Когда товаризация вычислительной мощности, как долго еще придется ждать рынка фьючерсов на GPU?

null

Автор: Caleb Shack, Alana Levin

Перевод: Джахан, ChainCatcher

В Variant мы страстно увлечены исследованием новых рынков. Новые классы активов, финансовые продукты, выпуск активов, расширение рыночного доступа и новые способы участия — всё это глубоко укоренено в нашей генетике создания.

В последнее время мы размышляем о рынке, построенном вокруг вычислительной мощности.

Получение вычислительной мощности — это обширная и постоянно растущая область, которая, по сути, уже обладает условиями для дальнейшей финансовизации.

Однако динамика спроса и предложения на вычислительную мощность очень сложна, непрозрачна и постоянно эволюционирует. Вопросы о рыночных таймингах, структуре и даже о том, что именно является активом в сделках, остаются во многом неразгаданными.

В процессе обсуждения и дебатов по этим вопросам мы хотим поделиться новой аналитической рамкой, которая служит окном для размышлений о рынке вычислительной мощности.

Появление нового фьючерсного рынка обычно требует выполнения следующих пяти условий:

Фрагментация предложения

Постоянные ценовые колебания

Некоторая форма инфраструктуры физического расчетного механизма

Стандартизованные, торгуемые единицы

Отсутствие альтернатив для ценового обнаружения или хеджирования

Наша рамка рассматривает текущий ландшафт рынка вычислительной мощности через эти пять измерений. Мы используем исторические аналогии, чтобы объяснить важность каждого измерения и предсказать, когда рынок достигнет критической точки взрыва.

Краткое изложение ключевых моментов

Быстрый обзор показывает, что сегодня рынок вычислительной мощности еще не достиг зрелости, необходимой для устойчивого фьючерсного рынка.

(Тем не менее, рынок полон энергии, многие стартапы активно работают над изменением ситуации; если вы занимаетесь этим, свяжитесь с нами!)

Вот наши текущие оценки по пяти измерениям для рынка вычислительных фьючерсов:

Фрагментация предложения: 🔴 Предложение сильно монополизировано крупными облачными провайдерами

Ценовые колебания: 🟢 Цены на GPU очень волатильны

Инфраструктура физического расчетного механизма: 🟢 На уровне OTC-брокеров уже есть инфраструктура для физического расчетного механизма

Стандартизация: 🔴 Отсутствует стандартизация и торгуемые единицы вычислительной мощности

Отсутствие альтернатив: 🟡 Вертикально интегрированные поставщики могут хеджировать внутри компании, остальные участники вынуждены покупать в длинную позицию

1. Фрагментация предложения (оценка: 🔴)

Фьючерсный рынок — это механизм ценового обнаружения.

При монополии предложения ценовое обнаружение теряет смысл, поскольку цены формируются несколькими крупными поставщиками, что устраняет неопределенность в ценообразовании.

Исторически такие ситуации не редки.

Например, нефтяные фьючерсы развились только после ослабления монополии на стороне предложения — таких как “семь сестер” (семь крупнейших нефтяных компаний середины XX века, доминировавших в мировой нефтяной индустрии).

Рынок электроэнергии сформировался после дерегуляции, разрыва монополий и допуска независимых производителей. Фрагментация предложения стимулировала развитие фьючерсных рынков как важнейших механизмов ценового обнаружения.

Рассматривая текущую динамику вычислительной мощности, предложение кажется относительно сконцентрированным.

Четыре крупнейших облачных гиганта (AWS, Azure, GCP, Oracle) контролируют примерно 78% собственной критической ИТ-электроэнергии и около 69% поставок H100 (по оценкам, предполагая, что в Q4 2025 будет 12,4 миллиона блоков H100).

Исходя из этого, можно предположить, что они также доминируют в глобальных поставках вычислительной мощности по времени. Фрагментации предложения пока не наблюдается.

Тем не менее, мы продолжаем размышлять о факторах, которые могут изменить эту динамику.

Появляются новые облачные провайдеры. Новые архитектуры чипов создают возможности для других поставщиков завоевать долю рынка.

Некоторые долгосрочные контракты с ведущими лабораториями могут остаться неиспользованными, что в итоге может привести к тому, что эти лаборатории станут поставщиками или продавцами вычислительной мощности на рынке.

Следовательно, хотя степень концентрации в будущем остается неопределенной, текущий прогноз таков: развитие предложения на рынке станет более фрагментированным, чем сейчас.

