้เข้าร่วมตลาดกว่า 100 ราย Silicon Data และ Ornn เผยแพร่ดัชนีการเช่า H100 รายวัน ในขณะที่ Compute Desk รวมข้อมูลในระดับสถาปัตยกรรม Hopper ส่วน SemiAnalysis จับข้อมูลราคาสัญญาหลังการเจรจา ไม่ใช่ราคาที่ประกาศหรือราคาที่ดึงจากเว็บสแครป วิธีการต่างกัน ความถี่ต่างกัน และมุมมองต่อตลาดเดียวกันก็ต่างกัน เมื่อนำมารวมกัน ความแตกต่างจะชัดเจนทันที (รูปที่ 2)
คำอธิบายภาพ: เปรียบเทียบกราฟรวมของดัชนี GPU ทั้งสี่แห่ง ระดับราคาและแนวโน้มแสดงความแตกต่างอย่างชัดเจน
การขึ้นราคาเกิดขึ้นที่ไหน
โดยใช้ข้อมูล Compute Desk เราสามารถแยกแยะการเปลี่ยนแปลงราคาของ H100 ตามประเภทผู้ผลิตและโครงสร้างสัญญา พร้อมทั้งทับซ้อนกับดัชนี SDH100RT ของ Silicon Data (รูปที่ 3) ตัวชี้วัดทั้งหมดแสดงว่าราคาอยู่ในแนวโน้มที่เพิ่มขึ้น แต่จุดเริ่มต้นและระดับการเปลี่ยนแปลงแตกต่างกันอย่างมากตามดัชนีและประเภทสัญญา
คำอธิบายภาพ: ราคาตามประเภทสัญญาของ H100 พร้อมกับดัชนี SDH100RT ที่ทับซ้อนกัน
Compute Desk ของ H100 neocloud นำเสนอเรื่องราวที่เฉพาะเจาะจงกว่าดัชนีรวม โดยราคาแบบจ่ายตามการใช้งานมีความคงที่ค่อนข้างสม่ำเสมอตลอดฤดูหนาวที่ประมาณ 3.00 ดอลลาร์ต่อชั่วโมง ก่อนจะพุ่งสูงขึ้นอย่างฉับพลันในเดือนมีนาคมไปที่ 3.50 ดอลลาร์ ในขณะที่ราคาสัญญาซื้อขายล่วงหน้ามีความผันผวนมากกว่าและต่ำกว่า จนกระทั่งมีแนวโน้มเพิ่มขึ้นเล็กน้อยในเดือนมีนาคม ส่วน SDH100RT ของ Silicon Data แสดงการเติบโตอย่างราบเรียบและต่อเนื่อง โดยเพิ่มขึ้นจาก 2.00 ดอลลาร์เป็น 2.64 ดอลลาร์ในช่วงเวลาเดียวกัน ดัชนีทั้งสองยังคงอยู่ในระดับราคาที่ต่างกันอย่างต่อเนื่อง และให้ภาพของจังหวะเวลาที่แตกต่างกัน: Compute Desk บอกถึงการกระโดดขึ้นในเดือนมีนาคม ในขณะที่ Silicon Data บอกถึงการไต่ระดับอย่างช้าๆ
ราคาที่จองไว้สำหรับหนึ่งปีมีความคงที่จนถึงก่อนเดือนกุมภาพันธ์ แล้วจึงพุ่งขึ้นอย่างฉับพลันจาก 1.90 ดอลลาร์เป็น 2.64 ดอลลาร์ในปลายเดือนมีนาคม—ไม่ใช่การค่อยๆ ตามให้ทัน แต่เป็นการปรับราคาอย่างทันทีทันใด สิ่งนี้ดูเหมือนผู้จัดจำหน่ายกำลังปรับอัตราค่าบริการในสัญญาอย่างรวมศูนย์หลังจากตลาดตามความต้องการเข้มงวดขึ้น มากกว่าการขับเคลื่อนด้วยความต้องการเชิงโครงสร้างอย่างต่อเนื่อง
