AI 計算合約解析：為何 CME 正將 GPU 功率轉變為「新石油」
2026/08/23 07:56:00
從 Nvidia GPU 到合約：CME 將 AI 計算引入金融市場
人工智慧的快速擴張，已將高效能運算從一項專業的營運支出，轉變為基礎的經濟投入。圖形處理單元，特別是英偉達的 H100 及更新的 Blackwell B200 型號，為大型語言模型和其他人工智慧系統的訓練與推論提供動力。它們的租賃市場因供應限制、資料中心建設以及超大規模雲端服務商和人工智慧實驗室需求的波動，而出現劇烈的價格波動。為應對這一情況，CME 集團與 Silicon Data 合作，推出了首個與 GPU 租賃率掛鉤的標準化合約。
預計於 2026 年 10 月 5 日推出，待監管審查，這些合約旨在提供透明的價格發現、對沖工具，以及行業領袖所描述的數位經濟新工業資源的公開遠期曲線。通過將不透明且分散的 GPU 租賃定價轉化為基於 Silicon Data 指數的交易所交易合約，CME 正將計算能力打造成一種金融化商品，使 AI 開發者、雲端供應商和投資者能夠在 AI 基礎設施資本支出已超越傳統油氣行業的市場中管理成本風險。
CME 的十月上線時間表及計算合約的監管路徑
CME Group 與 Silicon Data 於 2026 年 8 月 11 日正式公布詳細計劃，將上線兩款合約：Silicon Data H100 租賃指數合約與 Silicon Data B200 租賃指數合約，交易生效日期為 2026 年 10 月 5 日，須經商品期貨交易委員會審核。這些產品將於紐約商品交易所根據 NYMEX 規則進行交易，並透過 CME 系統結算。每份合約涵蓋 730 個 GPU 小時，相當於單一 Nvidia H100 或 B200 單元約一個月的連續租賃容量，並以 Silicon Data 每日發布的每小時租賃基準進行現金結算。交易時間遵循 Globex 上標準能源產品慣例，每月上線期限延長至 36 個月。
CFTC 的程序包括白宮監管審查後可能的公眾意見徵集期，這反映了將計算作為基礎資產處理的創新性質。市場參與者指出，相關交易所交易基金的早期申報在五月初始合作公告後數日內即出現，顯示出機構興趣。成功將取決於實現足夠的流動性，以便產生的遠期曲線能作為 AI 基礎設施預期供需平衡的可靠信號。若缺乏此種深度，這些合約有風險僅停留在小眾工具，而非交易所高層所構想的廣泛風險管理工具。
矽數據指數作為 GPU 租賃定價的基準
由交易公司 DRW 支持的 Silicon Data 已開發出每日 GPU 租賃價格指數，整合來自超大規模運算商、新興雲端供應商、託管設施和私人市場平台的觀察數據。H100 和 B200 指數作為新 CME 合約的結算參考，提供以每 GPU 小時美元計的標準化小時费率。這些基準解決了長期存在的碎片化問題，即相同硬體容量可能因供應商、地區、合約期限和談判槓桿的不同而出現截然不同的價格。
透過發布一致且透明的數據，這些指數為按需計算創造了首個廣泛可用的參考價格。Silicon Data 的首席執行官 Carmen Li 強調，此前缺乏此類公開標價，迫使買方和賣方在沒有共同估值基準的情況下進行談判。合約將此基準轉化為可交易的工具，讓市場參與者能夠提前數月鎖定利率，並觀察曲線上未來租金成本的隱含預期。隨著時間推移，這些指數本身也可能演變為 AI 基礎設施利用率和投資回報的更廣泛市場指標。
合約設計詳情：規模、結算與上線結構
