算力交易市场建模调研:总览与逐题回答
本笔记是四份详细报告的导读与综合回答。每个市场按同一套问题回答:交易什么 → 谁在交易 → 主体有多复杂 → 为什么交易(动机/目标函数)→ 哪些行为理性、哪些不理性、为什么。最后把三类传统市场映射到算力市场,给出第一版建模框架。
详细报告(各篇附出处和观察日期):
标记沿用报告约定:**【事实】有公开来源;【推断】为经济解释或建模建议;【待核实】**为缺口。本页数字均出自上述报告,出处见对应报告文末。信息截止日为 2026-10-28。
〇、先建立一套通用的分析框架
讲具体市场之前,先统一几个概念。后面四个市场都用这套框架拆解,建模时也可以直接沿用。
0.1 描述一个市场主体的“八个维度”
| 维度 | 要回答的问题 | 举例 |
|---|---|---|
| 规模 | 有多少钱、多少货、占多少份额 | 散户持股约三成,但贡献约七成成交 |
| 动机 | 为什么要进场交易 | 赚钱、避险、保供、完成考核、政策目标 |
| 目标函数 | 具体在最大化/最小化什么 | 绝对收益、相对排名、加工费、现金流不断裂 |
| 约束 | 什么限制了它的选择 | 资金、杠杆、保证金、监管、合同、预算不可结转 |
| 信息 | 它知道什么、不知道什么 | 冶炼厂知道自己库存,不知道全球需求 |
| 时间尺度 | 决策频率与持有期 | 高频量化以毫秒计,矿山投资以十年计 |
| 理性程度 | 行为在“目标+约束+信息”下是否最优 | 见 0.2 |
| 互动 | 它的对手方是谁,如何影响别人 | 套保者把价格风险转给投机者 |
0.2 “理性 / 非理性”怎么判断
这是你最关心的问题。四份报告的共同结论是:**很多看起来不理性的行为,换成该主体真实的目标函数和约束后,其实是理性的。**判断分三层:
- 完全理性:在给定目标、约束和信息下选了最优动作。例如冶炼厂卖出期货锁定价格,即使事后期货亏钱,也是理性的套期保值。
- 约束下理性(看似非理性):从“整体最赚钱”看是错的,但对该主体自己的考核、合同或现金约束是最优的。典型例子:
- 基金经理抱团买热门股:按相对排名考核,跟错了大家一起错,比独自错更安全。
- 被迫平仓:保证金不足时只能卖出,即使明知价格被低估。
- 年底突击采购:预算不能结转到下一年。
- 新云低于全成本出租旧卡:只要收入覆盖可避免成本,就能改善现金流。
- 真正的行为偏差(非理性):系统性、可重复、违背自身利益的偏差,例如处置效应(过早卖盈利股、死扛亏损股)、彩票偏好、过度自信、羊群/FOMO、锚定、沉没成本谬误。
【推断】建模原则:先建一个“无心理偏差、但约束异质”的基线模型,再逐个加入行为偏差。否则分不清波动来自制度约束还是心理偏差。
0.3 “主体复杂性”的五个来源
| 来源 | 含义 | 后果 |
|---|---|---|
| 异质性 | 资金、信息、期限、目标各不相同 | 同一价格信号引出相反动作 |
| 反身性 | 价格改变预期,预期又改变价格 | 泡沫与踩踏 |
| 杠杆 | 借钱放大头寸 | 价格下跌触发强平,引发连锁抛售(保证金螺旋) |
| 委托—代理 | 操盘人与出资人的目标不一致 | 追排名、追规模、避免“独自犯错” |
| 制度/政策 | 规则改变可行动作 | 涨跌停、T+1、出口管制、补贴考核 |
一、A 股市场
1.1 交易的是什么
【事实】交易的是公司股权份额。它是标准化的,同一只股票每一股权利相同,可以无限期持有。成交依靠交易所集中的限价订单簿:开盘集合竞价,盘中连续竞价,按价格优先、时间优先撮合。A 股特有的制度包括:
- T+1:当天买入,次日才能卖出。
- 涨跌停:主板单日 ±10%,创业板和科创板 ±20%。
- 融资融券:可以借钱买股,也可以借股票卖出。
- 股指期货:可用于对冲。
量级方面,2026 年 9 月 A 股总市值约 111 万亿元,日均成交约 1.8 万亿元。
1.2 主体有哪些、为什么交易
| 主体 | 主要动机 | 实际目标函数 | 关键约束 |
|---|---|---|---|
| 散户(按资产分层) | 财富增值、娱乐、博取暴富 | 主观效用,含博彩快感;小资金户偏好低价“彩票股” | 信息弱、资金小、易受情绪和社交媒体影响 |
