Berapa biaya sewa per jam untuk satu GPU Nvidia B200 di akhir tahun ini?

Pasar prediksi mengubah pertanyaan ini menjadi serangkaian kontrak ya atau tidak. Trader bertaruh apakah sewa B200 akan melebihi ambang harga tertentu, lalu menggabungkan kontrak dengan harga dan tanggal berbeda; dari situlah muncul kurva sewa GPU yang dibentuk oleh taruhan pasar.

Polymarket sebelumnya sudah meluncurkan kontrak sewa GPU, tetapi volumenya kecil. Kali ini, Tarek Mansour, co-founder Kalshi, mengumumkan bahwa platform tersebut telah mengekstrak kurva forward dari harga pasar prediksi untuk B200, H200, dan A100.

Pasar prediksi tidak lagi hanya menjawab hasil pemilu, waktu penurunan suku bunga, dan peristiwa perusahaan. Kini ia mulai membangun pasar keuangan bagi sebuah industri yang selama ini tidak pernah memiliki pasar transaksi terbuka.

Kurva ini masih jauh dari kurva forward di pasar komoditas tradisional, dan pasar prediksi juga tidak bisa membuat pembeli menerima kumpulan GPU setelah jatuh tempo. Namun ia menangkap sesuatu yang paling langka di pasar perdagangan GPU: sebuah patokan harga yang bisa dilihat semua orang.

Dalam beberapa tahun terakhir, modal terus membanjiri chip, pusat data, dan listrik; daya komputasi telah menjadi salah satu biaya terbesar bagi industri AI, sementara cara pengadaannya masih bertahan pada pemesanan telepon, perantara via relasi, dan kontrak offline.

Sekularisasi nilai daya komputasi sedang berlangsung dengan gencar.

Kontrak dulu, pasar belakangan

Sebelum model-model besar muncul, perusahaan memperoleh kemampuan komputasi terutama dengan dua cara: membeli server sendiri, atau membayar biaya bulanan yang relatif stabil kepada penyedia cloud. AI mengubah logika pengadaan ini. Pelatihan dan inferensi menyerap GPU dalam jumlah besar; harga untuk chip berbeda, wilayah berbeda, dan durasi kontrak berbeda mulai terpecah. Penawaran cloud juga ikut berubah cepat mengikuti permintaan dan penawaran.

Hari ini, pasar daya komputasi bukan berarti tidak memiliki transaksi forward.

Laboratorium besar akan mengunci kapasitas di masa depan lebih awal. neocloud membeli GPU di muka dari penyedia cloud dan broker. Antara hyperscaler pun saling menyisihkan sumber daya. Kontrak bisa hanya beberapa jam, atau bisa mencakup beberapa tahun. Fungsinya mirip dengan perjanjian long-term penjualan minyak secara eksklusif, hanya saja harga disembunyikan dalam negosiasi privat.

Salah satu penyedia layanan inferensi pernah menggambarkan pembelian daya komputasi sebagai mencari “perantara” yang akrab dengan pasokan. Anda memberi tahu dia chip apa yang dibutuhkan, berapa banyak kartu, dan digunakan di wilayah mana; lalu ia mencari stok untuk Anda dari jaringan relasinya. Broker menghasilkan uang dari perbedaan informasi, pemegang besar mengalokasikan kapasitas lewat relasi, dan harga transaksi sebenarnya sangat jarang muncul di layar publik.

Pasar ini bisa melakukan pengantaran, tetapi tidak mampu membentuk ekspektasi yang berkelanjutan. Laboratorium AI tidak tahu biaya inferensi enam bulan ke depan. Pusat data tidak bisa mengunci harga sewa lebih awal. Pemberi pinjaman juga kekurangan data yang terus diperbarui, sehingga penilaian GPU sebagai jaminan sedang tergerus dengan seberapa cepat nilai susutnya tidak bisa dipastikan.

Beban modal sudah tidak memungkinkan skema penetapan harga ini bertahan seperti sebelumnya.

