2026 年上半年，「算力資本市場」從一個小眾概念迅速變成華爾街與矽谷共同下注的新賽道。CME 與 Silicon Data 宣布推出首個算力期貨；紐交所母公司 ICE 先後與 Ornn、NATIVX 合作布局 GPU 算力期貨；前 FTX US 總裁 Brett Harrison 創辦的 Architect，則試圖將加密市場成熟的永續合約結構引入受監管的算力交易。與此同時，CoreWeave 以 GPU 為抵押品的融資規模已突破 200 億美元，並完成首個投資級評等的 GPU-backed financing。
算力正在沿著大宗商品金融化的經典路徑演進：從企業自用的資本開支資產，逐步走向現貨交易、價格指數、期貨對沖，最終進入信貸與結構化融資市場。
理解算力市場之前，先要理解算力在 AI 產業鏈中的位置。整條產業鏈可以拆成一個九層瀑布：從商業價值和現金流的角度看，需求起點在最下游的應用層，並逐層向上游傳導；而算力位於中間，連接底層硬體與資料中心基礎設施，以及上層模型和應用。
第 1 層｜晶片與硬體：NVIDIA、AMD、HBM/DRAM 廠商。這是算力的最底層原材料。GPU 決定了可用算力的基礎供給，而 HBM/DRAM 等儲存資源也開始被市場金融化。
第 2 層｜電力與土地：資料中心能不能建起來，關鍵不只是有沒有 GPU，而是有沒有合適的土地和足夠的電力接入。算力的邊際成本很大一部分來自電費，所以它在商品屬性上更像電力，而不是石油。
第 3 層｜Neocloud 與獨立資料中心：CoreWeave、Nebius、Lambda、GMI Cloud、Crusoe 等。它們買入 GPU、建設叢集，再把算力租給 AI 公司，相當於算力市場裡的「礦山」和「油田」。
第 4 層｜聚合與經紀平台：Mithril、Andromeda、SF Compute 等。它們不一定自己擁有 GPU，而是幫買方尋找供給、標準化 SLA、撮合交易，甚至自己做市。它們更像大宗商品市場裡的貿易商，例如 Glencore 和 Vitol。
第 5 層｜指數與基準：Silicon Data、Ornn（OCPI）、NATIVX（COIL）。如果沒有可信的價格基準，市場就很難發展出期貨和衍生品。所以這一層的作用，是把原本不透明的算力價格，變成可追蹤、可驗證的市場價格。
第 6 層｜衍生品與信貸：CME、ICE、Architect、鏈上永續 DEX，以及 GPU 抵押貸款、算力 ABS 等工具。這一層的作用，是讓市場可以對沖算力價格風險，也讓 GPU capacity 變成可以融資的資產。
第 7 層｜推理開發平台：Fireworks、Baseten、Modal 等。它們把底層 GPU、模型部署、推理 API 打包起來，讓開發者不用自己管理複雜的算力基礎設施，也能像呼叫雲服務一樣使用模型推理能力。
第 8 層｜LLM / 模型層：OpenAI、Anthropic、xAI、DeepSeek 等。它們把底層算力轉化成模型能力和智慧輸出。模型本身是連接底層基礎設施和上層應用體驗的核心中間層。
第 9 層｜應用層：Cursor、Perplexity、Suno、Rime 等。這一層直接面對終端用戶，把模型能力包裝成具體產品和使用情境，是 AI 需求擴散和用戶付費的重要入口。
這個九層瀑布說明了一個核心事實：算力是 AI 經濟裡的中間商品。它下面連接晶片、電力、土地和資本開支，上面連接推理平台、模型公司和應用層。
每一次 AI 應用呼叫模型，本質上都是在消耗一小部分上游算力。也正因為算力處在產業鏈中間，一邊是持有 GPU 和資料中心資產的供給方，另一邊是需要穩定算力的模型公司、推理平台和應用公司，當價格波動夠大、雙方風險方向相反時，算力自然就會開始金融化。
Source: X @0xfishylosopher
算力市場的對沖需求，首先來自持有真實算力敞口的產業方，而不是金融機構。這和航空公司對沖燃油價格、電廠對沖電價是同一個邏輯。