| 公募主动基金 | 管理费收入 | 相对排名、规模增长(规模决定管理费) | 仓位与集中度限制、赎回压力 |
| 被动/指数基金 | 跟踪指数 | 跟踪误差最小 | 必须按指数权重买卖,对价格不敏感 |
| 私募 | 业绩报酬 | 绝对收益、高水位线 | 募资、清盘线 |
| 量化/高频 | 统计套利、做市价差 | 夏普比率、容量 | 监管(程序化交易报告)、拥挤度 |
| 保险、社保、养老金 | 负债匹配 | 长期稳定收益、偿付能力 | 权益仓位上限、会计波动 |
| 券商自营、做市 | 价差与佣金 | 资本回报 | 净资本监管 |
| 外资(QFII、北向) | 全球配置 | 全球相对收益 | 汇率、额度、地缘政治 |
| “国家队”(汇金、证金等) | 稳定市场 | 防止系统性踩踏,属于政策目标而非利润 | 政策授权 |
| 产业资本、上市公司 | 融资、回购、减持 | 控制权、公司价值、个人流动性 | 减持规则、信息披露 |
| 游资 | 短线题材 | 快进快出的短期收益 | 涨跌停、监管问询 |
| 监管 | 市场稳定、投资者保护 | 多目标 | — |
1.3 复杂性:A 股最突出的特征
【事实】**交易量和持股量严重不对称。**2014–2015 年,家庭投资者持有约 25.1% 的市值,却贡献了约 86.6% 的成交。2024 年的估计为:散户持股约 32.3%,交易量约 70%。2024 年 4 月,程序化交易持股仅约 5%,却贡献了约 29% 的成交。
【推断】换句话说,决定价格短期波动的主体,和决定资产长期归属的主体不是同一批。建模时必须把“持仓者”和“交易者”分开。
1.4 理性与非理性
| 行为 | 判断 | 逻辑 |
|---|---|---|
| 散户处置效应、过度交易、追涨 | 行为偏差 | 有大量实证;交易越多,收益越差 |
| 散户偏好低价小盘“彩票股” | 偏差,但符合博彩效用 | 用小钱买极小概率的暴富 |
| 公募抱团热门赛道 | 约束下理性 | 相对排名考核,加上规模与管理费挂钩 |
| 指数基金不看价格买卖 | 规则理性 | 目标是跟踪指数,不是选股 |
| 2015 年杠杆资金被强平、踩踏 | 个体被迫理性,集体灾难 | 保证金约束迫使卖出,卖出又压低价格,形成螺旋(Bian 等的研究) |
| 2024 年初微盘股、雪球产品、DMA 踩踏 | 同上 | 结构化产品的敲入机制,加上杠杆与拥挤 |
| “国家队”在暴跌中买入 | 政策理性 | 目标函数是系统稳定,不是利润 |
| 2024 年 9 月政策驱动行情 | 理性预期与羊群交织 | 政策信号改变预期,随后被情绪放大 |
1.5 对算力建模的意义
【推断】A 股可以借鉴的是:订单簿撮合、异质预期、杠杆螺旋、做市商、制度规则如何塑造行为。不可直接借鉴的是:股票可无限期持有、高度标准化、可做空。而“GPU 小时”过期即作废,且高度异质。
二、有色金属现货市场(以铜为主)
详见有色金属现货交易市场:以铜为主线的市场结构与算力建模启示。
2.1 交易的是什么
【事实】交易的是有形的实物货物:带牌号、品牌、纯度,有交货地点和交期。定价的关键在于:现货不是独立定价,而是
现货价 = 期货基准价(LME/SHFE) + 升贴水(premium/discount)
再配合以下机制:
- 点价/作价期(QP):买方在约定时段内选择以哪天的期货价结算。
- 长单/零单:年度合同与临时成交。
- 加工费(TC/RC):矿山付给冶炼厂的冶炼费,冶炼厂的利润主要来自这里。
- 报价机构:SMM、长江有色、Mysteel、Fastmarkets、Argus 等提供升贴水参考。
- 洋山铜溢价与进口套利公式:国际与国内价差扣除运费、关税、汇率后,决定进口是否有利可图。
2.2 主体与动机
| 主体 | 规模锚点(来自报告02) | 动机/目标函数 | 关键特征 |
|---|---|---|---|
| 矿山 | BHP 年产铜 200 万吨以上;紫金 109 万吨 | 卖出精矿、锁定现金流;产量和成本是核心 | 投资周期长达 5–10 年,短期供给几乎无弹性 |
| 冶炼厂 | 江西铜业产能 200 万吨以上 | 赚加工费,不赌铜价,价格风险用期货对冲 | 利润取决于 TC/RC,而不是铜价 |
