英伟达H100显卡每小时租金正被制成金融合约进行交易。这听起来似乎与普通人距离甚远，但对大模型公司、云厂商以及算力租赁商而言，GPU（图形处理器）租金的每一次微小波动，都足以侵蚀部分利润。训练大模型需要长时间持续占用算力。算力价格上涨，AI企业的训练成本随之抬升；而算力租金回落时，重金购卡、自建算力集群的投资方，则要面临营收缩水与硬件资产贬值的双重压力。CME Group（芝商所）和Silicon Data（算力价格指数公司）原计划推出挂钩英伟达H100、B200显卡租赁价格的期货合约，原定10月5日在NYMEX（纽约商品交易所）挂牌，随后因该产品存在“新颖或复杂”问题被监管机构延审推迟。截至10月19日，距离美国商品期货交易委员会（CFTC）对CME Group算力期货完成延长审查还有二十几天，上市时间仍未确定。尽管如此，《经济观察报》近日采访国内头部算力租赁企业、民营算力服务商、中小算力业主、央企算力采购方、大模型公司、云厂商和AIDC（人工智能数据中心）园区运营方发现，即便这款算力期货仍处于监管延审阶段，算力可被期货化定价这件事，已经将“谁来替AI企业兜住成本风险”这一现实课题推到了中国企业面前。
**一、 探路海外：从“熟人市场”到“公开曲线”**
在纽约，单块GPU算力的小时租赁价格——即业内常称的“显卡租金”，已经被“塞”进了期货合约的设计图里。CME Group与Silicon Data设计的两只算力期货，分别挂钩英伟达H100和B200的租赁价格。但在期货合约挂牌临门一脚前，CFTC将审查期延长至11月9日完成。11月9日仅为审查截止日，并非上市日。CME Group在后续文件中已将该期货合约的初始挂牌日改为待定。一位接近海外算力交易平台的人士透露，过去GPU租赁更像是一个“熟人市场”，供需双方在私下合同中谈定价格。如今交易所试图将这种报价搬到公开市场屏幕上，将其转化为一条公开曲线。难点也正在于此。CFTC此前启动公众意见征询时，已指出GPU租赁市场“碎片化、不透明”，价格多由双边合同确定，监管担心头部主体会影响结算指数，进而操纵期货价格。
往里冲的不止CME Group。ICE（洲际交易所）已与Ornn（算力价格指数公司）合作，准备推出基于OCPI（Ornn算力价格指数）的GPU算力期货。9月29日，ICE发布公告称，自10月5日起在交易平台提供Ornn Compute Index（Ornn算力指数）参考数据和假设性每日结算价，首批合约覆盖H100和B200显卡。它们同样在等待监管程序完成。更早跑出来的是Kalshi（美国预测市场交易所）。它推出的并非NYMEX式的标准化期货，而是GPU算力价格预测合约和远期曲线。3月，Kalshi上线首批GPU算力小时价格预测合约；7月14日，又推出覆盖B200、H200、A100的算力远期曲线。Kalshi首席执行官Tarek Mansour此前公开称，算力是“新的石油”。价格波动已摆在账面上。Silicon Data公开数据及多家行业平台统计显示，H100显卡的租金曾在2024年上半年处于每GPU每小时约8美元的高位，2025年后持续下行，部分平台报价已跌至2美元以下。Kalshi相关数据显示，B200显卡的小时租金在5月30日达到6.11美元，6月21日降至4.22美元，不到一个月跌幅约31%。这正是金融机构想切入的地方。Architect（加密衍生品平台）也在推GPU算力“永久期货”，由前FTX US总裁Brett Harrison创办，产品跟踪GPU日租金和DRAM价格。Nodal Exchange则从电力市场切入，9月宣布与Compute Desk合作，拟推出GPU算力期货。
海外平台在探路，中国企业则在试算。国内头部算力租赁企业业务负责人张磊告诉《经济观察报》，他们一直关注海外GPU远期和衍生品动态，但没有直接照搬。他表示：“国内没有成熟的公开算力定价指数，行业大量交易都是私下谈出来的双边合同，所以只能把风险消化在供需双方之间。”杭州民营算力服务商周博也看过Kalshi的GPU租金远期曲线。他过去锁定过一批A800显卡，临交付时被对方砍掉30%的配额，价格还涨了15%，那次损失只能自己扛。周博说，海外曲线可以当行情参考，但真正要对抗上游配额被砍、临时涨价，现阶段还是靠多渠道备货、安全库存和商务合同。
**二、 算力大买家的焦虑**
张磊所在企业过去依靠3至5年长单、客户预付保证金，以及“闭口锁价条款”（即合同期内无论市场算力租金涨跌，双方都按约定固定价格结算），把未来算力租金波动提前锁进合同里。客户提前锁住成本，服务商也提前锁住一部分销售毛利。这套办法对头部企业有效，但对中小玩家就没那么容易。周博表示，中型服务商议价能力弱，上游拿货成本说涨就涨，下游又有大厂云服务商压价，他表示：“成本端的冲击会更致命。”他不敢把涨价全部转出去，企业的利润经常被两头挤。