เรื่องราวของ B200 ในเดือนมีนาคมรุนแรงกว่ามาก (รูปที่ 4) ดัชนีตามความต้องการของ Compute Desk พุ่งจาก 5.70 ดอลลาร์เป็นมากกว่า 8.00 ดอลลาร์ภายในไม่กี่สัปดาห์ ในขณะที่ SDB200RT ของ Silicon Data พุ่งจาก 4.40 ดอลลาร์ไปแตะ 6.11 ดอลลาร์ ก่อนลดลงเหลือ 5.47 ดอลลาร์ ดัชนีทั้งสองบันทึกการเคลื่อนไหวนี้ แต่จุดเริ่มต้นต่างกันเกิน 2 ดอลลาร์ และรูปแบบการขึ้นและลงก็ไม่เหมือนกัน B200 มีข้อมูลน้อยกว่าห้าเดือน ผู้ให้บริการน้อยกว่า และช่องว่างราคาใหญ่กว่า ดัชนีทั้งสองกำลังมองเห็นเหตุการณ์เดียวกันผ่านเลนส์ที่ต่างกันอย่างมาก
คำอธิบายภาพ: แนวโน้มราคาของ B200 แบบตามความต้องการและแบบจองล่วงหน้า พร้อมข้อมูลจาก Compute Desk และ Silicon Data ที่ทับซ้อนกัน
ปัญหาโครงสร้างพื้นฐาน ไม่ใช่แค่ความแตกต่างทางภูมิภาค
ตลาดสินค้าโภคภัณฑ์มีความแตกต่างของราคาพื้นฐาน (basis differential) แก๊สธรรมชาติแอปพาเลเชียนเป็นตัวอย่างในตำราเรียน: ปริมาณสำรองขนาดใหญ่ตั้งอยู่บนความสามารถในการขนส่งผ่านท่อที่มีข้อจำกัดเชิงโครงสร้าง การใช้งานในเขตลำธารเพนซิลเวเนีย-โอไฮโอมักเกิน 100% โครงการใหม่ๆ เช่น Borealis Pipeline จะเริ่มให้บริการในช่วงปลายทศวรรษ 2020
ตลาด GPU มีสถานการณ์คล้ายกัน: GPU H100 ที่เวอร์จิเนียและ GPU H100 ที่แฟรงก์เฟิร์ตไม่ใช่สินค้าทางเศรษฐกิจเดียวกัน แต่ความแตกต่างทางภูมิศาสตร์เพียงอย่างเดียวไม่สามารถอธิบายได้ว่าทำไมดัชนีวัดตลาดเดียวกันจึงมีความแตกต่างกันมากขนาดนี้ ความไม่สอดคล้องกันของตลาด GPU รุนแรงกว่าก๊าซแอปพาเลเชียน ปัญหาของก๊าซคือจุดเชื่อมต่อที่ขาดหายเพียงจุดเดียว: ความสามารถในการขนส่งผ่านท่อเชื่อมระหว่างอุปสงค์และอุปทาน ช่องว่างด้านโครงสร้างพื้นฐานของตลาดพลังการคำนวณอยู่ทั้งที่ด้านอุปสงค์และอุปทาน โครงสร้างพื้นฐานทางกายภาพ—เครือข่ายที่เชื่อถือได้ การตั้งค่าที่คาดการณ์ได้ และความพร้อมใช้งานที่คาดการณ์ได้ ซึ่งจำเป็นสำหรับการกระจายพลังการคำนวณอย่างสม่ำเสมอ—ยังไม่พัฒนาเพียงพอ และบางครั้งก็ไม่ทำงานเลย โครงสร้างพื้นฐานทางการเงิน—สัญญามาตรฐาน ฐานอ้างอิงที่โปร่งใส และกลไกการซื้อขายแบบอาร์บิตราจที่สามารถบีบอัดช่องว่างราคาแม้มีความแตกต่างทางกายภาพ—ก็ยังไม่มีอยู่