| 加工厂/终端 | 线缆、电机、空调、汽车 | 赚加工费,原料成本转嫁给客户 | 需要稳定供货,库存是生产缓冲 |
| 贸易商 | Glencore 年经营 380 万吨 | 赚时间、空间、质量价差和物流价值;掌握信息 | 高周转、高杠杆、靠贸易融资 |
| 废料回收 | — | 精废价差 | 对价格敏感,供给弹性较大 |
| 仓储/物流 | — | 仓储费 | 库存可见性的关键环节 |
| 银行/贸易融资 | — | 利息与抵押安全 | 2014 年青岛港重复质押事件 |
| 国储 | 2021 年投放储备 | 战略安全、平抑价格(政策目标函数) | 吞吐行为可改变市场预期 |
| 政府 | 出口管制(镓/锗、锂电相关) | 产业与安全 | 规则冲击 |
2.3 复杂性
- 产业链很长(矿 → 精矿 → 冶炼 → 加工 → 终端,再加上废料回收)。每一环都有库存和交期,因此有牛鞭效应:终端需求的小波动,被每一环的“目标库存+安全库存”逐级放大。
- 库存分三种:可见库存(交易所仓单)、隐性库存(贸易商与保税区)、可用库存(真正能马上交付的)。【推断】这对算力极其重要,因为“挂牌的 GPU”不等于“可交付的 GPU”。
- 融资属性:铜可以质押融资,于是出现“融资铜”。当抵押折价率收紧时(报告示例:货值从 100 跌到 90、折价率从 80% 降到 70%,借款人需要补的资金缺口为 17),会出现被迫抛货的螺旋。
2.4 理性与非理性
| 行为 | 判断 | 逻辑 |
|---|---|---|
| 冶炼厂、加工厂做套期保值 | 理性 | 主营是加工费,不赌价格 |
| 短缺时囤库存、多渠道重复下单 | 个体理性,集体放大 | 断供损失很大,但重复下单会让上游误判需求(牛鞭效应) |
| 贸易商在升水高时囤货 | 理性套利,有风险 | 前提是有融资和仓储能力 |
| 融资铜、重复质押 | 监管套利乃至欺诈 | 利用信息不对称;2014 青岛港案(Mercuria v Citibank) |
| 国储收储/抛储 | 政策理性 | 目标不是利润 |
2.5 对算力建模的意义
【推断】GPU 硬件买卖与金属现货非常像:经纪商和贸易商、质量异质、升贴水定价、库存、配额与交期、抵押融资、出口管制带来的区域价差。产业链映射为:
芯片厂 ≈ 矿山 | OEM/ODM ≈ 冶炼厂 | 云/新云 ≈ 加工厂 | 模型推理商 ≈ 深加工 | token ≈ 终端加工品
此外,CoreWeave 合同的加权期限约 5 年,与金属长单类似,都是用长约支撑融资。
三、有色金属期货市场
3.1 交易的是什么
【事实】交易的是未来某日交割标准化货物的合约,而不是货物本身:
- 保证金 + 逐日盯市:只付一小部分押金,每天按收盘价结算盈亏,亏损时必须追加保证金。LME 有特殊的折价/或有变动保证金安排。
- 交割:通过仓单完成实物交割,多数合约到期前就会平仓。
- 基差 = 现货价 − 期货价。
- 期限结构:
- 正向市场(contango):远期价格更高,表示库存充足,持有有回报。
- 反向市场(backwardation):近期价格更高,表示现货紧缺。
- 定价公式:期货价 ≈ 现货价 + 仓储费 + 资金成本 − 便利收益。其中,“便利收益”指手上有现货带来的保供价值。
主要交易所包括 LME、SHFE/INE、COMEX,以及做碳酸锂的广州期货交易所(GFEX)。
3.2 主体与动机:三大类加基础设施
| 类别 | 主体 | 动机 | 目标函数 |
|---|---|---|---|
| 套保者 | 矿山、冶炼厂、加工厂、贸易商、国储 | 转移价格风险 | 最小化整体(现货+期货)收益的方差;最优套保比率 h* = Cov(ΔS, ΔF)/Var(ΔF) |
| 投机者 | 散户、自营、CTA(趋势跟踪)、宏观基金、指数基金 | 承担风险换取收益 | 期望收益、夏普比率;CTA 按规则追趋势 |
| 套利者 | 期现套利、跨市场(LME↔SHFE)、跨期 | 无风险或低风险价差 | 价差扣除成本 |
| 做市商 | 交易所指定做市商 | 买卖价差 | 库存风险最小化 |
| 基础设施 | 期货公司、交易所、中央对手方(CCP)、监管 | 手续费、市场完整性 | 违约不外溢 |
