今年末までの1時間あたりに、Nvidia B200 GPU をいくらでレンタルできるのか？
予測市場は、この問題を一連の「はい／いいえ」契約に分解しました。トレーダーは、B200 のレンタル価格がある水準を上回るかどうかに賭け、そのうえで価格や日付の異なる契約を組み合わせます。すると、市場の賭けによって形作られる GPU レンタルの「価格カーブ」が現れます。
Polymarket はこれまでにも GPU レンタル契約を上場していましたが、取引量は多くありませんでした。今回は、Kalshi の共同創業者 Tarek Mansour が、プラットフォームが B200、H200、A100 の予測市場の価格からフォワードカーブを抽出したと発表しました。
予測市場は、選挙結果、利下げの時期、企業イベントといった答えだけを出すのではありません。これからは、これまで公開の取引市場を持たなかった産業に対して金融市場を築こうとしているのです。
このカーブは、従来のコモディティ市場にあるフォワードカーブからは明らかに距離があります。予測市場は買い手が期限到来後に GPU の束を受け取れるようにはしていません。ただし、GPU 取引市場が最も欠いているもの――誰もが見られる価格の目盛り――をつかみました。
ここ数年、資本がチップ、データセンター、電力へと絶えず流入し、演算能力は AI 産業における最大級のコストの1つになりました。それでも調達手段は、電話予約、顔なじみ同士の取り引き、対面の契約といったやり方にとどまっています。
演算能力の金融化は、いま大々的に進行しています。
大規模モデルが登場する以前、企業が計算能力を得る主な方法は2つでした。自社でサーバーを買うか、クラウド事業者に比較的安定した月額料金を払うかです。AI は、この調達ロジックを変えました。学習と推論が大量の GPU を食い、チップや地域、契約期間によって価格が分岐し始め、クラウド事業者の見積もりも需給に応じて急速に変動するようになりました。
今日の演算能力市場には、フォワード取引がないわけではありません。
大規模な研究機関は将来のキャパシティを前もって確保します。neocloud はクラウド事業者やブローカーから GPU を事前購入します。超大規模なクラウド事業者同士でも相互にリソースを予約しておきます。契約は短ければ時間単位でレンタルし、長ければ数年をカバーします。石油の長期一括販売契約と似た機能を果たしていますが、価格は非公開の交渉の中に隠れています。
ある大手推論サービス事業者は、調達する演算能力を「供給に詳しい『仲介人』を探すこと」に例えたことがあります。必要なチップ、必要な枚数、使用する地域を伝えると、相手は人脈のネットワークからあなたのために在庫を探してくれるのです。ブローカーは情報格差で稼ぎ、大口保有者は関係をもとにキャパシティを配分し、実際の成約価格が公開画面に出ることはほとんどありません。
この市場は納品はできますが、連続した期待を形成することはできません。AI 研究所は半年後の推論コストを知りません。データセンターは事前にレンタル価格を固定できません。貸し手も、リアルタイムで更新されるデータがありません。担保としての GPU がどれくらいの速さで価値を目減りさせるのかを見積もれないのです。
資金規模が、こうした価格付けのやり方をそのまま維持できるほどの余裕をなくしてしまいました。
Tarek が示した数字では、超大規模クラウド事業者は今年、演算能力に対して 7000 億ドル超を投資し、2030 年の市場規模は 7 兆〜10 兆ドルに達するといいます。より慎重な機関の予測も同じくらい大きいです。Morgan Stanley は、2028 年までに世界のデータセンターの資本支出が約 2.9 兆ドル、そのうち約 2.5 兆ドルが AI 向けになると見込んでいます。McKinsey の推計では 2030 年までのデータセンター資本支出は 6.7 兆ドルです。Goldman Sachs は 2026 年から 2031 年の AI インフラ投資を 7.6 兆ドルと見積もっています。
これらの数字は、使っている年や統計の切り口が異なります。中にはデータセンターを含むものもあれば、演算能力と電力の両方を同時に計算しているものもあります。共通しているのは、各社が見積もる計算とハードウェアの比率が 55%〜67% で、今回のインフラ投資における最大の部分を占めていることです。
チップは、価格が激しく変動する資産でもあります。GPU の利用期間について市場の見積もりは 3 年〜7 年でばらつきます。新しい世代の製品は毎年性能が更新されますが、供給不足のため旧チップもレンタル価値を保ちます。データセンターは、減価の進み方についてコンセンサスがまだない一群の設備に巨額の資金を押し込む必要があります。