ข้อมูลเล่าเรื่องหนึ่ง ประสบการณ์จริงในการซื้อพลังงานการคำนวณเมื่อต้นปี 2026 ได้เล่าเรื่องที่เจ็บปวดยิ่งกว่า กำลังการผลิตแบบเรียกใช้งานทันทีสำหรับ GPU ทุกประเภทแทบหมดสต็อกแล้ว การหา GPU H100 จำนวน 64 ตัวก็ยากลำบาก: Compute Desk แสดงว่า 90% ของผู้ให้บริการมีปริมาณคลัสเตอร์แบบเรียกใช้งานทันทีเป็นศูนย์ และตลาดแบบจองล่วงหน้าก็ไม่ดีขึ้นเท่าใดนัก ในตลาดที่ทำงานได้ดี ความขาดแคลนระดับนี้ควรจะผลักดันราคาไปสู่จุดสมดุลใหม่แล้ว แต่ในความเป็นจริงกลับไม่เป็นเช่นนั้น ซึ่งแสดงว่าผู้ให้บริการเองก็ขาดข้อมูลการกำหนดราคาแบบเรียลไทม์เพื่อปรับเปลี่ยน ราคาเพิ่มขึ้น แต่เพิ่มช้าเกินไปที่จะทำให้ตลาดสมดุล ช่องว่างระหว่างราคาที่ประกาศกับความตั้งใจจ่ายจริงกำลังถูกเติมเต็มโดยการกักตุน การเช่าต่อ และการซื้อขายในตลาดรองแบบไม่เป็นทางการ
ต้องเปลี่ยนอะไร
ปัจจุบันตลาดพลังการคำนวณ GPU มีปัญหาหลักอยู่เจ็ดประการ:
ไม่มีมาตรฐานการให้คะแนนที่เป็นที่ยอมรับร่วมกัน ดัชนีหลายตัวมีอยู่พร้อมกัน วิธีการต่างกัน และสรุปผลขัดแย้งกัน
การรวมเรื่องราวซ่อนโครงสร้างไว้ ตัวเลขหนึ่งตัวอย่างเช่น “ราคา H100” ได้ซ่อนความแตกต่างอย่างมากระหว่างประเภทผู้จัดจำหน่ายและระยะเวลาสัญญา
ข้อมูลระดับการซื้อขายไม่เพียงพอ ในตลาดคู่ ความแตกต่างระหว่างราคาเสนอซื้อและราคาที่ทำธุรกรรมจริงมีค่าสูงมาก
ไม่มีสัญญาที่ได้รับมาตรฐาน การเช่า GPU ส่วนใหญ่เป็นการเจรจาแบบสองฝ่าย โดยมีเงื่อนไขต่างกันไป ช่วงเวลาสัญญาที่สั้นลงและได้รับมาตรฐานจะช่วยปรับปรุงสภาพคล่องและการค้นหาราคา
คุณภาพของการจัดส่งไม่ได้รับการรับประกัน โครงสร้างเครือข่าย การจับคู่ CPU ชั้นเครือข่าย และความแตกต่างของเวลาในการทำงานมีความหลากหลายอย่างมาก ผู้ซื้อจำเป็นต้องรู้ว่าพลังการคำนวณที่พวกเขาซื้อมีคุณภาพอย่างไร ก่อนที่จะให้คำมั่น
สัญญาไม่มีสภาพคล่อง หากความต้องการเปลี่ยนแปลงในช่วงการจอง ตัวเลือกมีจำกัด: either รับต้นทุน หรือ เช่าต่อแบบไม่เป็นทางการ ตลาดต้องการโครงสร้างพื้นฐานสำหรับการโอนหรือขายต่อพลังการคำนวณที่ได้รับการรับรอง เพื่อให้กำลังการผลิตไหลไปยังผู้ที่ต้องการมากที่สุด
ไม่มีเส้นโค้งล่วงหน้า ไม่สามารถกำหนดราคาล่วงหน้าได้ จึงไม่สามารถป้องกันความเสี่ยงได้ นี่คือเหตุผลที่ผู้ให้กู้ลดมูลค่าหลักประกัน GPU ลง 40%-50% และต้นทุนการระดมทุนยังคงสูง
การสร้างตลาดที่ทำงานได้อย่างมีประสิทธิภาพสำหรับสินค้าโภคภัณฑ์ที่สำคัญที่สุดของศตวรรษนี้ ไม่สามารถทำได้ด้วยการขับเคลื่อนเพียงด้านเดียว การวัดผล มาตรฐาน การออกแบบสัญญา คุณภาพการจัดส่ง และสภาพคล่อง — สิ่งเหล่านี้ต้องก้าวไปพร้อมกัน ก่อนที่จะมีใครสามารถระบุได้อย่างชัดเจนว่าหนึ่งชั่วโมง GPU มีมูลค่าเท่าใด