2. Ценовые колебания (оценка: 🟢)

Индекс Ornn H100 на Bloomberg Terminal

Еще одним важным условием фьючерсного рынка является высокая волатильность базового актива.

Если отсутствует значительная ценовая неопределенность, у хеджеров не будет мотивации защищать себя от рисков колебаний.

Волатильность также привлекает спекулянтов, которые могут извлечь прибыль из больших ценовых колебаний. Если рынок стабилен или предсказуем, спекулянты переключаются на другие рынки.

Так было в нефтяных рынках 1950-х годов.

Тогда из-за избытка предложения цена на нефть, выставленная СССР, была ниже цен “семи сестер”. В ответ “семь сестер” снизили цены в регионе без уведомления стран Ближнего Востока.

Последствия этого цепного эффекта привели к национализации нефтяных стран Ближнего Востока, созданию OPEC и росту неопределенности цен на нефть. Позже, в 1970-х, волатильность нефти вызвала колебания в электроэнергетике.

Ценообразование вычислительной мощности в прошлом и в будущем будет оставаться волатильным.

Темпы выхода новых предложений на рынок неопределенны. Новые чипы или архитектуры дата-центров могут повысить эффективность токенов для конкретных задач. Спрос продолжает расти и расширяться непредсказуемыми способами.

Мы уверены, что этот фактор сегодня уже реализован.

3. Инфраструктура физического расчетного механизма (оценка: 🟢)

Для эффективной работы рынка покупатели должны быть уверены, что смогут получить и использовать базовый актив в оговоренные сроки.

Это требует инфраструктуры: агрегирования предложения, обеспечения надежной доставки, расчетов по сделкам, обработки залогов и управления расчетами. Эти функции обычно выполняют посредники или брокеры.

В энергетике эти задачи выполняют независимые системные операторы, выступающие в роли нейтральных третьих сторон, выполняющих функции государственных структур.

На текущий момент рынок вычислительной мощности не имеет полностью равноправных ролей, но предполагается, что брокеры или OTC-офисы начинают (и все больше склоняются к тому, чтобы) выполнять эти функции.

Сейчас брокеры создают индексы и агрегируют данные по покупке и аренде вычислительной мощности, чтобы зафиксировать рыночные цены.

Ornn и Silicon Data уже публикуют цены на GPU уровня дата-центров.

Группа брокеров также формирует согласованные договорные стандарты, аналогичные стандартам SAFE для раннего финансирования. Эти инструменты дополняют базовую инфраструктуру физического расчетного механизма — до этого многие координационные работы велись в чатах.

Мы оцениваем инфраструктуру физического расчетного механизма как положительную, поскольку она закладывает основу для ценового обнаружения.

Но по сравнению с зрелым спотовым рынком она еще далека от совершенства. Эти сделки происходят на уровне инфраструктуры, и не все участники имеют право перепродавать приобретенное после покупки. Мы внимательно следим за развитием новых рынков на этом уровне.

4. Стандартизация (оценка: 🔴)

Основная проблема новых товаров — их уникальность и неконвертируемость единиц.

Избыточное количество переменных может рассеять ликвидность по множеству рынков или привести к слишком высоким базисным рискам, что мешает удовлетворить большинство требований хеджирования и поставки.

Например, нефть измеряется по плотности и содержанию серы, что зависит от месторождения.

NYMEX нашел подходящий продукт — WTI (легкая низсерая нефть), который стал стандартом для глобального рынка, позволяя хеджировать риски в upstream и downstream сегментах, например, авиакомпаниям.

В электроэнергетике стандартизация осуществляется по регионам, учитывая различия в спросе и предложении из-за температуры, плотности населения и других факторов.

Рынок вычислительной мощности пока не обладает уровнем стандартизации, который бы удовлетворял общие требования хеджирования.

Проблема в том, что один экземпляр H100 не всегда равен другому.

Факторы, такие как регион (и локальный источник электроэнергии), конфигурация системы (железо и сеть) и срок (длительность контракта), усиливают ценовые различия.

Тем не менее, есть признаки ранней стандартизации, особенно при спросе со стороны “длинного хвоста” — не передовых лабораторий.

В отличие от обучения, inference — это менее чувствительная к мелким различия нагрузка, и ее можно запускать в распределенных и разнесенных по регионам средах.

Если предложение inference будет разбросано по множеству поставщиков, например, с открытыми моделями, увеличивающими долю рынка, стандартизация может стать естественным следствием.

5. Отсутствие альтернатив (оценка: 🟡)

Это тонкий, но важный аспект формирования рынка, который часто игнорируют.