【事实】2026-10-20 的 COMEX 铜细分期货持仓中,生产/贸易/加工/使用者合计净空 77,406 手,管理资金净多 47,690 手。两类方向相反,与风险转移相容,但不能识别逐笔交易的对手方或动机。上期所 10 月 27 日 cu2611 的前 20 名会员持多占 69.81%、持空占 68.11%;这是席位集中度,不是终端客户份额。
3.3 复杂性
- 杠杆和逐日盯市造成非线性:价格不利变动 → 追加保证金 → 无钱则强平 → 进一步推动价格,即保证金螺旋。
- 实物交割的稀缺性会被利用:如果一方控制了可交割库存,空头无货可交,就会被逼仓。
- 金融化:指数基金和 CTA 让金属价格更多受宏观和资金流驱动,而不仅是供需。
3.4 理性与非理性
| 行为/事件 | 判断 | 逻辑 |
|---|---|---|
| 冶炼厂卖期货,事后期货亏钱 | 理性 | 套保看整体,现货端赚回来了 |
| 投机者净多 | 理性 | 承担风险,获取风险溢价;同时为套保者提供流动性 |
| CTA 趋势跟踪 | 规则理性,集体放大 | 动量效应,同向交易造成拥挤 |
| 1996 住友铜事件(滨中泰男) | 委托—代理与欺诈 | 交易员隐瞒亏损,长期操纵 |
| 2005 国储铜事件 | 越权投机,加上风控失灵 | 套保机构的交易员变成了大额投机空头 |
| 2022 LME 镍逼空 | 空头保证金危机,交易所干预 | 青山集团持有巨额空头,镍价一日内暴涨;LME 取消交易,后被 FCA 罚款 920 万英镑 |
| 保证金螺旋 | 个体被迫理性,集体灾难 | 与 A 股 2015 年同一机制 |
3.5 对算力建模的意义:最重要的一个结论
【推断】GPU 小时不能储存,所以 GPU 租赁期货更像电力期货,而不像铜期货。
- 铜期货可以用“持有成本”定价:今天买铜放进仓库,到期交割。
- 今天空闲的 GPU 小时无法留到下个月用,所以持有成本套利不成立。期货价只能由“对未来现货的预期 + 风险溢价”决定,期限结构可以剧烈变化。
- 电力市场的经验可以直接借鉴:分时段合约(基荷/峰荷)、节点价格、价格上限、现金结算。
【事实】截至 2026-10-28,算力衍生品仍处于起步阶段:
- Silicon Data 有 H100 租价指数(SDH100RT)。
- Ornn 与 ICE 合作推出 OCPI 指数。
- CME/NYMEX 计划推出以 730 GPU 小时为单位、现金结算的 H100/B200 租价期货,原定 10 月上线,后宣布延期,等待监管审查。
- CFTC 已发布《Request for Comment on the Listing of Compute Derivatives Contracts》,就算力现货市场规模、操纵风险、永续期货等征求意见(本笔记已核对官网原文)。
目前没有成熟的算力期货成交和持仓数据。
四、算力交易市场:GPU 租赁、GPU 买卖、token 买卖
详见算力交易市场现状与主体。
4.1 三层标的:不能合并定价
| 标的 | 买到的东西 | 计价单位 | 到期后剩下什么 | 最像哪个传统市场 |
|---|---|---|---|---|
| GPU 买卖 | 硬件所有权 | 美元/卡、节点、机柜 | 可转售的设备,但需要机房、电力和网络才能用 | 金属现货 |
| GPU 租赁 | 指定时段使用指定硬件的权利 | GPU·小时、月租、多年集群合同 | 时段消逝,机器仍归卖方 | 电力 |
| token 买卖 | 某模型处理输入、生成输出的 API 服务 | 每百万输入/输出/缓存 token | 生成的结果(不可转给别人复用) | 加工品/服务,但没有固定的“投入产出率” |
【推断】三层的关系是:硬件 → 加上机房、电力和运维,成为 GPU 小时 → 加上模型和推理优化,成为 token。**同一笔最终支出会依次表现为推理商收入、云租赁收入、硬件采购,三层交易额不能相加。**另外注意,这里的 token 是模型计量单位,不是加密货币。
4.2 市场现状要点
GPU 租赁分三层:
- 超大规模云:AWS、Azure、GCP、OCI,以及国内阿里、腾讯、华为和运营商。