資本の負担が重くなるほど、フォワード価格の重要性は増します。
GPU 取引市場の第1段階は、すでに何年も動いている「非公開の仲介」です。
買い手は事前にキャパシティを予約し、売り手は将来の収入を確定させます。ブローカーは、供給を見つけて取引を成立させる仕事を担います。本当の需要とフォワードの約束はすでに存在しているものの、統一された契約もなく、公開された見積もりもありません。
この売買当事者の組み合わせ自体が、演算能力の金融市場の土台を構成しています。
超大規模クラウド事業者、大規模データセンター、GPU 保有者は在庫を持ち、将来のレンタルが下がることを心配しています。一方で AI 研究所、推論プラットフォーム、アプリ企業、そして下流にすでにキャパシティを約束している neocloud は、将来の価格が上がることを心配しながら継続的に調達する必要があります。片方は設備の収入を守りたい。もう片方は演算コストを抑えたい。このため、最初の取引需要が生まれます。
第2段階は、標準化された価格指数を作ることです。Ornn の Compute Price Index は、実際の GPU レンタルの成約から価格を抽出し、多くの主要チップをカバーします。Silicon Data は H100、A100、B200 のオンデマンドレンタル指数を毎日公表し、データを Bloomberg 端末に送ります。Compute Desk も同様の商品を構築しています。
指数が定義するのは、単なる数字の列ではありません。どのチップ、どの地域、どのネットワーク設定、どの契約タイプを組み込むか、異常な成約をどう扱うか、チップが世代交代した後に旧指数をいつどう退出させるか――最終的に、参加者が口にする「GPU の価格」を変えてしまうのです。取引所は取引の場を提供し、指数提供者は人々がいったい何を取引しているのかを定義します。
Ornn は最近、a16z から 3300 万ドルの投資を受けました。分散した取引データを、市場に受け入れられるベンチマークへまとめられる人は、演算能力市場における価格の入口になれるチャンスがあります。
第3段階は、その指数を取引可能な契約に書き込むことです。CME はデータ提供者として Silicon Data を選び、毎日の GPU レンタルのベンチマークに基づいて決済する演算能力先物の発表を計画しています。ニューヨーク証券取引所の親会社 ICE は Ornn を選び、別の GPU 先物を上場する準備を進めています。両方の伝統的な取引所はいずれも、商品を AI 研究所、クラウド事業者、データセンター、金融機関のリスク管理ツールとして位置づけていますが、商品はいま規制審査待ちの段階です。
予測市場は別の道を歩みました。そこではトレーダーが繰り返し同じ質問に答えることになります。「ある日付に、そのチップのレンタル価格はある水準を上回るのか？」隣接する閾値の間の価格差を計算することで、その価格帯に対する市場の判断をおおむね近似できます。さらに日付ごとに同じ計算を繰り返せば、期間構造が現れます。
伝統的なコモディティ市場では通常、まず引き渡し可能な契約を定義し、それを先物取引がカーブとして形成します。予測市場は、まずイベント契約で公開された期待を作り、その期待を店頭取引、先物、そして無期限契約にまで活用することを考えます。
伝統的な演算能力の先物は規制当局の承認待ちですが、予測市場はすでに期間構造を提示しています。
市場は指数、先物、フォワードカーブを作るために力を注いでいますが、結局のところ、普通の AI 企業に対してどんな問題を解決できるのでしょうか？
たとえば推論プラットフォームが、半年後に顧客へサービス提供することをすでに約束しているとします。必要になる GPU の量は分かっているが、レンタル価格がどこまで上がるかは分かりません。もしレンタルが突然上昇しても、すでに交渉済みの顧客向け価格は連動して上がりません。すると、その増加分のコストは自分で負担するしかなくなります。GPU レンタルが上がるほど価値が増える契約を買えば、クラウドの請求額は高くなるものの、契約上の利益が一部差額を埋めてくれます。
データセンターは逆の問題を抱えます。設備はすでに買ってあるのに、将来レンタル価格が下がれば収入が縮みます。そこで、フォワードのエクスポージャーを売ることで、設備収入の一部を前もって固定できます。