Создание фьючерсных рынков предназначено для хеджеров. Если есть альтернативы с высокой ликвидностью и минимальным базисным риском, такие альтернативные контракты не найдут спроса.

Классический пример — отсутствие популярности фьючерсов на авиационный керосин, поскольку WTI и другие индексы уже полностью покрывают потребности.

В энергетике неудачей завершились температурные фьючерсы, потому что участники рынка обнаружили, что хеджировать цену электроэнергии эффективнее, чем хеджировать температуру.

Сегодня поставщики моделей используют долгосрочные аренды или совместные предприятия для хеджирования рисков вычислительной мощности, зачастую по принципу “плати и не спорь”, — то есть, обменивая риск ценового колебания на риск контрагента.

Крупные облачные провайдеры обычно владеют своими GPU.

Малые поставщики, в свою очередь, не имеют контрактов на льготных условиях и не могут построить собственную инфраструктуру, поэтому вынуждены сталкиваться с волатильностью спотового рынка.

С точки зрения рынка, альтернатив нет; участники, контролирующие предложение, могут внутри компании хеджировать риски через вертикальную интеграцию.

Общий вывод

Общий балл показывает, что создание устойчивого фьючерсного рынка для вычислительной мощности пока преждевременно.

Рынок обладает волатильностью, привлекающей спекулянтов, и начальной инфраструктурой для расчетов, но ему не хватает фрагментации предложения и стандартизации, необходимых для полноценного ценового обнаружения в масштабах.

Большая часть сделок происходит на OTC-рынке.

Брокеры создают источники цен, Ornn и Silicon Data публикуют индексы, а групповые сделки в чатах начинают оформляться в виде контрактных шаблонов.

Это важно, но пока не сформировался полноценный рынок, подобный WTI или PJM. Объемы слишком малы, контракты слишком индивидуализированы, а предложение слишком сосредоточено, чтобы существующая инфраструктура могла масштабировать расчеты.

Правильное восприятие этой рамки — использовать ее как инструмент диагностики, а не как окончательный вывод. Она показывает, чего не хватает, а не что невозможно.

Неразгаданные вопросы

Рынок будет развиваться по неопределенным нам пока путям.

У нас есть множество неразгаданных загадок и предварительных гипотез. Эти гипотезы — лишь предположения, требующие дальнейшей проверки или опровержения. Ниже мы изложим наиболее сильные аргументы в их поддержку.

▍Через 1-2 года, станет ли предложение более фрагментированным или более концентрированным?

Мы ожидаем умеренной фрагментации.

Новые облачные провайдеры запускают новые мощности быстрее, чем любые другие категории.

По мере того, как электроэнергия становится ключевым ограничением, появляются новые регионы, что благоприятствует операторам, способным строить мощности рядом с дешевыми источниками электроэнергии (а не рядом с существующими крупными облачными центрами).

Крупные корпорации из списка Fortune 2000 даже поддерживают небольшие дата-центры. Расширение этого сегмента кажется неизбежным.

Однако стандартная бизнес-модель предполагает крупные долгосрочные контракты с надежными партнерами — крупными облачными провайдерами и передовыми лабораториями.

Облачные брокеры, такие как Hyperbolic и SF compute, идут по пути предоставления ресурсов по часам.

Эти компании обслуживают AI-стартапы, приложения, использующие открытые модели, и исследовательские лаборатории с ограниченным бюджетом, нуждающихся в длинных цепочках вычислений.

Мы считаем, что особенно использование открытых моделей приведет к дальнейшей фрагментации вычислительных мощностей — поскольку предложение будет “дезвертикализировано” из передовых лабораторий и крупных облачных провайдеров.

▍Как будет развиваться стандартизация?

Поставщики индексов разрабатывают стандарты стоимости GPU-экземпляров по часам.

Эти данные — лишь приблизительные оценки, а не точные цены.

Цены на экземпляры варьируются по регионам, конфигурациям и срокам, что усложняет стандартизацию.

Особенно заметна разница в конфигурациях — это результат того, что дата-центры настраивают оборудование под конкретные задачи, а крупные облачные провайдеры оптимизируют его для удержания клиентов, а не для единого рынка.

Когда появляется единый рыночный спрос, стандартизация становится возможной.

Стандарты WTI получили широкое распространение, потому что они обслуживают множество продуктов — бензин, дизель, авиационный керосин.

Сегодня спрос на вычислительную мощность определяется задачами обучения и inference.