- GPU 新云:CoreWeave、Lambda、Nebius、Crusoe 等。
- 撮合平台:Vast.ai、RunPod、SF Compute、Akash。
【事实】交易机制有多种:双边多年长约、承诺消费折扣、按需、可中断 spot、容量订单簿(SF Compute)、反向拍卖(Akash)。AWS 的 spot 价格是平台逐步调整的,并非实时竞价。
中国:国家算力网不是统一交易所,而是由上海、北京、贵州、宁夏、武汉等多个平台互联,并叠加算力券和地方智算中心。
- 【事实】截至 2026-08,官方公布有 20 余家调度主体入驻国家试验验证平台,145 万 PFLOPS(FP16)纳入监测。
- 【事实】“接入”“可调度”“已成交”是不同口径。
价格(美元/GPU·小时):H100 复合指数从 2023 年下半年的 6.62 降至 2025 年 7 月的 2.79。一年期合同是另一列报价:2025 年 10 月区间为 1.45–1.95,2026 年 3 月为 2.00–2.70。后一个区间不是复合指数的下一个点。
GPU 买卖:
- 一级市场是配额加交期,而不是统一价格。
- 二级市场靠经纪商。H100 SXM5 二手报价约 2.2–2.7 万美元,仅为单一卖方报价。
- 出口管制造成区域分割:2026-01-13 起,BIS 对 H200 等改为逐案审查(已核对官网)。
- GPU 抵押贷款已经存在(CoreWeave 2023 年融资 23 亿美元)。
token:
- 输入、输出、缓存、Batch、高低峰、优先级各自定价。
- 能力成本前沿在 2022–2024 年下降超过 280 倍,但同一厂商在升级后也会涨价。
- 聚合路由(如 OpenRouter)与灰色中转(账号来源和模型身份有风险)要分开对待。
4.3 主体、动机与目标函数
| 主体 | 为什么进场(动机) | 目标函数 | 关键约束 | 类比 |
|---|---|---|---|---|
| 芯片厂(NVIDIA、AMD、国产) | 卖卡、扩大软件生态 | 利润 + 生态延续 | 先进制程、HBM、封装、出口许可 | 矿山 |
| OEM/ODM、集成商 | 集成和交付 | 集成毛利 − 资金占用 | 配额、营运资金、验收 | 冶炼厂 |
| 超大规模云 | 云生态与客户留存 | 整体生态利润(GPU 单项低毛利也可接受) | 资本预算、供电 | 综合加工巨头 |
| GPU 新云 | 把 GPU 变成租金 | 名义上是长期利润,实际常是“下期现金不断裂” | 高杠杆、客户集中(CoreWeave 2025 年 Microsoft 约占收入 67%) | 高杠杆贸易商/加工厂 |
| IDC/电力/矿工转型 | 提高电力和土地的价值 | 长期可收费功率的现金流 | 并网、冷却;矿场 MW 不等于 AI 可交付容量 | 仓储/能源 |
| 金融资本(PE、私募信贷、银行、ABS) | 风险调整收益 | 利息、抵押回收、股权增值 | 难判断技术残值;客户与抵押品同受 AI 需求冲击(错向风险) | 贸易融资银行 |
| 大实验室/模型公司 | 保证训练集群、抢发布窗口 | 研发速度 + 产品收入 − 成本 − 延期损失 | 资金、需要大规模同质互联集群 | 大型终端用户(签长单) |
| AI 应用公司 | 服务用户 | 单客毛利、现金跑道 | 质量、SLA、预算 | 中小加工厂(买零单) |
| 科研机构 | 按期完成实验 | 科研产出、公平 | 预算周期、采购规章 | — |
| 个人开发者 | 学习、项目 | 效用 − 价格 − 维护时间 | 小额资金 | 散户 |
| 撮合平台、经纪商 | 降低搜索与验货成本 | 佣金 − 履约/声誉损失 | 市场异质、薄 | 经纪商/报价机构 |
| token 中间商 | 路由服务费(合法)或价差(灰色) | 服务毛利;灰色者追逐短期现金 | 上游封禁、身份风险 | 贸易商 / 灰色渠道 |
| 政府/公共平台 | 产业、科研、安全、区域发展 | 多目标公共效用;考核口径决定行为 | 财政、能耗、任期与投资周期错配 | 国储 + 监管 |
