原文作者：David Lopez Mateos
深潮 TechFlow
導讀：媒體喜歡用一個數字概括 GPU 算力價格的漲跌，但現實是：Bloomberg 終端上四家指數提供商給出的報價彼此偏離超過 2 美元，方向和節奏也不一致。本文作者是 GPU 算力交易平台 Compute Desk 創始人 David Lopez Mateos，他用一手交易數據拆解了 H100 和 B200 的真實定價結構，揭示了一個沒有共識基準、沒有標準合約、沒有遠期曲線的原始市場——算力正在像短租公寓一樣被囤積和轉租。
媒體標題會讓你覺得 GPU 算力價格正在暴漲。這個敘事很舒適，完美契合「供給緊縮 + AI 需求無底洞」的宏觀框架，並暗示了一件令人安心的事：我們有一個運轉良好的市場，價格信號清晰可讀。
但我們沒有。這套敘事幾乎完全建立在單一指數之上，它暗示的東西不該被暗示：GPU 租賃市場已高效到可以用一個數字代表全局狀態。
供應緊缺是真實的，但不同人感受到的緊缺卻截然不同——取決於你是誰、你在哪、你交易的是什麼合約、什麼算力資產。面對這種不透明，市場的自然反應並非有序的價格發現，而是囤積：鎖定你可能還不需要的 GPU 時長，因為你不確定下個月它們是否還能以任何價格買到。有囤積、沒有透明基準的地方，碎片化的二級市場就會出現。在 Compute Desk，我們已經促成租戶像大型賽事期間轉租公寓一樣轉租他們的叢集。這不是假設，這正在發生。
指數不收斂
在成熟的大宗商品市場中，基於不同方法論構建的指數會趨於收斂。布倫特原油和 WTI 由於地理位置和原油品質會有幾美元的價差，但它們的走勢同步（圖 1）。這種收斂是高效市場的標誌。
圖註：布倫特與 WTI 原油價格走勢對比，方向高度一致
目前，Bloomberg 終端上有三家 GPU 定價指數供應商：Silicon Data、Ornn AI 和 Compute Desk。SemiAnalysis 剛剛公開了第四個——一個基於 100 多個市場參與者調查數據構建的月度 H100 一年期合約價格指數。Silicon Data 和 Ornn 發布的是每日 H100 租賃指數，Compute Desk 在 Hopper 架構層面聚合數據，而 SemiAnalysis 捕獲的是談判後的合約價，而非掛牌價或爬蟲價。方法論不同、頻率不同，對同一市場的洞察角度也不同。將它們疊加起來看，分歧一目了然（圖 2）。
圖註：四家 GPU 指數疊加對比，價格水平與走勢均明顯分歧
漲價到底發生在哪
使用 Compute Desk 數據，我們可以根據供應商類型和合約結構拆解 H100 的價格變動，並疊加 Silicon Data 的 SDH100RT 指數（圖 3）。所有指標均顯示價格上漲，但因指數和合約類型不同，起點和幅度差異巨大。
圖註：H100 按合約類型拆分的價格走勢與 SDH100RT 指數疊加
Compute Desk 的 H100 新雲（neocloud）數據講述了一個比聚合指數更具體的故事。按需定價在整個冬季相對穩定，約為 3.00 美元/小時，然後在 3 月急劇攀升至 3.50 美元。現貨定價則更為波動且較低，直到 3 月才出現小幅上漲趨勢。Silicon Data 的 SDH100RT 則呈現更平滑的穩步上升，同期從 2.00 美元漲至 2.64 美元。兩個指數持續處於不同價位，對時間節奏的描述也不同：Compute Desk 指出 3 月出現跳漲，Silicon Data 則指出是緩慢爬升。
一年期預留定價在 2 月之前基本持平，然後在 3 月底從 1.90 美元急升至 2.64 美元——並非漸進式追趕，而是一次突然的重新定價。這更像供應商在按需市場收緊後集中調整合約費率，而非持續性的結構需求驅動。
B200 的 3 月故事更為猛烈（圖 4）。Compute Desk 的按需指數在幾週內從 5.70 美元暴漲至 8.00 美元以上。Silicon Data 的 SDB200RT 從 4.40 美元飆升至 6.11 美元後回落至 5.47 美元。兩個指數都記錄了這波行情，但起點相差超過 2 美元，漲跌形態也不同。B200 僅有不到五個月的數據、更少的供應商、更大的價差，兩個指數正以非常不同的透鏡觀察同一事件。
圖註：B200 按需與預留價格走勢，Compute Desk 與 Silicon Data 數據疊加
基礎設施問題，不只是地域差異
大宗商品市場存在基差（basis differential）。阿巴拉契亞天然氣是教科書案例：龐大的儲備位於結構性受限的管線運力之上，賓夕法尼亞-俄亥俄走廊的利用率經常超過 100%，Borealis Pipeline 等新項目要到 2020 年代末才上線。
GPU 市場也存在類似情況：維吉尼亞的一塊 H100 與法蘭克福的一塊 H100 並非同一種經濟商品。但僅靠地域差異無法解釋為何同一市場的指數分歧如此之大。GPU 市場的錯位比阿巴拉契亞天然氣更嚴重。天然氣的問題在於單一缺失環節：連接供需兩端的管線運力。算力市場的基礎設施缺口同時存在於供需雙方。物理基礎設施——用於可靠分發算力所需的穩定網絡、可預期的配置與可預期的可用性——尚未成熟，有時根本無效。金融基礎設施——儘管存在物理差異但仍能壓縮價差的標準化合約、透明基準與套利機制——同樣尚未出現。
數據講述了一個故事。2026 年初試圖採購算力的真實體驗，則講述了一個更刺痛的故事。所有 GPU 類型的按需產能實際上都已售罄。想找 64 塊 H100 都很困難：Compute Desk 顯示 90% 的供應商按需叢集可用量為零，預留市場的情況也沒好到哪去。在一個運轉良好的市場中，這種稀缺程度早就會把價格推至新的均衡點。但實際上並沒有。這表明供應商本身也缺乏即時定價資訊來進行調整。價格雖在上漲，但漲得太慢，不足以出清市場。掛牌價與真實支付意願之間的缺口，正被囤積、轉租和非正式的二級市場交易填補。
需要改變什麼
當前 GPU 算力市場存在七個核心問題：
沒有共識基準。多個指數並存，方法論各異，結論互相矛盾。
聚合敘事掩蓋了結構。一個「H100 價格」的數字，掩蓋了不同供應商類型和合約期限之間的巨大差異。
缺乏交易級數據。在雙邊市場中，報價與實際成交價之間的偏差非常大。
沒有合約標準化。大多數 GPU 租賃為雙邊談判，條款各異。更短、更標準化的合約期限能改善流動性和價格發現。
交付品質無法保障。互聯拓撲、CPU 配對、網路堆疊和運行時間差異極大。買家在做出承諾之前，需要知道他們購買的算力是何種品質。
合約沒有流動性。如果需求在預留期間發生變化，選擇非常有限：要么承擔成本，要么非正式轉租。市場需要能夠轉讓或轉售已承諾算力的基礎設施，讓產能流向最需要它的人。
沒有遠期曲線。無法為遠期定價，就無法對沖。這就是為何貸款方對 GPU 抵押品給予 40%-50% 的折扣，融資成本居高不下。
要為本世紀最重要的大宗商品建立一個正常運轉的市場，不可能只靠某一條線推進。計量、標準化、合約結構、交付品質、流動性——這些必須同步前進，在那之前沒有人能真正說得清一個 GPU 小時值多少錢。