この契約は、企業が実際に調達する「各カード」と完全に一致している必要はありません。企業がニューヨーク地域の H200 を使うとしても、取引市場で取引されているのは複数のサプライヤーをカバーする H200 の指数です。両者の価格が概ね同じように上がり下がりする限り、この契約は機能します。アナリストの試算では、2つの価格の相関係数が 0.7 に達すれば、合理的に組まれたヘッジで約半分のボラティリティを取り除けます。航空会社が、自社の燃油支出と完全に同じ契約を買えないとしても、原油先物でコストを抑えるのと同じ理屈です。
貸し手にとっても、このカーブは必要です。データセンターが GPU を担保にして融資を受けるとき、銀行はそのチップが2年後にどれくらいレンタル収入を生むかを判断しなければなりません。従来は、メーカーの見積もりや散発的な成約、そして自分たちの仮定に頼るしかありませんでした。公開されたカーブがあれば、貸し手は市場の変化に応じて担保の評価額を調整でき、データセンターも将来収入をより説明しやすくなります。
価格は、企業がどのチップを選ぶかにも影響し得ます。Nvidia GPU のレンタル成約が多く、指数がより信頼でき、ヘッジ手段も活発なら、銀行はそれを担保として受け入れやすくなります。保有者も必要になったときにレンタルしたり売却したりしやすくなります。結果として設備はより融資を受けやすくなり、さらに多くの買い手が選ぶことで好循環が生まれます。Nvidia に集まる取引の流動性は、競合他社にとって複製しにくい優位になり得ます。
したがって、この価格カーブが提供するのはトレーダーだけではありません。利用者はより早くコストを把握でき、保有者はより早く収入を確定でき、貸し手も設備やデータセンターに対して価格をつけることに自信が持てます。
最初の問題は指数です。
Ornn は実際の成約を重視し、Silicon Data はオンデマンドのレンタル価格に着目し、他の案ではエネルギーコストを標準化することも検討されています。いずれの方法も、ある情報は残し、別の情報を捨てています。どんな指数も、チップ、地域、期間、ネットワーク、取引相手を同時にカバーすることはできません。
同時に、チップも急速に世代交代します。
石油の計量基準はずっと使い続けられるのに対し、GPU 市場は H100 から H200、B200、GB200、Rubin へとアップグレードしています。AMD、Google TPU、Amazon Trainium、そして専用チップも、演算能力需要を分散させ続けます。旧指数がいつ退出し、新旧チップがどうつながるのかは、契約の基礎となる対象そのものにまで影響し続けます。
2つ目の問題は受け渡し（デリバリー）です。
現金決済の契約は満期になっても金銭だけが計算され、GPU は引き渡されません。コストを抑えたい企業は契約の利益でレンタル上昇を相殺できますが、すでに顧客にキャパシティを約束している neocloud は、やはり市場で自分でカードを探しに行く必要があります。
もう1つのリスクは、成約数量です。
GPU レンタル市場で毎日公開される実取引量が少ないことがあり、供給は少数の売り手に集中しがちです。この場合、1回の取引が指数を大きく押し上げることも起こり得ます。供給を握っている側は、最終的な決済価格にも影響しやすくなります。
これが、予測市場で描くカーブにもある問題です。
伝統的なフォワードカーブは、引き渡しや現物交換のメカニズムを通じて、先物価格を実際の需給に引き戻します。予測市場の二値（はい／いいえ）契約には、この通路がありません。カーブが表しているのは参加者の期待であり、まだ引き渡し可能・裁定可能な容量価格になっていないのです。
3つ目の問題は流動性です。
売り手は長期契約を好みます。データセンターは前もって収入を確保したいからです。買い手は短期契約を好みます。AI 企業はチップやサプライヤーを切り替える自由を残したいからです。両者の「期限」に対する需要は、生まれつきすれ違っています。仲介業者や大口保有者は不透明な市場から利益を得ており、すべての取引を公開市場に持ち込むための動機が不足しています。
多くの障害があるにもかかわらず、演算能力市場における公開価格への需要は後戻りしません。おそらく間もなく、「スマートマネーがオンチェーンで『演算能力を5倍ロング』している」ような報道が見られるでしょう。
律動 BlockBeats の求人情報はこちらをクリック
律動 BlockBeats 公式コミュニティに参加しましょう：
Telegram 購読グループ：https://t.me/theblockbeats
Telegram 交流グループ：https://t.me/BlockBeats_App
Twitter 公式アカウント：https://twitter.com/BlockBeatsAsia
1.27M 人気度
699.13K 人気度
72.31K 人気度
218.62K 人気度
944.92K 人気度