一个关键区别:金属期货有分类持仓可查,本文没有算力市场可比的参与者统计。不能从两家交易所的拟议合约倒推其他场所没有金融交易者。可以模拟有、无金融参与者两种情景,再用成交、持仓和对手方数据检验。
4.4 理性与非理性:算力市场的典型行为
| 观察到的行为 | 可能的理性解释 | 可能的行为偏差 | 如何识别 |
|---|---|---|---|
| 2023–2024 年抢卡、提前下单 | 断供损失大、项目时间价值高、交期不确定 | FOMO、羊群、过度外推 | 对比自有任务增长与订单增长;检查重复下单与取消 |
| 签多年固定价格长约 | 保供,并支持供应方融资 | 锚定短缺时期的价格,低估代际替代 | 比较有效任务成本,而不只比较单卡小时价 |
| 低于全成本出租旧卡 | 覆盖可避免成本,减少空置 | 拒绝承认减值,延迟退出 | 是否有更高价值用途,电费能否覆盖 |
| 继续建设低利用率中心 | 已签合同、政策外部性 | 沉没成本谬误、地方竞赛、规模崇拜 | 只看“从今天起追加投入”的净收益 |
| token 降价或免费 | 真实成本优化(缓存、批处理)、获客 | 只追调用量,忽视付费转化 | 观察优惠结束后的留存和真实付费量 |
| 追逐新一代芯片 | 每任务、每瓦成本改善 | 技术光环、彩票偏好 | 用真实负载做基准测试 |
| 高息借款买卡 | 赶上高价值合同的交付窗口 | 为维持估值盲目扩张 | 看是否有已签约的付费需求对应 |
【事实】中国的闲置问题有报道依据,但口径不一。科技日报 2025 年报道,某西部千卡中心上架率不足 50%、利用率不足 30%;另有报道引用全国智能算力使用率 36.8%(原表与分母【待核实】)。同时也有公司自报使用率接近 100%。低利用率与高利用率并存,本身就说明市场高度异质。
【事实】循环融资确实存在:NVIDIA 投资 CoreWeave,CoreWeave 买 NVIDIA 卡,NVIDIA 又承诺购买 CoreWeave 未售出的容量(63 亿美元)。【推断】存在循环关系不等于已证明是泡沫。需要检验的是:不依赖关联方的终端收入,能否覆盖整个链条的投入。
4.5 复杂性:算力市场为什么比股票和金属都难建模
| 维度 | 股票 | 金属 | 算力 |
|---|---|---|---|
| 可储存 | 可以 | 可以(有仓储费) | 硬件可存,GPU 小时不能存 |
| 同质性 | 高 | 中(有牌号标准) | 极低:型号、显存、互联、地点、连续时长、SLA 共同定义商品 |
| 折旧 | 无物理折旧 | 几乎不折旧 | 快:物理寿命、经济寿命、合同期、会计折旧(CoreWeave 按 6 年)是四个不同概念 |
| 供给调整 | 快 | 慢(数年) | 制造、整机、机房、并网多环节滞后,缺一环就不能交付 |
| 需求结构 | 可小额分散 | 工业需求 | 训练需要成批同质卡同时可用(互补性);推理可切分 |
| 交割 | 即时 | 仓单 | 必须是“某地、某配置、某时间窗口连续可用” |
| 加工转换 | 无 | 有稳定投入产出率 | GPU 小时 → token 的转换率随模型、精度、批量剧烈变化 |
| 套利 | 容易 | 运输成本 | 数据搬运、出口管制、数据驻留、集群分割都会阻碍套利 |
| 清算 | 集中清算 | 交易所清算 | 以双边合同为主,履约与质量验收比价格更重要 |
4.6 四条核心反馈回路
flowchart TD
A[租金上升] --> B[GPU 收益估值上升]
B --> C[抵押与融资能力改善]
C --> D[更多采购与建设]
D -->|建设滞后 6–36 个月| E[未来供给上升]
E --> F[租金下跌]
F --> G[运营现金减少]
G --> H[契约触发或再融资困难]
H --> I[被迫卖卡或降价卖时段]
I --> J[残值与租价进一步下跌]
J --> G
K[token 降价] --> L[更多应用与 agent 调用]
L --> M[推理需求增加]
M --> A
N[算法效率提升] -.->|降低单位任务 GPU 需求| M
P[投资补贴] --> D
Q[低利用率暴露] --> R[算力券与调度平台]
R --> M
- 滞后的供给调节:租金上升 → 融资更容易 → 更多建设;新增供给交付后,又可能压低租金。建设需要时间,所以当前短缺与未来过剩可以同时存在。