Инфраструктура для обучения — это кастомизированные решения, оптимизированные под крупные централизованные системы для длительных вычислений, что делает базовые экземпляры практически неконвертируемыми.

В то же время инфраструктура inference требует более простых спецификаций и меньшего энергопотребления; она оптимизирована для задержек и предполагает распределенное разнесенное развертывание.

Inference — это однородная нагрузка, и к 2029 году она превысит 65% спроса на AI-вычислительную мощность. Мы предполагаем, что оптимизация инфраструктуры для этого сегмента приведет к унификации требований к вычислительным ресурсам.

Если различия на уровне чипов сохранятся, альтернативным путем стандартизации могут стать аппаратные бенчмарки.

NVIDIA создала MLPerf — бенчмарк для оценки производительности inference и обучения различных моделей.

В рамках этой идеи торговля GPU-экземплярами будет основываться не только на технических характеристиках, а на качестве и эффективности их работы.

▍Что может помешать появлению стандартов в ближайшие 1-2 года?

Мы считаем, что “огражденные экосистемы” и кастомизированные нагрузки помешают развитию стандартов.

В течение 1-2 лет крупные облачные провайдеры и передовые лаборатории будут стараться сохранить свое доминирование в инфраструктуре AI и моделях.

Если они не будут разделены, то будут поддерживать собственное оборудование под свои нужды, что усложнит стандартизацию из-за разницы требований.

Новые архитектуры чипов еще больше усложнят унификацию спецификаций.

▍Как получить значимый эффект от открытых моделей?

Это самый простой способ формирования рынка вычислительной мощности.

Сегодня эти рынки сталкиваются с двумя основными барьерами: концентрацией предложения и отсутствием стандартов.

Широкое использование открытых моделей демократизирует возможность запуска inference.

Это создает мотивацию для независимых операторов и стимулирует оптимизацию инфраструктуры под конкретные модели.

Аналогия с майнингом биткоинов: открытое ПО породило множество майнеров и стимулировало стандартизацию аппаратных решений.

До сих пор открытые модели по производительности уступают закрытым.

Но если эта тенденция продолжится, открытые модели скоро достигнут тех же показателей, что и закрытые.

Компании уже внедряют закрытые модели в свои системы и отмечают значительный рост производительности. За три месяца модели, повышающие продуктивность, могут стоить лишь малую часть текущих цен.

Большинство компаний все же предпочтут модели с лучшей производительностью.

Мы считаем, что рано или поздно передовые закрытые модели станут слишком дорогими для выполнения своих задач, и компании начнут оптимизировать использование различных моделей.

Важно помнить, что передовые лаборатории сейчас предоставляют inference с убытком, и им придется повышать цены, чтобы оставаться на плаву. Тогда открытые модели получат свой шанс.

▍Что будет являться единицей оценки сделок в будущем?

Вычислительная мощность можно условно разбить на три уровня: чип, час экземпляра чипа, Token.

На уровне чипа — предложение сильно сконцентрировано.

ASML монополизировала литографы для TSMC, TSMC — для чипов NVIDIA, а NVIDIA — дизайн передовых чипов.

Кроме того, чипы работают только при подключении к электросети и высокой онлайн-активности. Поэтому мы считаем, что отдельный, поставляемый экземпляр чипа не станет конечной единицей оценки.

На уровне “экземпляр чипа в час” — это время, когда чип реально используется.

Это наиболее ценное состояние чипа и основной уровень обсуждения.

При наличии достаточного спроса на ресурсы вычислительной мощности, она будет торговаться как товар, подобно электроэнергии.

Мы предполагаем, что вычислительная мощность будет торговаться по аналогии с электроэнергией и другими коммунальными услугами: через региональные контракты с стандартизацией (вычислительная мощность — функция электроэнергии), а также с использованием спотовых и фьючерсных рынков для хеджирования. В формате “экземпляр чипа в час” это реализуемо.

На уровне Token — это downstream-продукт вычислительной мощности, который также может стать конечной единицей оценки.

Если Token станет основным драйвером сделок, то рынок Token предоставит спросу хеджирование стоимости, а предложению — зафиксировать доходы.

Поставщики смогут хеджировать издержки через долгосрочные контракты или вертикальную интеграцию, сохраняя концентрацию.

Однако, Token в разных моделях не едины. Каждая модель имеет свои стандарты сегментации текста и генерирует разные выходные данные, что мешает их полной взаимозаменяемости в различных сценариях. Но мы внимательно следим за развитием этой области.