Angka yang diberikan Tarek: hyperscaler tahun ini akan menggelontorkan lebih dari 7000 miliar dolar AS untuk daya komputasi; nilai pasar pada 2030 bisa mencapai 7 triliun hingga 10 triliun dolar AS. Perkiraan lembaga yang lebih hati-hati juga sama besarnya. Morgan Stanley memperkirakan belanja modal pusat data global sekitar 2,9 triliun dolar AS sebelum 2028, dengan sekitar 2,5 triliun dolar AS digunakan untuk AI. McKinsey memperkirakan belanja modal pusat data sebelum 2030 sebesar 6,7 triliun dolar AS. Goldman Sachs memperkirakan belanja infrastruktur AI dari 2026 hingga 2031 mencapai 7,6 triliun dolar AS.

Angka-angka ini menggunakan tahun dan definisi statistik yang berbeda; beberapa mencakup pusat data, sebagian lain menghitung daya komputasi sekaligus listrik. Kesamaannya: komputasi dan perangkat keras masing-masing menyumbang 55% hingga 67% dari estimasi tiap pihak, menjadi bagian terbesar dari putaran investasi infrastruktur ini.

Chip adalah aset lain yang harganya berubah tajam. Estimasi umur pakai GPU di pasar berkisar dari tiga tahun hingga tujuh tahun. Produk generasi baru menyegarkan performa setiap tahun; sementara kelangkaan pasokan membuat chip lama tetap memiliki nilai sewa. Pusat data perlu menumpuk dana besar ke perangkat dengan laju depresiasi yang belum ada kesepakatan.

Semakin berat beban modal, semakin penting harga forward.

Eksplorasi pasar perdagangan GPU

Tahap pertama pasar perdagangan GPU adalah “pencocokan privat” yang sudah berjalan bertahun-tahun.

Pembeli lebih dulu memesan kapasitas; penjual mengunci pendapatan masa depan. Broker bertugas mencari pasokan dan menjodohkan transaksi. Kebutuhan nyata dan komitmen forward sudah ada, hanya saja belum ada kontrak yang seragam dan belum ada penawaran terbuka.

Pasang pembeli-penjual ini juga menjadi fondasi dari pasar keuangan daya komputasi.

Hyperscaler, pusat data besar, dan pemegang GPU memegang stok, tetapi khawatir sewa di masa depan turun. Laboratorium AI, platform inferensi, perusahaan aplikasi, dan neocloud yang sudah berkomitmen kapasitas ke hilir, perlu terus membeli; mereka khawatir harga akan naik di masa depan. Satu pihak ingin melindungi pendapatan perangkat, pihak lain ingin mengendalikan biaya daya komputasi. Dari situlah muncul kebutuhan transaksi awal.

Tahap kedua adalah membangun indeks harga yang distandardisasi. Ornn Compute Price Index mengekstrak harga dari transaksi sewa GPU aktual, mencakup berbagai chip populer. Silicon Data merilis indeks sewa sesuai kebutuhan untuk H100, A100, dan B200 setiap hari, lalu mengirimkan data tersebut ke terminal Bloomberg. Compute Desk juga sedang membangun produk serupa.

Indeks yang didefinisikan penyedia indeks bukan sekadar deretan angka. Chip, wilayah, konfigurasi jaringan, dan jenis kontrak apa yang masuk; bagaimana menangani transaksi yang menyimpang; bagaimana indeks lama keluar saat chip berganti generasi—semuanya akan mengubah “harga GPU” yang disebut pasar. Bursa menyediakan tempat transaksi, sedangkan penyedia indeks mendefinisikan apa sebenarnya yang diperdagangkan orang.

Ornn baru-baru ini menerima investasi 33 juta dolar AS dari a16z. Siapa pun yang mampu merapikan data transaksi yang tersebar menjadi tolok ukur yang diterima pasar, berpeluang menjadi pintu masuk harga di pasar daya komputasi.

