Quanto custa por hora alugar uma GPU Nvidia B200 no fim deste ano?

O mercado de previsão decompôs esta questão num conjunto de contratos de sim ou não. Os traders apostam se a renda do B200 ficará acima de um determinado preço; depois juntam contratos com preços e datas diferentes, formando uma curva de preços de aluguer de GPUs gerada pelas apostas do mercado.

O Polymarket já tinha lançado contratos de renda de GPU antes, mas o volume de negociação era baixo. Desta vez, o cofundador da Kalshi, Tarek Mansour, anunciou que a plataforma já extraiu a curva a prazo a partir dos preços do mercado de previsão do B200, H200 e A100.

O mercado de previsão já não se limita a responder a resultados eleitorais, ao calendário de cortes de juros e a acontecimentos corporativos. Agora, está a construir mercados financeiros para uma indústria que nunca teve um mercado de negociação público.

Esta curva ainda está longe da curva a prazo dos mercados tradicionais de commodities, e o mercado de previsão não consegue fazer com que o comprador receba um conjunto de GPUs ao vencer. Ainda assim, apanha a parte que o mercado de trading de GPUs mais precisa: uma linha de preços de referência que toda a gente consegue ver.

Nos últimos anos, capital tem continuado a afluir para chips, data centers e eletricidade. O poder de computação tornou-se um dos maiores custos da indústria de IA, mas a forma de aquisição ainda se mantém em encomendas por telefone, acordos entre conhecidos e contratos offline.

A financeirização do poder de computação está a avançar a todo o vapor.

Primeiro surgem os contratos, depois surgem os mercados

Antes do aparecimento dos grandes modelos, as empresas obtinham capacidade de computação principalmente de duas maneiras: comprar servidores por conta própria ou pagar uma mensalidade relativamente estável aos fornecedores de cloud. A IA mudou esta lógica de aquisição. O treino e a inferência consomem um grande número de GPUs; as diferenças de preço por chip, região e duração dos contratos começaram a surgir. As cotações dos fornecedores de cloud também mudam rapidamente com a oferta e a procura.

Hoje, o mercado de poder de computação não é desprovido de negociação a prazo.

Laboratórios de grande escala travam capacidade futura com antecedência. A neocloud pré-compra GPUs junto de fornecedores de cloud e corretores. Entre mega fornecedores de cloud, também existe reserva recíproca de recursos. Os contratos podem ser alugados por horas ou cobrir vários anos. Desempenham um papel semelhante aos contratos de compra a longo prazo de petróleo, mas o preço fica escondido em negociações privadas.

Um grande fornecedor de serviços de inferência descreveu a aquisição de capacidade de computação como encontrar um “intermediário” que conhece bem a oferta. Dizem-lhe de que chips precisa, quantas placas, e em que região vai ser usada; ele procura então stock na sua rede de contactos. Os corretores ganham com assimetria de informação; os grandes detentores ganham com a atribuição via relações. O preço real raramente aparece num ecrã público.

Este mercado consegue viabilizar a entrega, mas não consegue formar expectativas contínuas. O laboratório de IA não sabe o custo de inferência daqui a meio ano; o data center não consegue fixar antecipadamente o preço de aluguer; o credor também não tem dados atualizados em tempo real sobre como o valor das GPUs dadas como garantia se está a depreciar a que ritmo.

O tamanho do capital já não permite que esta forma de pricing continue inalterada.

Os números apresentados por Tarek são: os mega fornecedores de cloud vão investir mais de 700 mil milhões de dólares em capacidade de computação este ano, e o tamanho do mercado em 2030 pode chegar a 7 biliões a 10 biliões de dólares. Previsões de instituições mais cautelosas apontam igualmente para números enormes. Morgan Stanley estima que, antes de 2028, os gastos de capital globais dos data centers sejam cerca de 2,9 biliões de dólares, dos quais cerca de 2,5 biliões de dólares serão destinados à IA. A McKinsey estima gastos de capital de data centers até 2030 em 6,7 biliões de dólares. Já o Goldman Sachs estima investimentos em infraestrutura de IA entre 2026 e 2031 em 7,6 biliões de dólares.

Estes números usam anos diferentes e critérios estatísticos distintos. Alguns incluem data centers, outros somam simultaneamente capacidade de computação e eletricidade. O ponto comum é que a computação e o hardware representam 55% a 67% das estimativas de cada empresa, sendo a maior parcela do investimento nesta ronda de infraestruturas.

Os chips são, por sua vez, um tipo de ativo com variações de preço intensas. As estimativas do mercado para a vida útil das GPUs variam entre três e sete anos. Produtos de nova geração atualizam o desempenho a cada ano; embora a oferta esteja apertada, os chips antigos continuam a manter valor de aluguer. Os data centers precisam de imobilizar uma enorme quantidade de capital numa série de equipamentos cuja velocidade de depreciação ainda não tem consenso.