底層的 Neocloud 與獨立資料中心，例如 CoreWeave、Nebius、Lambda，持有 GPU 實物資產，收入來自未來租金。它們擔心 GPU 租金下跌，因此是天然的賣方/空頭，需要賣出遠期來鎖定收入。
中層的推理開發平台，例如 Fireworks、Baseten、Modal，向上採購算力，向下提供推理 API 和模型部署服務。算力是它們的重要成本。
上層的應用公司，例如 Cursor、Perplexity、Suno、Rime，同樣需要持續採購推理能力。推理成本會直接影響毛利率。因此，中層和上層是天然的買方/多頭，需要買入遠期來鎖定成本。
超大規模雲廠商，如 Google、Amazon、Microsoft，則比較特殊。它們同時擁有資料中心、雲平台、模型和應用，內部已經在一定程度上形成自然對沖。
算力不是完全同質化商品。
同樣是一小時 H100 / H200 capacity，價值也會因為晶片規格、地區、延遲、網路互聯、叢集規模、預留窗口、SLA、資料安全和具體 workload 而不同。
更重要的是，算力無法儲存。今天沒有用掉的 GPU 小時，不能像石油一樣存起來明年再賣。因此，算力在商品屬性上更接近電力：有時間性、區域性，也高度依賴本地基礎設施。
這帶來三個結果：
第一，真實算力交易往往需要圍繞特定 SKU 和交付條件做雙邊客製。
第二，市場暫時不存在類似 WTI 原油那樣統一、透明的價格基準。
第三，指數和基準變得非常關鍵。Silicon Data、Ornn、Compute Desk 等團隊的核心任務，就是把分散的算力價格轉化為可追蹤、可對沖的市場訊號。
算力市場並不是一個全新的概念。上一輪週期中，Akash、io.net、Aethir 等 Web3 專案就已經以「去中心化算力市場」為敘事，把全球閒置 GPU 接入由代幣激勵驅動的網路。
但問題是：為什麼上一代專案大多沒有成為主流 AI 算力採購層，而 Andromeda、SF Compute 這類新玩家卻能在短時間內拿到企業客戶和美元收入？
上一代 Web3 專案的核心邏輯是：把分散 GPU 接入網路，透過 token 激勵供給，讓用戶以更低成本購買算力。
它們解決的是「哪裡有 GPU」的問題。
但企業買方真正關心的是另一組問題：是不是 H100 / H200？有沒有 InfiniBand？叢集規模夠不夠？能不能穩定運行幾週甚至幾個月？SLA 誰負責？出現故障誰賠償？
換句話說，企業客戶買的不是「某處有 GPU」，而是可保證交付、可計量、可追責的 GPU capacity。
分散、異構、跨營運商的 GPU 供給，對 batch inference、渲染或低敏感任務可能有用，但對大模型訓練和生產級推理來說，穩定性、網路條件和交付責任才是關鍵。
第一，token 激勵能帶來供給，但不一定帶來真實需求。 代幣補貼可以快速做出漂亮的節點數、GPU 數和網路規模，但如果需求端主要依賴代幣敘事，而不是自然付費客戶，最終容易出現利用率低、收入品質低、價格發現被激勵扭曲的問題。
按 Messari《State of Akash Q1 2026》，Akash 一季度平均 GPU 使用量環比下降 57.4% 至 84 張，平均 GPU 可用容量環比下降 57.5% 至 249 張，顯示其 GPU 供需兩端都出現明顯收縮；io.net 早期機制下，節點只要在線就能獲得獎勵，無論 GPU 是否真的執行有效工作；其代幣也較歷史高點大幅回落，直到 2026 年 6 月才上線更偏需求驅動的新激勵機制。
第二，企業級 SLA 很難只靠協議承擔。 企業客戶需要的是一張發票、一個支援管道、標準 SLA、退款機制、合規審查和法律責任。這些都需要一個明確的商業主體來承接，而不是單純依賴協議層。
第三，AI workload 與分散供給存在天然錯配。 大規模同步訓練和生產級推理，對 GPU 互聯、NVLink / InfiniBand、叢集排程、故障恢復和資料安全要求很高。地理分散、硬體異構的網路，很難直接滿足這類高要求 workload。