Tahap ketiga adalah menulis indeks ke dalam kontrak yang bisa diperdagangkan. CME memilih Silicon Data sebagai penyedia data dan berencana meluncurkan futures daya komputasi yang diselesaikan berdasarkan patokan sewa GPU harian. Induk New York Stock Exchange, ICE, memilih Ornn dan bersiap meluncurkan futures GPU lainnya. Dua bursa tradisional ini memposisikan produknya sebagai alat manajemen risiko untuk laboratorium AI, penyedia cloud, pusat data, dan institusi keuangan, tetapi produknya masih berada pada tahap menunggu peninjauan regulasi.

Pasar prediksi memilih jalan lain. Ia membuat trader terus menjawab pertanyaan yang sama: “Apakah suatu chip pada tanggal tertentu akan melebihi harga sewa tertentu?” Dengan menghitung selisih harga di antara ambang batas yang berdekatan, penilaian pasar atas rentang harga tersebut bisa didekati. Lalu dengan mengulang perhitungan yang sama untuk tanggal yang berbeda, struktur jatuh tempo pun terbentuk.

Di pasar komoditas tradisional, biasanya kontrak yang bisa diserahkan didefinisikan lebih dulu, lalu kurva dibentuk lewat perdagangan futures. Pasar prediksi membentuk ekspektasi publik dulu dengan kontrak berbasis peristiwa, kemudian mempertimbangkan memanfaatkan ekspektasi tersebut untuk perdagangan di luar bursa, futures, dan kontrak perpetual.

Futures daya komputasi tradisional masih menunggu persetujuan regulasi, sementara pasar prediksi sudah memberikan struktur jatuh temponya.

Apa yang bisa diselesaikan oleh satu kurva

Dengan menghabiskan tenaga untuk membangun indeks, futures, dan kurva forward, pasar mencoba memecahkan masalah apa bagi perusahaan AI biasa?

Misalkan sebuah platform inferensi sudah sepakat memberikan layanan kepada pelanggan enam bulan ke depan. Ia tahu akan membutuhkan sejumlah GPU pada saat itu, tetapi tidak tahu sewa akan naik sampai berapa. Jika sewa tiba-tiba melonjak, harga yang sudah dinegosiasikan dengan pelanggan tidak ikut naik, sehingga ia harus menanggung biaya tambahan itu sendiri. Dengan membeli kontrak yang nilainya ikut naik seiring sewa GPU, tagihan cloud memang menjadi lebih mahal, tetapi keuntungan dalam kontrak bisa menutup sebagian selisihnya. Pusat data menghadapi masalah yang kebalikannya: perangkat sudah dibeli, dan jika sewa di masa depan turun, pendapatannya menyusut. Dengan menjual eksposur forward, ia bisa mengunci sebagian pendapatan perangkat sejak awal.

Kontrak ini tidak perlu persis sama dengan setiap kartu yang benar-benar dibeli perusahaan. Perusahaan mungkin menggunakan H200 di wilayah New York, sementara yang diperdagangkan di pasar adalah indeks H200 yang mencakup beberapa pemasok. Selama dua harga bergerak kira-kira naik-turun dengan cara yang sama, kontrak ini bisa berfungsi. Analis memperkirakan, ketika koefisien korelasi antara dua harga mencapai 0,7, lindung nilai yang dikonfigurasi dengan baik dapat menghilangkan hampir setengah volatilitas. Maskapai tidak bisa membeli kontrak yang benar-benar identik dengan biaya bahan bakar jet per transaksi mereka, tetapi tetap memakai futures minyak mentah untuk mengendalikan biaya; idenya serupa.

Pemberi pinjaman juga butuh kurva ini. Ketika sebuah pusat data meminjam dengan GPU sebagai jaminan, bank harus menilai berapa pendapatan sewa yang masih bisa dihasilkan chip tersebut dua tahun ke depan. Dulu mereka hanya bisa mengandalkan penawaran pabrik, transaksi yang berserakan, dan asumsi internal. Dengan kurva publik, pemberi pinjaman dapat menyesuaikan estimasi nilai jaminan mengikuti perubahan pasar, dan pusat data pun lebih mudah membuktikan pendapatan masa depan.