Quanto maior o peso do capital, mais importante se torna o preço a prazo.

Exploração do mercado de trading de GPUs

A primeira fase do mercado de trading de GPUs é a “negociação privada” que já opera há muitos anos.

O comprador reserva capacidade com antecedência; o vendedor garante receitas futuras. O corretor fica encarregue de encontrar oferta e fazer a ponte para a negociação. A procura real e os compromissos a prazo já existem; simplesmente não há um contrato único e não há cotações públicas.

Estes compradores e vendedores também constituem a base do mercado financeiro de poder de computação.

Mega fornecedores de cloud, data centers de grande escala e detentores de GPUs têm stock, mas temem que a renda futura caia. Laboratórios de IA, plataformas de inferência, empresas de aplicações e a neocloud, que já assumiu compromissos de capacidade com o downstream, precisam de compras contínuas para se protegerem de uma subida de preços futura. Uma das partes quer proteger receitas dos equipamentos; a outra quer controlar o custo da capacidade de computação. Foi assim que surgiu a procura inicial por negociações no mercado.

A segunda fase passa por estabelecer um índice de preços padronizado. O Ornn’s Compute Price Index extrai preços de transações reais de aluguer de GPUs, cobrindo vários chips populares. A Silicon Data publica diariamente índices de aluguer sob demanda para H100, A100 e B200 e envia os dados para o terminal Bloomberg. O Compute Desk também está a construir produtos semelhantes.

O que os fornecedores de índices definem não é apenas uma sequência de números. Quais chips, regiões, configurações de rede e tipos de contrato entram no índice; como tratar transações anómalas; como o índice antigo sai quando entram novas gerações de chips — tudo isto altera o “preço de GPUs” de que o mercado fala. As bolsas fornecem o local de negociação, e os fornecedores de índices definem exatamente o que as pessoas estão a negociar.

O Ornn recebeu recentemente um investimento de 33 milhões de dólares da a16z. Quem conseguir organizar dados dispersos de transações em um benchmark aceite pelo mercado pode ter a oportunidade de se tornar uma “porta de preços” no mercado de poder de computação.

A terceira fase é escrever o índice em contratos que possam ser negociados. A CME escolheu a Silicon Data como fornecedor de dados e planeia lançar futuros de poder de computação liquidados diariamente com base no benchmark de aluguer de GPUs. A ICE, controladora da bolsa de valores de Nova Iorque, escolheu a Ornn e prepara-se para lançar outra série de futuros de GPUs. As duas bolsas tradicionais posicionam os produtos como ferramentas de gestão de risco para laboratórios de IA, fornecedores de cloud, data centers e instituições financeiras, mas os produtos ainda estão numa fase de espera de análise regulatória.

O mercado de previsão seguiu por outro caminho. Ele obriga os traders a responder continuamente à mesma pergunta: “se um certo chip, numa certa data, vai ficar acima de um determinado preço de aluguer”. Ao calcular a diferença de preços entre limiares adjacentes, pode-se aproximar a forma como o mercado avalia aquele intervalo de preços; depois, ao repetir o cálculo ao longo de datas diferentes, surge a estrutura a prazo.

Nos mercados tradicionais de commodities, normalmente primeiro se definem contratos que podem ser entregues, e só depois a negociação de futuros cria a curva. O mercado de previsão faz o contrário: primeiro usa contratos de eventos para formar expectativas públicas, e depois considera usar essa expectativa para negociação OTC, futuros e contratos perpétuos.

Os futuros tradicionais de poder de computação ainda aguardam aprovação regulatória, mas o mercado de previsão já forneceu a estrutura a prazo.

O que uma curva consegue resolver

O mercado investiu esforços para construir índices, futuros e curvas a prazo. Mas, afinal, que problema específico consegue resolver para uma empresa comum de IA?

Suponha que uma plataforma de inferência já se comprometeu a fornecer serviço aos clientes dentro de seis meses. Ela sabe que vai precisar de um conjunto de GPUs nessa altura, mas não sabe até que ponto a renda vai subir. Se a renda disparar, o preço acordado com os clientes não muda; ela só pode absorver o aumento de custos. Ao comprar um contrato que se valoriza com a subida da renda por GPU, a conta na cloud fica mais cara, mas o ganho no contrato compensa parte da diferença. O data center enfrenta o problema oposto: os equipamentos já foram comprados; se as rendas futuras baixarem, a receita encolhe. Ao vender uma exposição a prazo, consegue fixar parte da receita dos equipamentos com antecedência.