算力价格波动传到使用端，变成另一种账。一家大模型公司算力基础设施负责人告诉《经济观察报》，他们现在采用自购显卡和外部租赁显卡混合的方式：核心训练集群自购一部分卡作为长期基础盘；模型调优、推理业务、临时实验和突发扩容，更多依靠外部租赁。租赁算力占比在四成上下浮动。过去一年，外部算力租金波动明显。高端训练卡价格从前两年高位回落，但一遇到货源紧张或大客户集中下单，报价又会反弹。推理卡供给更充足，租金价格下行更明显。这位负责人说，如果遇到租金单边上涨，租赁算力的成本变化可能直接影响项目毛利3到5个百分点。模型上线后持续消耗推理算力，如果显卡租金突然抬升，而面向客户的服务价格又不能同步上调，利润将很快被压薄。他们已在用实体办法避险：提前和头部算力运营商签1到2年长协，锁定基础算力规模和单价，同时留出弹性额度应对临时扩容。金融衍生品也被摆上内部会议桌，但尚未执行，财务和风控态度谨慎观望。
央企采购端的顾虑又多一层。何方是一家海洋油气央企的算力采购负责人，公司租用算力主要用于地震资料处理、油气藏数值模拟等重负载计算，一个任务可能连续跑几周甚至数月。算力一旦中断，影响的不只是租金，整个勘探项目都会延期。过去一两年，他看到国内智算园区报价波动明显。高性能进口卡租金从高位回落，但阶段性货源紧张时又会反弹；国产算力集群供给放量后，价格继续下行，不同园区间同规格算力报价能差两成。但何方最怕的不是涨价，而是签约后遇到电力缺口、限电或临时停机。项目有固定工期，算力一断，现场勘探队伍等待、资料处理延期都会变成连锁成本。他更相信实体长协，因为长协能写清楚卡型、规模、供电保障、停机赔付，而金融合约能锁价格却不能保证算力到时一定交付。
云厂商也在调自己的产品结构。一位云厂商GPU云实例产品负责人告诉《经济观察报》，小团队喜欢按小时弹性使用，大模型训练和长期推理客户更愿签包年或多年预留资源。云厂商会给重点大客户固定单价，但设置资源额度，额度内按协议价，超出部分随行就市。从租赁商到大模型公司，从央企采购方到云厂商，大家都在用合同、预付款、预留实例、多供应商采购，给算力价格波动加一道缓冲。也正因为这些“土办法”越来越多，金融机构看到了新的入口。
**三、 供给觉醒：金融机构与产业方的博弈**
南华期货已经迈出了一步。9月，南华期货旗下横华国际与Silicon Data签署战略合作备忘录，合作内容围绕GPU算力定价、远期曲线、算力互换与期权展开。Silicon Data正是CME Group两只算力期货的指数合作方，提供H100和B200显卡租赁价格指数。这份备忘录释放了一个信号：算力价格风险，开始进入国内期货机构的产品讨论里。
产业端也在等这样的工具，只是等得很谨慎。一家江苏省的智算中心企业AIDC业务负责人告诉《经济观察报》，该公司从轻资产“二房东”模式转向自建万卡级智算中心后，风险结构发生很大变化。过去做转租，行情差可以少拿卡、收缩规模；现在服务器、机柜、电力配套都是一次性大额投入，硬件一上架，折旧就是刚性的。他最担心两件事：一是未来算力租金下行，已建好的集群收入达不到预期；二是新一代芯片落地后，存量卡残值快速下跌。远期、互换这类工具能对冲一部分租金下行风险，却很难覆盖硬件本身的贬值。上述负责人表示，其企业集群里有国产卡也有进口卡，不同卡型租金曲线并不一致，如果衍生品只锚定单一型号，很难匹配混合资产池。做交易还要占用保证金，会挤压重资产项目的建设和运维资金。但他并不排斥金融机构进场，更希望先看到能锁定未来租金收入的工具。他说：“万卡集群一旦建成，固定成本已经投出去。如果未来市场租金持续下跌，上架后的收入达不到预期，会直接影响项目回报。金融机构如果能设计贴合国内智算真实行情、匹配混合卡池的远期合约，帮他们锁一部分未来收入，价值会更高。”
AI园区运营方李哲也收到了客户的锁价需求。他所在园区的大型企业、央企、头部AI公司客户多数签1到3年长约，锁定算力规模、基础电价和基础租金；中小AI团队更多选择季度、半年或按月订单。最近两年，越来越多的客户提出价格重审条款，希望每半年根据市场行情重新评估租金。如果未来金融机构推出算力远期合约，李哲愿意做桥梁，把有锁价需求的客户介绍给专业机构，但他不会自己下场做交易，担心责任边界。远期合约是金融交易，后续如果指数偏离现货、流动性不足或客户亏损，园区方很容易被卷入纠纷。
国内中小算力业主对本土工具也有期待。宁夏中卫中小算力租赁业主马洪远手里主要是昇腾910、海光DCU等国产AI算力芯片。和英伟达GPU不同，昇腾属于NPU，海光DCU为深度计算单元，并非传统图形显卡。他表示，海外算力期货挂钩英伟达H100、B200的美元租赁行情，和他们不是一个市场。芯片型号、客户群体、计价货币、交易地域都不一样，即使能参与，也没有实际对冲意义。他更希望国内能出现挂钩国产显卡租赁行情的公开价格基准。过去两年，国产算力市场分化明显：推理型国产算力供给上来后，价格一路下行；能做大模型训练的高性能国产显卡，价格相对坚挺。马洪远算过账，算力利用率低于70%基本亏损；达到80%以上才有薄利；达到90%以上才能赚到像样的利润。对他来说，价格工具最多锁住租赁单价，不能保证客户一定来租。公开价格基准有价值，但不能替代真实订单。
海外交易所还在等监管审查，国内企业已经在合同里、产品里、采购制度里先做了一轮避险。南华期货与Silicon Data的合作，把金融机构带到了门口，产业方给出的需求也越来越具体：头部租赁商想管理散租敞口，中型服务商想锁采购成本，重资产数据中心想平滑未来收入，大买家想稳定年度预算。但每个人也都在提醒同一件事：指数要贴近真实现货，合约要匹配国内卡型和交易习惯，流动性要足够，合规边界要清楚。否则，算力风险还没有被对冲，新的交易风险会先被带进来。