Скільки коштує погодинна оренда GPU Nvidia B200 наприкінці цього року?

Прогнозний ринок розбив це питання на низку бінарних (так/ні) контрактів. Трейдери роблять ставки, чи буде орендна плата за B200 вища за певну ціну, і збирають контракти з різними цінами та датами. Так з’являється крива орендних ставок на GPU, сформована ставками ринку.

Раніше Polymarket уже запускав контракти щодо орендної плати за GPU, але обсяги торгівлі були невеликі. Цього разу співзасновник Kalshi Tarek Mansour оголосив, що платформа витягла форвардну криву з цін прогнозних ринків для B200, H200 і A100.

Прогнозні ринки більше не лише відповідають на результати виборів, час зниження ставок і події компаній — вони починають будувати фінансовий ринок для галузі, яка досі не мала публічного біржового ринку.

Ця крива ще дуже далека від традиційних форвардних кривих на товарних ринках, і прогнозні ринки не можуть гарантувати покупцям отримання набору GPU після настання строку. Але вони влучили в те, чого найбільше бракує на ринку торгів GPU: публічну цінову шкалу, яку бачать усі.

Протягом кількох останніх років у чипи, дата-центри та електроенергію безперервно вливався капітал, і обчислювальні потужності стали одним з найбільших витрат у AI-індустрії, однак спосіб закупівель досі лишається на рівні телефонного замовлення, домовленостей через знайомства та офлайн-контрактів.

Фінансова «квантифікація» обчислювальних потужностей розгортається повним ходом.

Спочатку контракти, потім ринок

До появи великих моделей компанії отримували обчислювальну потужність переважно двома способами: або купували сервери самостійно, або платили хмарним провайдерам відносно стабільну щомісячну плату. AI змінив цю логіку закупівель. Навчання та інференс поглинають величезні обсяги GPU; ціни починають відрізнятися залежно від різних чипів, регіонів і строків контрактів, а котирування хмарних провайдерів швидко коливаються відповідно до попиту та пропозиції.

Сьогодні ринок обчислювальних потужностей не є без форвардних угод.

Великі лабораторії наперед фіксують майбутні обсяги, neocloud викуповує GPU у хмарних провайдерів і брокерів наперед, а серед гігантських хмарних провайдерів існують взаємні резервування ресурсів. Контракти можуть бути короткими — на погодинну оренду, або довгими — на кілька років. Вони виконують функцію, подібну до довгострокових угод про ексклюзивну закупівлю на кшталт контрактів з нафтою, лише ціни сховані в приватних переговорах.

Один великий провайдер інференсу колись описав закупівлю обчислювальних потужностей як пошук «посередника», який добре розуміється на наявності ресурсів. Ви кажете йому, які саме чипи потрібні, скільки карт і в якому регіоні вони використовуватимуться — і він потім шукає запаси у своїй мережі зв’язків. Брокери заробляють на інформаційній асиметрії, великі власники — на розподілі через зв’язки; при цьому реальна ціна угод дуже рідко з’являється на публічних екранах.

Цей ринок може забезпечити доставку, але не може сформувати безперервні очікування. AI-лабораторіям невідомі майбутні витрати на інференс через пів року, дата-центрам складно наперед зафіксувати орендну ціну, позичальникам бракує даних для оперативного оновлення, а також бракує оцінки того, з якою швидкістю знецінюються GPU, які беруться в заставу.

Обсяги капіталу більше не дозволяють зберігати таку модель ціноутворення без змін.

Числа, які навів Tarek: гігантські хмарні провайдери інвестують у обчислювальні потужності цього року понад 7000 мільярдів доларів, а до 2030 року розмір ринку може досягти 7 трильйонів — 10 трильйонів доларів. Не менш масштабні, але обережніші прогнози дають і інституції. Morgan Stanley оцінює, що до 2028 року загальні капітальні витрати глобальних дата-центрів становитимуть приблизно 2,9 трильйона доларів, з яких близько 2,5 трильйона доларів працюватимуть на AI. Оцінка McKinsey щодо капітальних витрат дата-центрів до 2030 року — 6,7 трильйона доларів. Goldman Sachs оцінює інвестиції в AI-інфраструктуру на період 2026–2031 років у 7,6 трильйона доларів.

Ці цифри використовують різні роки та різні статистичні підходи; десь включені дата-центри, а десь одночасно рахуються обчислювальні потужності та електроенергія. Спільне в тому, що обчислення й апаратне забезпечення становлять 55%–67% оцінок кожної компанії — це найбільша частка у цій хвилі інфраструктурних інвестицій.

Чипи — це ще один вид активів, для якого характерні різкі зміни ціни. Ринок оцінює строк корисного використання GPU від трьох до семи років. Нове покоління продуктів щороку оновлює продуктивність; при цьому дефіцит нових чипів змушує старі чипи зберігати цінність для оренди. Дата-центрам потрібно «заморожувати» колосальні суми в партіях обладнання, для якого темпи амортизації ще не мають спільного консенсусу.