第四，代幣計價與企業採購流程不匹配。 企業更習慣美元合約、發票、預算審批和供應商管理，不願意承擔代幣價格波動、會計處理和合規不確定性。
Aethir 是一個例外。
Aethir 2025 年收入超過 1.27 億美元，擁有 150 多家付費企業客戶和 43 萬個 GPU 容器，覆蓋 H100、H200、B200、B300 等高端 GPU。按自披露口徑，其收入規模已經超過 Andromeda 的約 1 億美元 run-rate，也遠高於 SF Compute 。
Aethir 的路徑更像是把 Web3 的代幣和網路效應放在資本結構和生態激勵層，把真正面向客戶的部分做得更中心化、更標準化、更企業級：集中式或半集中式叢集、明確的服務承諾、美元計價合約、企業客戶支援和交付責任。
代幣可以幫助早期融資、激勵供給和組織網路，但不應成為企業採購算力時必須面對的核心介面。
新一代玩家的出發點不是「先建一個去中心化網路」，而是直接切入 AI 買方的採購痛點。
AI 公司往往需要簽長期算力合約，但真實需求又是波動的。SF Compute 的思路是，讓客戶購買由第三方融資的長期算力 capacity，再把用不完的部分掛到訂單簿上轉售或 sublease。它自己不擁有 GPU，更像是一個圍繞算力合約建立二級流動性的市場。
Andromeda 則更接近算力 dealer：跨 100 多家供應商即時比價、驗證效能、標準化 SLA，並作為客戶的唯一合約對手方。它的價值不只是撮合，而是替客戶承擔採購、交付和部分信用中介職能，因此也自稱為「compute 的做市商」。
Andromeda 進行本金交易、持有或控制庫存、賺取價差，並承擔 SLA 和交付責任。SF Compute 更像是 exchange / broker 的混合體：以代理撮合和二級流動性為核心，不一定持有底層 GPU，而是賺取交易費用和市場網路效應。
GMI Cloud 則需要單獨分類。它並不是典型 broker / dealer，而是更接近 neocloud：自建資料中心、持有資產、出售 GPU cloud capacity。同時，它也是 GPU 债權融資的用款方，其 A 輪融資中大部分為債務融資，因此更接近第 3 層的算力生產商。
市場現在最缺的，不是一個更去中心化的理想雲，而是一個今天就能交付 H100 / H200 capacity、負責 SLA，並協助買方降低長約風險的交易層。
目前算力交易的主流形態仍然是 OTC / 雙邊客製化交易。公開報價正在提升市場透明度，但更多只是價格發現的起點，而不是最終的統一交易價格。
以 H100 為例，市場上已經開始出現可觀察的報價區間：Andromeda 價格約為 $1.83/hour，SF Compute 平均價格約為 $2.03/GPU-hour，GMI Cloud 起價為 $2.00/GPU-hour；Mithril 的 H100 SXM5 8-GPU instance spot 價格折算約為 $2.92/GPU-hour。
這意味著，公開市場上的 H100 報價大致落在 $1.8–3.0/GPU-hour 區間。但這些價格並不能完全直接比較，因為底層交付條件並不相同。GPU 形態、所在地區、網路互聯、叢集規模、租賃期限、SLA 和 workload 類型，皆會顯著影響最終成交價。
因此，企業真正採購的通常不是一個抽象的「H100 小時」，而是圍繞特定 SKU、地區、期限、叢集配置和交付條件設計的 capacity contract。換句話說，網頁報價讓算力價格開始變得可見，但當前市場真正的交易核心，仍然是高度客製化的 OTC 合約。
Source: Ornn