- 杠杆放大的下行循环:租金下跌 → 现金紧张 → 被迫抛售 → 残值下跌 → 其他借款人的抵押品贬值。机制同 A 股 2015 年和金属融资铜,但设备贷款的规则不同于每日盯市。
- 技术反身性:token 降价带来更多需求,算法进步又减少单位需求。两股力量谁占主导,取决于需求弹性。
- 政策反馈:补贴建设 → 低利用率 → 用算力券刺激使用 → 再扩张。考核口径决定这条回路的方向。
五、跨市场映射:从传统市场借什么、不借什么
| 可借鉴的机制 | 来源市场 | 适用的算力标的 | 不能直接照搬的地方 |
|---|---|---|---|
| 限价订单簿、做市、异质预期 | A 股 | 已标准化的 SKU+时段(如 SF Compute) | 做空、无限可分、即时交割、统一盯市 |
| 杠杆螺旋、强制平仓 | A 股 / 金属期货 | 新云的设备贷款 | 设备贷款按契约触发,不是每日追保 |
| 散户 / 机构异质 | A 股 | 个人开发者 vs 大实验室 | — |
| 升贴水定价、经纪商、质量折价 | 金属现货 | GPU 二手与一级配额 | 无统一“纯度标准” |
| 产业链、牛鞭效应、扩产滞后 | 金属现货 | GPU 供应链、多渠道重复下单 | — |
| 长单 vs 零单 | 金属现货 | 多年集群合同 vs 按需/spot | — |
| 融资铜、抵押折价 | 金属现货 | GPU 抵押贷款、ABS | GPU 残值下跌速度远快于金属 |
| 区域价差、进口套利 | 金属现货 | 出口管制下的中外价差 | 管制改变的是“能否交易”,而不只是加价 |
| 套保者 vs 投机者、COT 持仓 | 金属期货 | 算力指数合约的参与者模拟 | 缺少可比的分类持仓,不能照搬金属市场份额 |
| 持有成本定价 | 金属期货 | 不适用于 GPU 小时 | GPU 小时不可储存 |
| 分时合约、节点价格、价格上限 | 电力 | GPU 租赁 | 电力同质,GPU 不同质 |
| 加工费、加工利润 | 金属加工 | GPU 小时 → token | 转换率随任务变化,不固定 |
六、第一版建模框架(建议)
完整规格见算力交易市场现状与主体第十节;传统市场各有一节“建模启示”,分见A 股市场的主体、动机与行为、有色金属现货交易市场:以铜为主线的市场结构与算力建模启示、有色金属期货交易市场:从铜、铝、镍到算力衍生品。下面是综合后的最小版本。
6.1 结构:三层市场 × 两条区域线 × 五类账本
三层:硬件所有权、GPU 时段、token 服务。
两条区域线:全球开放市场与中国境内市场。两者通过受许可约束的硬件流相连。中国线额外加入政府、算力券、国产芯片适配和跨域调度。
五类账本:
- 设备与所有权
- 容量日历:未来每个时段卖给了谁,同一时段不能重复卖
- 任务队列与完成质量
- 合同义务、预付与应收
- 现金、债务与抵押
一家公司可以同时扮演多种角色,但资产和收入不能重复计数。
6.2 第一版只需 6–7 类主体
| 主体 | 最小状态 | 决策规则 |
|---|---|---|
| 供给方(云/新云/智算中心) | GPU 队列、容量日历、利用率、长约、债务、现金 | 按利用率调价:p(t+1) = max{底价, p(t)·exp[k(u(t)−u*)]};在融资和电力可行时扩产;现金约束优先于账面利润 |
| 大买方(模型公司) | 训练任务、截止期、预算、长约 | 比较“长约 / 自建 / 按需”的风险调整任务成本,加上延期损失 |
| 弹性买方(应用公司、开发者) | 请求到达率、质量阈值、余额 | 在满足质量和 SLA 的方案中选最低总成本,失败要重试 |
| 推理商(GPU 小时 → token) | 吞吐函数、模型、缓存 | 加工利润 = token 收入 − GPU 成本 |
| 撮合平台/经纪商 | 订单、质量评分、库存(可选) | 先按兼容性筛选,再匹配 |
| 金融方 | 可贷资金、LTV、DSCR 阈值 | 按压力情景下的清算值放贷,按契约触发处置 |
| 政府(中国线) | 补贴预算、考核指标 | 分配算力券、设准入;考核口径作为可调参数 |
6.3 四种清算机制并存