Harga bahkan bisa memengaruhi pilihan chip perusahaan. Jika lebih banyak transaksi sewa GPU Nvidia terjadi, indeks lebih andal, dan instrumen lindung nilai lebih aktif, maka bank akan lebih bersedia menerima Nvidia sebagai jaminan, dan pemegang akan lebih mudah menyewakan atau menjual ketika dibutuhkan. Arus likuiditas perdagangan yang terkonsentrasi di sekitar Nvidia ini berpotensi menjadi keunggulan yang sulit ditiru pesaing.

Karena itu, satu kurva harga tidak hanya melayani trader. Ia memberi pengguna pengetahuan lebih awal tentang biaya, memberi pemegang kepastian pendapatan lebih awal, dan membuat pemberi pinjaman berani memberi harga pada peralatan dan pusat data.

Kendala & Tantangan

Masalah pertama adalah indeks.

Ornn menekankan transaksi aktual; Silicon Data berfokus pada harga sewa on-demand; solusi lain melakukan standarisasi biaya energi. Setiap metode mempertahankan sebagian informasi sekaligus membuang sebagian lainnya. Tidak ada indeks yang bisa mencakup sekaligus chip, wilayah, tenor, jaringan, dan lawan transaksi.

Sementara itu, chip juga akan cepat berganti generasi.

Ukuran minyak bisa dipakai terus, tetapi pasar GPU berpindah dari H100 ke H200, B200, GB200, dan Rubin. AMD, Google TPU, Amazon Trainium, dan chip khusus terus mengalihkan kebutuhan daya komputasi. Kapan indeks lama pensiun, bagaimana chip lama dan baru dijembatani, akan terus mengubah aset dasar yang menjadi patokan kontrak.

Masalah kedua adalah penyerahan.

Kontrak dengan penyelesaian tunai hanya menghitung uang saat jatuh tempo—tidak menyerahkan GPU. Perusahaan yang ingin mengendalikan biaya bisa mengimbangi kenaikan sewa dengan keuntungan kontrak. Tetapi neocloud yang sudah berkomitmen kapasitas ke pelanggan tetap harus mencari GPU sendiri di pasar.

Risiko lain datang dari jumlah transaksi.

Volume transaksi nyata yang tercatat secara publik di pasar sewa GPU tiap hari mungkin sedikit, dan pasokan terkonsentrasi pada segelintir penjual. Akibatnya, satu transaksi bisa secara nyata mengerek indeks, dan pihak yang memegang pasokan lebih mudah memengaruhi harga penyelesaian akhir.

Inilah pula masalah dari kurva yang digambar memakai pasar prediksi.

Kurva forward tradisional mengandalkan mekanisme penyerahan atau pertukaran spot untuk menarik harga futures kembali ke realitas permintaan-penawaran. Kontrak biner di pasar prediksi tidak memiliki “jembatan” tersebut; kurva yang terbentuk adalah ekspektasi partisipan, belum menjadi harga kapasitas yang bisa diserahkan atau di-arbitrase.

Masalah ketiga adalah likuiditas.

Penjual lebih menyukai kontrak jangka panjang karena pusat data ingin mengunci pendapatan lebih awal; pembeli lebih menyukai kontrak jangka pendek karena perusahaan AI perlu menyimpan kebebasan untuk mengganti chip dan pemasok. Kebutuhan di sisi tenor mereka memang tidak selaras. Broker dan pemegang besar juga mencari keuntungan dari pasar yang tidak transparan, sehingga tidak ada insentif untuk memindahkan semua transaksi ke pasar terbuka.

Meski ada banyak hambatan, kebutuhan pasar daya komputasi akan harga publik tidak akan mundur. Mungkin tidak lama lagi, kita akan melihat laporan tentang “five-bet up” daya komputasi di chain oleh salah satu smart money

Klik untuk mengetahui lowongan kerja di律动BlockBeats

Selamat bergabung dengan komunitas resmi律动 BlockBeats:

Grup Telegram berlangganan: https://t.me/theblockbeats

Grup Telegram: https://t.me/BlockBeats_App

Akun Twitter resmi: https://twitter.com/BlockBeatsAsia