矽數據 H100 租賃指數合約與 B200 租賃指數合約各代表 730 個 GPU 小時的容量。報價單位為每 GPU 小時的美元與美分，最小波動為 $0.01，對應每 tick 價值為 $7.30。結算方式為與相關矽數據指數進行純金融結算，絕不進行硬體實物交割。合約每月掛牌，連續 36 個月，提供足夠深的期限，以滿足大規模模型訓練與數據中心運營常見的多年期規劃需求。
此設計在結構上類似能源合約，但針對計算資源的不可存儲特性進行了調整。閒置的 GPU 時數無法像石油桶一樣存貨，因此定價機制更強調機會成本和利用率，而非庫存變動。批量交易門檻從 5 個合約開始，便於機構規模交易。在 NYMEX 上市使這些產品與成熟的能源和金屬市場並列，突顯交易所將計算視為工業商品而非純粹科技敞口的觀點。
為何特里·達菲稱計算為二十一世紀的新石油
CME 董事長兼首席執行官 Terry Duffy 多次將算力視為數位經濟的決定性資源。他表示：「算力是 21 世紀的新石油」，並指出每一個經過訓練的 AI 模型、每一筆完成的交易，以及每一個被處理的資料位元都依賴於它。這一比較基於規模：與 AI 相關的資本支出預計在 2026 年達到 7650 億美元，首次超過石油與天然氣支出的約 6810 億美元。
正如油價合約從實物交易演變為全球風險管理與定價機制，計算力合約旨在標準化一個不透明的成本中心。CME 全球能源與環境產品主管 Pete Keavey 強調了這一類比，指出石油推動了二十世紀的經濟，並逐步發展為衍生產品市場；而計算力合約則旨在為 AI 基礎設施發揮相同的作用。這一類比凸顯了機遇與限制：計算力無法儲存，但其邊際成本的波幅已與傳統商品不相上下。
AI 資本支出超越傳統能源與需求規模
行業預測顯示，到2026年，人工智慧（AI）的資本支出預計將達到驚人的7650億美元，超越石油與天然氣行業預計的6810億美元支出。摩根士丹利的分析師以及其他金融專家將AI技術廣泛的經濟擴散描述為一項數萬億美元的機遇，而這項機遇根本上依賴於對計算資源的持續且可靠存取。訓練先進的前沿模型可能需要數萬顆高性能GPU連續運行數週至數月之久。此需求轉化為顯著的租賃或擁有成本，可能主導眾多AI實驗室的營運預算。
這種支出強度使租賃率的波動變得更加敏感。歷史數據顯示，Nvidia H100 的每小時租賃率曾經歷顯著的波幅，從早期高峰接近 $7 至 $10，下跌至約 $1.70 的低點，隨後在後期緊縮週期中反彈超過 40%。管理約 100,000 個 GPU 大型叢集的大型數據中心運營商，即使租賃率出現相對較小的變化，也可能面臨巨大的財務影響。在此背景下，合約提供了一種有效的機制，讓運營商能將這些波動的風險轉化為可管理的基差風險，而非暴露於無限的價格風險之中。
GPU 租賃市場中的價格波幅與對沖需求
GPU 租賃費用的波幅與能源商品的波幅相當顯著。此波幅由多種因素共同推動，包括晶片製造層面的供應瓶頸、數據中心電力與冷卻方面的限制，以及模型訓練需求的突然激增。這些因素導致租賃市場價格快速且常常不可預測地調整。例如，在 2025 年底至 2026 年初，某些 H100 GPU 租賃系列的價格上漲超過 38%，這說明了價格波動的幅度之大，足以擾亂財務規劃與預算流程。
參與數月訓練作業的 AI 開發者需要對未來成本有高度的確定性；同樣地，雲端供應商和新興雲端運營商也需要防範利用率下降對租金收入造成的壓力。然而，現有的股權或半導體工具與純粹計算租賃所產生的回報相關性較弱，限制了其作為對沖工具的有效性。相比之下，專屬合約透過直接接觸租金價格序列，有效填補了這一差距，從而提供更可靠的管理 GPU 租賃財務風險的方式。
