算力交易所为何是伪命题?信贷结构锁死流动性
核心要点
剖析GPU算力市场缺乏流动性的深层原因:异构性非主因,'照付不议'融资模式导致信用捆绑,形成先有鸡还是先有蛋的死结,阻碍现货市场形成。
据 Woofun AI 消息,算力交易所愿景与现实存在巨大落差,GPU 小时交易难以形成深度流动性市场。尽管建立类似石油交易的算力市场呼声高涨,但 GPU 信贷市场的底层结构严重阻碍了现货市场的诞生,使得这一理想化构想面临严峻挑战。
当前算力市场呈现出一种反直觉的供需错配表象。若一家 AI 实验室试图获取 10 万张 GPU 以训练下一代大型模型,会发现几乎无可用容量,因为云资源已被提前数年预订一空。主流叙事常将此归咎于供不应求,认为新供应投产需数年周期。
然而,事实层面存在大量闲置算力。现有算力买家多为拥有强劲资产负债表的机构,其使用模式具有显著的非连续性:模型训练呈现突发性,仅在大规模运行时调用大部分 GPU,而在训练周期间隙算力处于闲置;推理任务则具波动性,夜间、周末及节假日用量远低于峰值,但整体容量却按最高峰值配置。
这种结构性闲置催生了建立 GPU 小时交易所的理想主义愿景,旨在通过市场机制平滑供需错配并实现价格发现。尽管 等平台允许机主挂牌少量 GPU 并自行定价,但巨型集群无法在此类平台完成交易。2026 年 3 月, 推出 Spot 服务,提供价格更低但可能被抢占的容量,然而中心化、规模庞大且流动性充裕的订单簿依然缺席。
一种常见解释指向算力的非同质化,市场上存在 H100、B200 和 B300 等不同型号,以及 InfiniBand 与 Ethernet 的网络架构差异,加之散热方案与物理位置的多样性,使得构建统一市场看似困难。但异构性并非唯一推手,原油市场同样拥有数百种品类,最终围绕 WTI 和布伦特原油等少数基准实现标准化,其他品种均基于基准定价,证明异构商品市场亦可高效运转。因此,异构性仅是部分原因,更深层的隐性原因在于 GPU 的资金支付方式,即大型 GPU 集群依赖借贷资金建设,贷款条款直接决定了算力的可交易性及交易对手范围。
Woofun AI 整理数据显示,GPU 融资主要依赖'照付不议'合同,这是一种为期多年的协议,客户无论是否实际使用算力,都必须为该容量付费,导致几乎所有算力在通电上线前即被认购。例如,CoreWeave 拥有 96% 的收入来自承诺性合同,且合同期限呈延长趋势:两年前约为 3 年,一年前为 4 年,目前大多数为 5 年,部分甚至长达 6 年。
这种融资模式的底层逻辑在于解决贷款机构对新兴资产估值的难题。假设一家数据中心愿意为 AI 实验室构建集群,但其自身缺乏数十亿美元闲置资金,需引入贷款方。面对一个未知估值的新兴市场,贷款机构难以预判 3 年后 GPU 的剩余价值或客户破产风险。'照付不议'合同通过锁定现金流及付款责任人,使放贷机构无需猜测 GPU 剩余价值,而是基于知名租户的合同收入进行承销。数据中心采购 GPU 和场地,实验室的月付租金则用于偿还贷款。
值得注意的是,租户的信用资质直接决定了数据中心的资金成本,高信用租户能降低融资利率,而高风险租户则推高资金成本。
从客户视角审视,'照付不议'合同是一把双刃剑。有利的一面在于价格在数年内被锁定,若市场价格上涨,如 的 H100 租赁价格指数在 5 月初的表现,客户成本保持不变,且在整个合同期内拥有确定的容量保障。

评论
暂无评论