一枚のNVIDIA GPUの計算能力による金融の時代の到来
今年末までの1時間あたりに、Nvidia B200 GPU をいくらでレンタルできるのか？
予測市場は、この問題を一連の「はい／いいえ」契約に分解しました。トレーダーは、B200 のレンタル価格がある水準を上回るかどうかに賭け、そのうえで価格や日付の異なる契約を組み合わせます。すると、市場の賭けによって形作られる GPU レンタルの「価格カーブ」が現れます。
Polymarket はこれまでにも GPU レンタル契約を上場していましたが、取引量は多くありませんでした。今回は、Kalshi の共同創業者 Tarek Mansour が、プラットフォームが B200、H200、A100 の予測市場の価格からフォワードカーブを抽出したと発表しました。
予測市場は、選挙結果、利下げの時期、企業イベントといった答えだけを出すのではありません。これからは、これまで公開の取引市場を持たなかった産業に対して金融市場を築こうとしているのです。
このカーブは、従来のコモディティ市場にあるフォワードカーブからは明らかに距離があります。予測市場は買い手が期限到来後に GPU の束を受け取れるようにはしていません。ただし、GPU 取引市場が最も欠いているもの――誰もが見られる価格の目盛り――をつかみました。
ここ数年、資本がチップ、データセンター、電力へと絶えず流入し、演算能力は AI 産業における最大級のコストの1つになりました。それでも調達手段は、電話予約、顔なじみ同士の取り引き、対面の契約といったやり方にとどまっています。
演算能力の金融化は、いま大々的に進行しています。
先に契約、次に市場
大規模モデルが登場する以前、企業が計算能力を得る主な方法は2つでした。自社でサーバーを買うか、クラウド事業者に比較的安定した月額料金を払うかです。AI は、この調達ロジックを変えました。学習と推論が大量の GPU を食い、チップや地域、契約期間によって価格が分岐し始め、クラウド事業者の見積もりも需給に応じて急速に変動するようになりました。
今日の演算能力市場には、フォワード取引がないわけではありません。
大規模な研究機関は将来のキャパシティを前もって確保します。neocloud はクラウド事業者やブローカーから GPU を事前購入します。超大規模なクラウド事業者同士でも相互にリソースを予約しておきます。契約は短ければ時間単位でレンタルし、長ければ数年をカバーします。石油の長期一括販売契約と似た機能を果たしていますが、価格は非公開の交渉の中に隠れています。
ある大手推論サービス事業者は、調達する演算能力を「供給に詳しい『仲介人』を探すこと」に例えたことがあります。必要なチップ、必要な枚数、使用する地域を伝えると、相手は人脈のネットワークからあなたのために在庫を探してくれるのです。ブローカーは情報格差で稼ぎ、大口保有者は関係をもとにキャパシティを配分し、実際の成約価格が公開画面に出ることはほとんどありません。
この市場は納品はできますが、連続した期待を形成することはできません。AI 研究所は半年後の推論コストを知りません。データセンターは事前にレンタル価格を固定できません。貸し手も、リアルタイムで更新されるデータがありません。担保としての GPU がどれくらいの速さで価値を目減りさせるのかを見積もれないのです。
資金規模が、こうした価格付けのやり方をそのまま維持できるほどの余裕をなくしてしまいました。
Tarek が示した数字では、超大規模クラウド事業者は今年、演算能力に対して 7000 億ドル超を投資し、2030 年の市場規模は 7 兆〜10 兆ドルに達するといいます。より慎重な機関の予測も同じくらい大きいです。Morgan Stanley は、2028 年までに世界のデータセンターの資本支出が約 2.9 兆ドル、そのうち約 2.5 兆ドルが AI 向けになると見込んでいます。McKinsey の推計では 2030 年までのデータセンター資本支出は 6.7 兆ドルです。Goldman Sachs は 2026 年から 2031 年の AI インフラ投資を 7.6 兆ドルと見積もっています。
これらの数字は、使っている年や統計の切り口が異なります。中にはデータセンターを含むものもあれば、演算能力と電力の両方を同時に計算しているものもあります。共通しているのは、各社が見積もる計算とハードウェアの比率が 55%〜67% で、今回のインフラ投資における最大の部分を占めていることです。
チップは、価格が激しく変動する資産でもあります。GPU の利用期間について市場の見積もりは 3 年〜7 年でばらつきます。新しい世代の製品は毎年性能が更新されますが、供給不足のため旧チップもレンタル価値を保ちます。データセンターは、減価の進み方についてコンセンサスがまだない一群の設備に巨額の資金を押し込む必要があります。