Ornn 的核心定位並不是單純販售算力，而是搭建算力金融市場的價格基礎設施。它推出的 Ornn Compute Price Index（OCPI），追蹤 H100、H200、B200、B300 等 GPU compute 的即時現貨成交價格，並把這些價格整理成可用於定價、對沖和結算的指數。Ornn 官網稱 OCPI 是 compute 的 reference price，並用於 compute derivatives market 的 pricing、hedging 和 settlement。
這意味著 Ornn 想做的是「算力市場的 Platts / Argus / WTI 式基準」：先把分散、非標準化的 GPU 租賃價格正規化，再讓市場可以圍繞這個基準交易遠期、期貨或永續合約。
Ornn 的路線圖大致可以理解為三步：
第一步，建立現貨價格指數，即 OCPI。
第二步，把 OCPI 授權給交易所和衍生品平台，成為合約結算價格。
第三步，圍繞指數發展 futures、perps、hedging 和 lending 等金融產品。
Architect 是算力衍生品市場中更偏交易場域的一類玩家。它由前 FTX US 總裁 Brett Harrison 創立，旗下機構交易平台 AX 與 Ornn 合作，計畫推出基於 GPU 租賃價格和 DRAM 價格的交易所合約。
從機制上看，Architect 並不交付真實 H100 / H200 算力，而是讓交易者透過跟踪 Ornn 算力指數的合約，取得 GPU 租賃價格和記憶體價格的金融敞口。它的產品更接近加密市場里的永續合約結構：交易者用保證金交易指數化合約，合約價格再透過指數錨定和資金費率機制，盡量貼近底層 GPU 租賃價格。
因此，Architect 的意義在於把 crypto-native 的永續合約機制引入更機構化、受監管的算力交易情境。它更像是算力市場裡的衍生品交易層，而 Ornn 則是為其提供價格基準的指數層。
Lighter 更像是鏈上版本的早期 compute perp venue。平台已經上線 $H100，允許用戶以最高 10x 槓桿交易 H100 compute price exposure；該產品跟蹤 Ornn H100 Compute Price Index。
這類產品的意義在於，它讓市場第一次可以圍繞 GPU 租賃價格形成連續交易的鏈上價格訊號。它不解決真實 GPU 交付問題，也不是企業採購算力的主要管道，但可以作為早期的投機、對沖和價格發現市場。
從機制上看，它更接近加密市場里的永續合約：交易者並不實際交割 H100 算力，而是交易一個跟蹤 H100 指數的合約；合約價格透過指數和資金費率機制進行錨定。
它的優點是上線速度快、參與門檻低，並且支援全天候交易；缺點是流動性可能較薄，而且與真實企業級算力 capacity 合約之間仍然存在基差風險。
ICE 是更傳統、受監管的交易所路線。2026 年 5 月，ICE 宣布計畫與 Ornn 合作推出一套 GPU compute futures contracts，底層基準為 Ornn Compute Price Index。ICE 公告中明確提到，OCPI 追蹤 H100、H200、B200、B300 等主要硬體類型的 live-traded spot prices；相關合約計畫以美元計價、現金結算，並等待監管批准。
ICE 的機制和 Lighter 不同。Lighter 是鏈上永續，適合快速形成交易價格和投機流動性；ICE 則是受監管的期貨市場，更適合機構參與、清算、風控和合規對沖。
但 ICE 的合約不是實物交割，而是現金結算。也就是說，交易者不會真的交付或接收 H100 capacity，而是依據 OCPI 等指數進行盈虧結算。這降低了交割複雜度，但也意味著合約能否成功，取決於指數是否足夠可信、抗操縱，並且能否代表真實市場價格。