- 双边长约:谈判后锁定日历,附带预付和 take-or-pay 条款。
- 挂牌价 + 配额:普通云的按需/spot 由平台调价,不建模为竞价。
- 订单簿或反向拍卖:仅限标准化的 SKU、地点和时段。
- RFQ/报价撮合:二手硬件,带质量折价。token 则按请求级路由。
6.4 时间尺度
请求和推理用秒或分钟,spot 租赁用小时,现金和合同用日或月,建设与采购用月(滞后 6/18/36 个月三档)。如果都按年更新,就看不到缺货、价格战和现金危机。
6.5 建议优先做的五个对比实验
- 同样总卡数下,互联碎片化对缺货与闲置的影响。
- 长约比例上升:融资更稳定,但 spot 市场更薄。
- **算力券(补需求)vs 建设补贴(补供给)**对有效利用率的不同影响。
- 技术突破在不同需求弹性(0.5 / 1 / 2)下是否导致总支出反弹。
- 抵押估值内生化后,清算是否放大租金下跌。
此外还有一个值得加的实验:引入指数期货和投机者前后,现货波动与套保效果的变化。
6.6 参数:经验锚点与实验区间要分开
【事实】可用作锚点的数据:
- H100 复合指数:2023 年下半年 6.62、2025 年 7 月 2.79 美元/GPU·小时。
- H100 一年期合同报价:2025 年 10 月 1.45–1.95、2026 年 3 月 2.00–2.70 美元/GPU·小时。两列分别校准,不拼接。
- 各代相对租价
- 合同期限按披露样本分列:GPU 服务合同与 IDC 场地租约不是同一种期限。
- 预付比例:IREN 公告合同为 20%,SemiAnalysis 对部分长约记为 25%;不是所有长约的区间。
- 会计折旧 6 年、客户集中度均为 CoreWeave 案例,不作为行业默认值。
【推断】只能作实验区间的参数:利用率三簇(0.2–0.4 / 0.5–0.7 / 0.8–0.95)、LTV(0.3/0.5/0.7)、清算折价(20%/40%/60%)、FOMO 超买幅度(10%/30%/50%)、需求弹性。这些不是行业统计。
6.7 验证顺序
- 守恒检查:容量、所有权、现金、收入。
- 匹配特征事实:H100 价格趋势、期限价差、供应者价差、利用率分层。
- 尾部情景:大客户违约、二手折价。
七、待核实清单(数据缺口)
建模时这些参数不要硬填,宜设为情景或敏感性区间:
| 缺口 | 现状 |
|---|---|
| 全球/中国三层市场规模与各主体份额 | 无消重口径的统一数据 |
| H200/B200 在 2024–2025 年的连续价格;中国四型号租价历史 | 断档 |
| 中国平均利用率(30%?36.8%?) | 指标定义与分母不统一 |
| GPU 二手真实成交残值、中国区溢价 | 只有报价,无成交数据 |
| GPU ABS 发行规模与回收率 | 只有评级研究,无发行全样本 |
| H20/H200 对华实际逐批供给 | 许可、进口、发货、收入确认是四个不同事件 |
| 字节豆包 2026 年完整 API 价格 | 官方页面抓取超时 |
| token 灰色中转规模与欺诈率 | 只有个案调查 |
| CME/ICE 算力期货挂牌与流动性 | 本文 10 月截面:NYMEX 原计划延期,ICE 公告提供参考数据;两者均不能据此推定挂牌或成交。后补材料见衍生品市场全景 4.1 |
| 地方平台“交易额”口径 | 合同额还是结算额、是否含转售与补贴,均不清楚 |
八、一句话总结
- A 股教你:交易者≠持有者;异质预期、委托—代理和杠杆会让个体理性汇成集体踩踏。
- 金属现货教你:实物市场靠“基准价+升贴水”、长单与零单、库存与融资运转。GPU 硬件买卖最像它。
- 金属期货教你:套保者转移风险、投机者承接风险;保证金螺旋与逼仓是尾部风险来源。但持有成本定价不适用于不可储存的 GPU 小时,后者应参考电力市场。
- 算力市场的本质是:异质、不可储存、快速折旧、长约主导、高杠杆、强政策的三层市场。金融参与者的份额仍缺可比统计。判断行为是否理性的关键,在于识别每个主体真实的目标函数与约束(现金约束、考核口径、交付窗口),而不是事后的价格。
本文写作中使用了 AI 辅助。文字采用 CC BY-NC-SA 4.0 许可。