資本の負担が重くなるほど、フォワード価格の重要性は増します。
GPU 取引市場の探索
GPU 取引市場の第1段階は、すでに何年も動いている「非公開の仲介」です。
買い手は事前にキャパシティを予約し、売り手は将来の収入を確定させます。ブローカーは、供給を見つけて取引を成立させる仕事を担います。本当の需要とフォワードの約束はすでに存在しているものの、統一された契約もなく、公開された見積もりもありません。
この売買当事者の組み合わせ自体が、演算能力の金融市場の土台を構成しています。
超大規模クラウド事業者、大規模データセンター、GPU 保有者は在庫を持ち、将来のレンタルが下がることを心配しています。一方で AI 研究所、推論プラットフォーム、アプリ企業、そして下流にすでにキャパシティを約束している neocloud は、将来の価格が上がることを心配しながら継続的に調達する必要があります。片方は設備の収入を守りたい。もう片方は演算コストを抑えたい。このため、最初の取引需要が生まれます。
第2段階は、標準化された価格指数を作ることです。Ornn の Compute Price Index は、実際の GPU レンタルの成約から価格を抽出し、多くの主要チップをカバーします。Silicon Data は H100、A100、B200 のオンデマンドレンタル指数を毎日公表し、データを Bloomberg 端末に送ります。Compute Desk も同様の商品を構築しています。
指数が定義するのは、単なる数字の列ではありません。どのチップ、どの地域、どのネットワーク設定、どの契約タイプを組み込むか、異常な成約をどう扱うか、チップが世代交代した後に旧指数をいつどう退出させるか――最終的に、参加者が口にする「GPU の価格」を変えてしまうのです。取引所は取引の場を提供し、指数提供者は人々がいったい何を取引しているのかを定義します。
Ornn は最近、a16z から 3300 万ドルの投資を受けました。分散した取引データを、市場に受け入れられるベンチマークへまとめられる人は、演算能力市場における価格の入口になれるチャンスがあります。
第3段階は、その指数を取引可能な契約に書き込むことです。CME はデータ提供者として Silicon Data を選び、毎日の GPU レンタルのベンチマークに基づいて決済する演算能力先物の発表を計画しています。ニューヨーク証券取引所の親会社 ICE は Ornn を選び、別の GPU 先物を上場する準備を進めています。両方の伝統的な取引所はいずれも、商品を AI 研究所、クラウド事業者、データセンター、金融機関のリスク管理ツールとして位置づけていますが、商品はいま規制審査待ちの段階です。
予測市場は別の道を歩みました。そこではトレーダーが繰り返し同じ質問に答えることになります。「ある日付に、そのチップのレンタル価格はある水準を上回るのか？」隣接する閾値の間の価格差を計算することで、その価格帯に対する市場の判断をおおむね近似できます。さらに日付ごとに同じ計算を繰り返せば、期間構造が現れます。
伝統的なコモディティ市場では通常、まず引き渡し可能な契約を定義し、それを先物取引がカーブとして形成します。予測市場は、まずイベント契約で公開された期待を作り、その期待を店頭取引、先物、そして無期限契約にまで活用することを考えます。
伝統的な演算能力の先物は規制当局の承認待ちですが、予測市場はすでに期間構造を提示しています。
1本のカーブで何が解決できるのか
市場は指数、先物、フォワードカーブを作るために力を注いでいますが、結局のところ、普通の AI 企業に対してどんな問題を解決できるのでしょうか？
たとえば推論プラットフォームが、半年後に顧客へサービス提供することをすでに約束しているとします。必要になる GPU の量は分かっているが、レンタル価格がどこまで上がるかは分かりません。もしレンタルが突然上昇しても、すでに交渉済みの顧客向け価格は連動して上がりません。すると、その増加分のコストは自分で負担するしかなくなります。GPU レンタルが上がるほど価値が増える契約を買えば、クラウドの請求額は高くなるものの、契約上の利益が一部差額を埋めてくれます。
データセンターは逆の問題を抱えます。設備はすでに買ってあるのに、将来レンタル価格が下がれば収入が縮みます。そこで、フォワードのエクスポージャーを売ることで、設備収入の一部を前もって固定できます。