Що більшим стає тягар капіталу, то важливішими стають форвардні ціни.

Дослідження ринку торгів GPU

Перший етап ринку торгів GPU — це «непублічне зведення» (private matchmaking), яке вже працює багато років.

Покупці наперед бронюють потужності, продавці фіксують майбутні доходи, а брокери беруть на себе роботу з пошуку наявності ресурсів і зведення сторін. І реальний попит, і форвардні зобов’язання вже існують, просто немає єдиного контракту й немає публічно доступних котирувань.

Ці покупці й продавці також формують базовий «шар» фінансового ринку обчислювальних потужностей.

У гігантських хмарних провайдерів, великих дата-центрів і власників GPU є запаси. Їх турбує можливе падіння орендної плати в майбутньому; AI-лабораторіям, інференс-платформам, компаніям-аплікаціям та neocloud, яке вже взяло зобов’язання за потужності в напрямку донизу, потрібні постійні закупівлі, бо їх турбує можливе зростання цін. Одна сторона хоче захистити дохід від обладнання, інша — контролювати витрати на обчислювальні потужності. Так виникає початковий попит на торгівлю.

Другий етап — створення стандартизованого цінового індексу. Compute Price Index від Ornn витягує ціни з фактичних угод з оренди GPU, охоплюючи кілька основних типів чипів. Silicon Data щодня публікує індекси оренди за запитом для H100, A100 і B200 та передає дані на Bloomberg Terminal. Compute Desk також будує аналогічні продукти.

Індексні провайдери визначають не лише набір цифр. Які чипи, регіони, мережеві конфігурації та типи контрактів включатимуться; як обробляти аномальні угоди; як «виходитимуть» старі індекси після заміни чипів — усе це зрештою змінює те, що ринок називає «ціною GPU». Біржа надає майданчик для торгів, а індексні провайдери визначають, що саме люди торгують.

Ornn нещодавно отримала інвестиції від a16z у розмірі 33 мільйони доларів. Хто зможе зібрати розрізнені дані торгів у бенчмарк, який визнає ринок, той має шанс стати «точкою входу» до цін на ринку обчислювальних потужностей.

Третій етап — вписати індекси в контракти, які можна торгувати. CME обрала Silicon Data як постачальника даних і планує запустити ф’ючерси на обчислювальні потужності з розрахунком за щоденним бенчмарком оренди GPU. Материнська компанія Нью-Йоркської фондової біржі ICE обрала Ornn і готує запуск іншого набору ф’ючерсів на GPU. Обидві традиційні біржі позиціонують свої продукти як інструменти для управління ризиками для AI-лабораторій, хмарних провайдерів, дата-центрів та фінансових інституцій, але самі продукти поки перебувають на етапі очікування перевірки регулятором.

Прогнозний ринок пішов іншою дорогою. Він змушує трейдерів постійно відповідати на одне й те саме питання: «Чи буде конкретний чип у певну дату вищий за певну ціну оренди?» Обчислення різниць у цінах між сусідніми порогами може приблизно відображати, як ринок оцінює ціновий діапазон; а потім повторення обчислення для різних дат формує структуру строків (термінову структуру).

Традиційні товарні ринки зазвичай спершу визначають контракти, які можна поставляти (deliverable), а вже потім ф’ючерсна торгівля формує криву. Прогнозні ринки спочатку використовують подієві контракти, щоб сформувати публічні очікування, а потім розглядають можливість використання цієї очікуваної кривої для позабіржової торгівлі, ф’ючерсів і перпетуальних (безстрокових) контрактів.

Традиційні ф’ючерси на обчислювальні потужності ще чекають на регуляторне схвалення, але прогнозний ринок уже дав структуру строків.

Яку проблему може вирішити одна крива

Ринок витрачає зусилля на побудову індексів, ф’ючерсів і форвардних кривих. Але яку конкретну проблему він може вирішити для звичайної AI-компанії?

Уявімо, що інференс-платформа вже пообіцяла забезпечити клієнту сервіс через пів року. Вона знає, що тоді їй потрібна партія GPU, але не знає, наскільки зросте орендна плата. Якщо орендна плата раптом підскочить, ціни, вже узгоджені з клієнтами, не зміняться — їй доведеться поглинути додаткові витрати самостійно. Купивши контракт, який зростає в ціні разом із орендною платою за GPU, рахунок у хмарі справді стане дорожчим, але дохід за контрактом зможе компенсувати частину різниці. Дата-центру ж доведеться зіткнутися з протилежною проблемою: обладнання вже куплено, а якщо в майбутньому орендна плата впаде, його дохід скоротиться. Продавши форвардний експозиційний «лонг» (forward exposure), він може заздалегідь зафіксувати частину доходу від обладнання.