AI 實驗室和超大規模運算商如何使用合約鎖定成本
一家正在為數個月後的大規模訓練計劃進行戰略規劃的 AI 實驗室，有機會購買 H100 或 B200 合約。此舉可幫助其鎖定所需硬體的最高有效租賃率。若即期利率上漲，合約所產生的收益可有效抵銷原本可能產生的更高實體租賃成本。另一方面，若超大規模運營商或新興雲端運營商預期將有過剩容量，則可主動出售合約，從而鎖定收入底線，確保財務穩定。參與這些交易的雙方均能從透明的遠期曲線中獲益，該曲線有助於指導其資本配置決策。
此外，這些合約有助於構建更複雜的金融結構，包括日曆價差。這些價差讓市場參與者能夠表達他們對當前世代硬體與下一代硬體相對稀缺性的看法。隨著市場隨時間持續增長，預計將支持在合約之上引入期權及其他衍生產品。此發展將進一步擴展基礎設施規劃者的工具箱，使他們能夠對硬體投資和資源配置做出更明智且具戰略性的決策。
投資者獲取超越晶片股的直接曝險
過去僅限於投資英偉達股權、半導體指數或私人資料中心的投資經理，現已可獲得一種純粹反映運算價格的工具。合約讓投資者能在不實際擁有硬體或設施的情況下，對 GPU 供應緊縮或放寬的預期進行策略性佈局。資產管理公司已提交相關交易所交易產品的申請，顯示市場對此類風險敞口有濃厚興趣。
由於合約為現金結算且於交易所交易，因此享有機構商品交易員熟悉的中央對手方保護與保證金效率。流動性的發展將決定大額持倉能否輕鬆建立或平倉，但商業對沖者與金融參與者的結構性需求，為成交量增長提供了積極前景。
包括 ICE 和新興平台在內的競爭努力
此領域中多個平台的同時出現，顯示行業內廣泛認可計算定價需使用標準化工具以確保一致性與可靠性。指數提供者與交易所之間的競爭，有望加速方法論的進步、擴大覆蓋範圍以納入更多代際的晶片，並提升定價的區域細緻度。隨著市場的演進，參與者最終將傾向於選擇提供最可靠結算參考與最深流動性的合約，這對於有效交易與風險管理至關重要。
將不可儲存的計算視為商品所面臨的挑戰
與石油或金屬等傳統商品不同，計算能力具有一項獨特特性：若未被使用，則會過期。這種固有的無法儲存特性，根本性地改變了商品市場中常見的經典定價關係，並可能導致動態變化出現突然跳升，特別是在新一代晶片推出或大型訓練叢集投入運行時。專注於研究 GPU 租賃系列的學術研究已記錄到其與股票市場代理指標的相關性顯著較弱，且跨資產對沖的效果有限。
這強化了開發專屬金融工具的論點，同時也顯示出市場發展初期可能出現的流動性挑戰。此外，名義上相同的 GPU 在測量吞吐量方面表現出的差異有時可超過 30%，這進一步複雜化了關於可替代性的假設。因此，指數的構建必須謹慎進行，以精確定義代表性的容量單位。這種精確性至關重要，以確保合約能為依賴這些工具滿足運營需求的商業用戶提供可靠且忠實的對沖工具。
AI 基礎設施融資的市場反應
計算力的透明遠期價格有潛力顯著改善與數據中心債務、GPU抵押貸款和長期容量協議相關的承保流程。透過提供明確且以市場為導向的預期利用率和租金收入信號，貸款方和股權投資者可受益於更為明智的決策框架，這最終可能降低新建設施的資本成本。值得注意的是，貝萊德的拉里·芬克已公開表示支持計算力合約的概念，認可其為一項新興資產類別，反映機構對此市場中巨大機遇的日益認可。