この契約は、企業が実際に調達する「各カード」と完全に一致している必要はありません。企業がニューヨーク地域の H200 を使うとしても、取引市場で取引されているのは複数のサプライヤーをカバーする H200 の指数です。両者の価格が概ね同じように上がり下がりする限り、この契約は機能します。アナリストの試算では、2つの価格の相関係数が 0.7 に達すれば、合理的に組まれたヘッジで約半分のボラティリティを取り除けます。航空会社が、自社の燃油支出と完全に同じ契約を買えないとしても、原油先物でコストを抑えるのと同じ理屈です。
貸し手にとっても、このカーブは必要です。データセンターが GPU を担保にして融資を受けるとき、銀行はそのチップが2年後にどれくらいレンタル収入を生むかを判断しなければなりません。従来は、メーカーの見積もりや散発的な成約、そして自分たちの仮定に頼るしかありませんでした。公開されたカーブがあれば、貸し手は市場の変化に応じて担保の評価額を調整でき、データセンターも将来収入をより説明しやすくなります。
価格は、企業がどのチップを選ぶかにも影響し得ます。Nvidia GPU のレンタル成約が多く、指数がより信頼でき、ヘッジ手段も活発なら、銀行はそれを担保として受け入れやすくなります。保有者も必要になったときにレンタルしたり売却したりしやすくなります。結果として設備はより融資を受けやすくなり、さらに多くの買い手が選ぶことで好循環が生まれます。Nvidia に集まる取引の流動性は、競合他社にとって複製しにくい優位になり得ます。
したがって、この価格カーブが提供するのはトレーダーだけではありません。利用者はより早くコストを把握でき、保有者はより早く収入を確定でき、貸し手も設備やデータセンターに対して価格をつけることに自信が持てます。
ボトルネック & 課題
最初の問題は指数です。
Ornn は実際の成約を重視し、Silicon Data はオンデマンドのレンタル価格に着目し、他の案ではエネルギーコストを標準化することも検討されています。いずれの方法も、ある情報は残し、別の情報を捨てています。どんな指数も、チップ、地域、期間、ネットワーク、取引相手を同時にカバーすることはできません。
同時に、チップも急速に世代交代します。
石油の計量基準はずっと使い続けられるのに対し、GPU 市場は H100 から H200、B200、GB200、Rubin へとアップグレードしています。AMD、Google TPU、Amazon Trainium、そして専用チップも、演算能力需要を分散させ続けます。旧指数がいつ退出し、新旧チップがどうつながるのかは、契約の基礎となる対象そのものにまで影響し続けます。
2つ目の問題は受け渡し（デリバリー）です。
現金決済の契約は満期になっても金銭だけが計算され、GPU は引き渡されません。コストを抑えたい企業は契約の利益でレンタル上昇を相殺できますが、すでに顧客にキャパシティを約束している neocloud は、やはり市場で自分でカードを探しに行く必要があります。
もう1つのリスクは、成約数量です。
GPU レンタル市場で毎日公開される実取引量が少ないことがあり、供給は少数の売り手に集中しがちです。この場合、1回の取引が指数を大きく押し上げることも起こり得ます。供給を握っている側は、最終的な決済価格にも影響しやすくなります。
これが、予測市場で描くカーブにもある問題です。
伝統的なフォワードカーブは、引き渡しや現物交換のメカニズムを通じて、先物価格を実際の需給に引き戻します。予測市場の二値（はい／いいえ）契約には、この通路がありません。カーブが表しているのは参加者の期待であり、まだ引き渡し可能・裁定可能な容量価格になっていないのです。
3つ目の問題は流動性です。
売り手は長期契約を好みます。データセンターは前もって収入を確保したいからです。買い手は短期契約を好みます。AI 企業はチップやサプライヤーを切り替える自由を残したいからです。両者の「期限」に対する需要は、生まれつきすれ違っています。仲介業者や大口保有者は不透明な市場から利益を得ており、すべての取引を公開市場に持ち込むための動機が不足しています。
多くの障害があるにもかかわらず、演算能力市場における公開価格への需要は後戻りしません。おそらく間もなく、「スマートマネーがオンチェーンで『演算能力を5倍ロング』している」ような報道が見られるでしょう。
律動 BlockBeats の求人情報はこちらをクリック
律動 BlockBeats 公式コミュニティに参加しましょう：
Telegram 購読グループ：https://t.me/theblockbeats
Telegram 交流グループ：https://t.me/BlockBeats_App
Twitter 公式アカウント：https://twitter.com/BlockBeatsAsia