Este contrato não precisa de ser exatamente igual a cada placa que a empresa comprará na prática. A empresa pode usar H200 na região de Nova Iorque, mas o que é negociado no mercado é um índice de H200 que abrange vários fornecedores. Desde que os dois preços se movam aproximadamente na mesma direção, o contrato funciona. Analistas estimam que, quando a correlação entre os dois preços chega a 0,7, uma cobertura bem alocada pode eliminar cerca de metade da volatilidade. Companhias aéreas não conseguem comprar um contrato que seja totalmente idêntico às suas despesas reais de combustível de aviação; ainda assim, usam futuros de petróleo para controlar custos — o raciocínio é semelhante.

Os credores também precisam desta curva. Quando um data center usa GPUs para pedir um empréstimo, o banco precisa avaliar quanta renda esses chips ainda conseguirão gerar daqui a dois anos. Antes, só podiam depender de cotações dos fornecedores, transações dispersas e as suas próprias suposições. Com uma curva pública, os credores podem ajustar a avaliação da garantia conforme o mercado muda. O data center também consegue justificar mais facilmente receitas futuras.

O preço pode até influenciar quais chips as empresas escolhem. Se as transações de aluguer de GPUs da Nvidia forem mais numerosas, se o índice for mais fiável e se as ferramentas de hedge forem mais ativas, os bancos estarão mais dispostos a aceitá-la como garantia. Os detentores também conseguem mais facilmente arrendar ou vender quando for necessário. Assim, os equipamentos tornam-se mais fáceis de financiar; mais compradores também passam a escolhê-los. Este fluxo de negociação em torno da Nvidia pode tornar-se uma vantagem difícil de os concorrentes replicarem.

Assim, a curva de preços não serve apenas os traders. Ajuda os utilizadores a saber mais cedo os custos, permite que os detentores fixem a receita mais cedo e dá aos credores mais confiança para precificar equipamentos e data centers.

Gargalos & desafios

O primeiro problema é o índice.

O Ornn enfatiza transações reais; a Silicon Data foca-se em preços de aluguer sob demanda; outras soluções ainda padronizam os custos de energia. Cada abordagem preserva parte da informação e descarta outra parte. Nenhum índice consegue cobrir, simultaneamente, chips, regiões, prazos, rede e contrapartes.

Ao mesmo tempo, os chips estão a mudar rapidamente de geração.

As unidades de medida do petróleo podem continuar a ser usadas durante muito tempo. Já o mercado de GPUs evolui de H100 para H200, B200, GB200 e Rubin. A AMD, Google TPU, Amazon Trainium e chips dedicados continuam a desviar parte da procura por capacidade de computação. Quando o índice antigo sai de cena, como ligar gerações novas e antigas — tudo isto continuará a alterar o ativo subjacente do próprio contrato.

O segundo problema é a liquidação.

Nos contratos com liquidação em dinheiro, quando vence não se entrega GPUs, apenas se calcula o valor. Empresas que precisam controlar custos podem compensar aumentos de renda com os ganhos do contrato; mas a neocloud, que já assumiu compromissos de capacidade com clientes, ainda precisa ir ao mercado comprar as placas.

Outro risco vem das quantidades negociadas.

O volume real de transações de aluguer de GPUs registado publicamente todos os dias pode ser reduzido, e a oferta está concentrada num pequeno número de vendedores. Assim, uma única transação pode puxar o índice de forma visível, e quem tem acesso à oferta pode influenciar mais facilmente o preço final de liquidação.

Este é também o problema das curvas desenhadas com mercado de previsão.

As curvas tradicionais a prazo dependem de mecanismos de entrega ou troca à vista para puxar os preços dos futuros de volta para a oferta e procura reais. Os contratos binários do mercado de previsão não têm este canal; a curva expressa as expectativas dos participantes, ainda não se tornou um preço de capacidade passível de entrega e arbitragem.

O terceiro problema é a liquidez.

Os vendedores preferem contratos longos porque os data centers querem fixar receitas com antecedência; os compradores preferem contratos curtos porque as empresas de IA precisam de manter a liberdade para trocar chips e fornecedores. As necessidades das duas partes em termos de prazo estão naturalmente desalinhadas. E como corretores e grandes detentores ganham num mercado pouco transparente, não têm incentivo para colocar todas as negociações num mercado público.

Apesar de tantos obstáculos, a necessidade de preços públicos no mercado de poder de computação não vai recuar. Talvez em pouco tempo vejamos reportagens sobre “um esperto” fazendo “cinco vezes long” em capacidade de computação on-chain

Clique para conhecer o律动BlockBeats nas contratações de vagas

Bem-vindo a juntar-se à comunidade oficial da律动 BlockBeats:

Grupo de subscrição Telegram: https://t.me/theblockbeats

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

Conta oficial no Twitter: https://twitter.com/BlockBeatsAsia