隨著市場持續成熟與成長，合約曲線本身可能演變為多項關鍵因素的先行指標，包括 AI 投資的強度、與電力需求相關的預測，以及不同世代加速器的相對稀缺性。這種演變將為業界各利益相關者提供寶貴的洞察，進一步鞏固計算合約在塑造 AI 基礎設施融資未來格局中的角色。
向成熟計算衍生產品複合體的潛在演進
H100 和 B200 合約的成功推出，有望為引入更多期限、多種晶片類型、區域版本及多種選擇鋪平道路。流動性提供者和商業用戶都將從更密集的期限結構中獲益，這些結構有助於促進更精細的風險轉移機制。能源市場中觀察到的歷史先例清楚表明，一旦建立可靠的基準，相關產品和結構化解決方案往往會迅速增加。
這些合約成功的最終衡量標準，將取決於它們能否達到必要的規模和參與度，以將運營成本轉化為透明且可對沖的市場價格。此價格將在整個 AI 價值鏈中發揮關鍵作用，影響各個利益相關者，並提升整體市場效率。
常見問題
CME 合約將以什麼作為結算依據？
合約以 Silicon Data 的每日 H100 和 B200 租賃價格指數進行現金結算，該指數彙總了超大規模運營商、新興雲端供應商及其他市場平台觀察到的每小時費率。結算無需實物交付硬體，並以公佈的指數值作為最終結算價。
合約預計何時開始交易？
CME 已將 2026 年 10 月 5 日定為首次上市的交易日期，前提是完成所有必需的商品期貨交易委員會監管審查程序。月度合約將延伸至未來 36 個月。
每個合約的規模是多少？
每個合約代表 730 個 GPU 小時，約等於單一 Nvidia H100 或 B200 單元連續租用一個月的時間。定價以每 GPU 小時的美元和美分為單位，最小報價單位為 $0.01。
為何市場參與者將計算能力稱為新的石油？
行業領袖指出，AI 的資本支出已超過傳統能源行業的開支，且每一個主要的 AI 應用都依賴於穩定獲取高性能運算資源。這一類比強調了該資源的核心地位，以及從實物市場到成熟衍生產品的歷史演進路徑。
公司是否已能透過現有產品有效對沖 GPU 成本？
目前的權益和半導體工具與純粹的 GPU 租賃率走勢僅呈現微弱相關性。因此，專屬合約填補了此前對直接價格風險轉移的未滿足需求。
Silicon Data 扮演什麼角色？
Silicon Data 提供每日基準指數，作為結算參考。該公司從多個渠道聚合定價數據，為特定 GPU 型號生成標準化、透明的每小時報價。
🔥 KuCoin 在波動市場中提供更穩定的選擇
如果您擔心市場頻繁的上下波動，並希望尋求更穩定的被動收益方式，KuCoin 是您的理想之選：
Simple Earn：隨時充幣和提幣，獲得穩定回報。
KuCoin 賺幣：透過專業資產管理，賺取穩定收益。
持幣生息：透過在資金、交易、保證金、合約、挖礦及統一帳戶中持有資產來賺取獎勵。
質押：釋放鏈上資產的收益潛力。
進階投資：進階投資提供多種結構性產品，協助您的資金在任何市場中成長。
鲨鱼鳍：本金保障與保證收益
雙幣盈：低買高賣，回報計算透明。
雪球：高收益，附價格保護。
折扣購買：以折扣價購買加密貨幣。
KCS 忠誠計劃：質押 ≥ 1 KCS 以升級，享受專屬好處。
KuCoin 財富管理：發掘未來價值，開啟您的智慧投資之旅。
KCS 優惠：持有並質押 KCS，以享有平台各項優惠。
KCS 質押 2.0：參與 KCS 鏈上治理以賺取收益。
免責聲明：此內容僅供資訊參考，不構成投資建議。加密貨幣投資存在風險，請自行進行研究（DYOR）。
免責聲明: 本頁面經由 AI 技術翻譯，旨在方便您的閱讀。欲獲取最準確資訊，請以原始英文版本為準。