Цей контракт не обов’язково має бути повністю ідентичним кожній карті, яку компанія фактично купує. Компанія може використовувати H200 у регіоні Нью-Йорка, тоді як на ринку торгується індекс H200, що охоплює кількох постачальників. Поки ці дві ціни загалом рухаються синхронно вгору й вниз, контракт працюватиме. Аналітики оцінюють, що коли коефіцієнт кореляції між двома цінами досягає 0,7, адекватно налаштований хеджування може усунути приблизно половину волатильності. Авіакомпанія не може купити контракт, який повністю відповідає кожній окремій витраті на авіаційне паливо, але все одно використовує ф’ючерси на нафту, щоб контролювати витрати — логіка та сама.

Позичальникам ця крива також потрібна. Коли дата-центр бере позику, використовуючи GPU як заставу, банк має оцінити, скільки орендного доходу ці чипи зможуть приносити через два роки. Раніше можна було покладатися лише на котирування виробника, розрізнені угоди та власні припущення; з публічною кривою позикодавець може коригувати оцінку застави в міру руху ринку, а дата-центру стає легше довести майбутні доходи.

Ціна навіть може впливати на те, які чипи обиратиме компанія. Якщо угоди з орендою Nvidia GPU відбуваються більше, індекс надійніший, а інструменти хеджування активніші, банки більш охоче прийматимуть її як заставу, а власникам легше орендувати або продавати обладнання, коли це потрібно. Через це обладнання простіше фінансується, а більше покупців знову обирають його. Такий потік ліквідності, зосереджений навколо Nvidia, може стати перевагою, яку конкурентам буде важко відтворити.

Отже, одна цінова крива служить не лише трейдерам. Вона дозволяє користувачам знати витрати раніше, власникам — раніше визначати доход, а позикодавцям — сміливіше встановлювати ціни на обладнання та дата-центри.

Болтне місце & виклики

Перша проблема — індекс.

Ornn підкреслює реальні угоди, Silicon Data фокусується на цінах оренди за запитом, а інші рішення ще й стандартизують енергетичні витрати. Кожен підхід зберігає частину інформації, відкидаючи іншу. Жоден індекс не може одночасно охопити чипи, регіони, терміни, мережу та контрагентів.

Паралельно чипи швидко змінюються.

Одиниці виміру на нафтовому ринку можна використовувати довго, але на ринку GPU відбувається еволюція: від H100 до H200, B200, GB200 і Rubin. AMD, Google TPU, Amazon Trainium та спеціалізовані чипи продовжують розподіляти попит на обчислювальні потужності. Коли старі індекси «виходять» з обороту, і як відбувається стиковка нового та старого чипів, — це постійно змінює сам базовий актив контрактів.

Друга проблема — поставка (delivery).

Після закінчення строку грошово-розрахункових контрактів підраховується лише гроші, а GPU не постачаються. Компаніям, які мають контролювати витрати, контрактні доходи можуть компенсувати зростання орендної плати, але neocloud, яка вже пообіцяла клієнтам потужності, все одно має самостійно шукати карти на ринку.

Ще один ризик походить від обсягів угод.

Реальні обсяги угод з оренди GPU, які щодня публічно фіксуються, можуть бути невеликими, а пропозиція — зосередженою в руках небагатьох продавців. Тому одна окрема угода може помітно вплинути на індекс, а сторона, яка контролює пропозицію, легше зможе впливати на підсумкову розрахункову ціну.

Ось у чому також проблема кривих, намальованих за допомогою прогнозного ринку.

Традиційні форвардні криві спираються на механізми поставки або обміну «спотом», щоб «підтягувати» ф’ючерсну ціну до реальної взаємодії попиту та пропозиції. Бінарні контракти прогнозного ринку не мають цього каналу; крива відображає очікування учасників, які ще не стали поставлюваними й такими, що дозволяють арбітраж, цінами за потужності.

Третя проблема — ліквідність.

Продавці надають перевагу довгостроковим контрактам, тому що дата-центри хочуть заздалегідь зафіксувати доход; покупці ж надають перевагу короткостроковим контрактам, тому що AI-компаніям потрібно зберігати свободу змінювати чипи та постачальників. Попит обох сторін щодо строків природно не збігається. Брокери й великі власники з непублічного ринку заробляють, тож у них немає стимулу переносити всі угоди на публічний ринок.

Незважаючи на всі перешкоди, потреба ринку обчислювальних потужностей у публічних цінах не зникне. Можливо, вже невдовзі ми побачимо репортажі про «п’ятьразовий лонг обчислювальних потужностей на ланцюгу» від якогось розумного гравця

Натисніть, щоб дізнатися про вакансії від律动 BlockBeats

Ласкаво просимо приєднатися до офіційної спільноти 律动 BlockBeats:

Telegram підписка: https://t.me/theblockbeats

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

Twitter офіційний акаунт: https://twitter.com/BlockBeatsAsia