OTC 團台的機構化 算力市場的終局未必是產業方直接在交易所交易期貨，而更可能是由 dealer 承接產業方的客製化需求，再透過指數、期貨或永續合約管理風險。未來 12–24 個月，最值得觀察的是 Andromeda、SF Compute 這類玩家能否從「算力採購平台」升級為真正的「算力交易台」：一方面處理 SKU 級別的現貨和預留需求，另一方面在指數市場上對沖庫存和基差風險。誰能率先完成這一步，誰就有機會成為算力市場的核心中介。
信貸與衍生品的閉環 如果「GPU 抵押融資 + 期貨對沖」能跑通，貸款方就可以更有效地管理 GPU 價格波動和殘值風險，從而降低 haircut 和融資成本。這將直接提升 AI 基礎設施的資本效率，也是算力金融化對實體 AI 產業最重要的意義之一。
價格基準與清算體系的形成 算力要成為真正可交易、可融資的資產，必須先形成可信的價格基準和清算機制。Ornn、Silicon Data、NATIVX 等指數提供商，以及 ICE、CME、Architect、Lighter 等交易場域，爭奪的並不只是單一產品機會，而是未來算力市場的定價權入口。
監管審批
CME、ICE、Architect 等產品仍需透過監管審批。算力究竟會被如何界定——是商品、服務，還是一種新型可交易資源——目前仍缺乏明確先例。
底層現貨市場仍然較薄
指數的可信度取決於真實現貨成交的深度。目前公開現貨和二級流轉市場仍處早期，絕大部分算力交易仍鎖定在 hyperscaler、neocloud 和 AI 公司之間的長約中。底層成交不足，可能影響指數的代表性和抗操縱能力。
週期風險 如果 AI 資本開支放緩，現貨流動性可能在衍生品市場成熟之前收縮。與此同時，GPU 租金已從高點明顯回落，而 GPU 殘值和折舊曲線缺乏足夠歷史資料，這會進一步放大信貸評估和衍生品定價的不確定性。
Reference
Gate Ventures 是 Gate 旗下的風險投資部門，專注於對去中心化基礎設施、生态系統和應用程序的投資，致力於重塑 Web 3.0 時代的世界。Gate Ventures 與全球產業領袖合作，賦能那些擁有創新思維和能力的團隊和新創公司，重新定義社會和金融的交互模式。 欲了解更多資訊，請訪問：官網 | X | Telegram | 領英 | Medium
免責聲明 ：
本內容不構成任何邀約、招攬，或建議。您在做出任何投資決定之前應始終尋求獨立的專業建議。請注意，GateVentures 可能會限制或禁止來自受限制地區的所有或部分服務。請閱讀用戶協議了解更多資訊，連結：* 。
113.1萬 熱度
19.88萬 熱度
112.28萬 熱度
28.36萬 熱度
1.99億 熱度
誰將掌握 AI 時代的算力定價權？
簡介
2026 年上半年，「算力資本市場」從一個小眾概念迅速變成華爾街與矽谷共同下注的新賽道。CME 與 Silicon Data 宣布推出首個算力期貨；紐交所母公司 ICE 先後與 Ornn、NATIVX 合作布局 GPU 算力期貨；前 FTX US 總裁 Brett Harrison 創辦的 Architect，則試圖將加密市場成熟的永續合約結構引入受監管的算力交易。與此同時，CoreWeave 以 GPU 為抵押品的融資規模已突破 200 億美元，並完成首個投資級評等的 GPU-backed financing。
算力正在沿著大宗商品金融化的經典路徑演進：從企業自用的資本開支資產，逐步走向現貨交易、價格指數、期貨對沖，最終進入信貸與結構化融資市場。
為什麼需要算力：AI 產業的價值瀑布
理解算力市場之前，先要理解算力在 AI 產業鏈中的位置。整條產業鏈可以拆成一個九層瀑布：從商業價值和現金流的角度看，需求起點在最下游的應用層，並逐層向上游傳導；而算力位於中間，連接底層硬體與資料中心基礎設施，以及上層模型和應用。
第 1 層｜晶片與硬體：NVIDIA、AMD、HBM/DRAM 廠商。這是算力的最底層原材料。GPU 決定了可用算力的基礎供給，而 HBM/DRAM 等儲存資源也開始被市場金融化。
第 2 層｜電力與土地：資料中心能不能建起來，關鍵不只是有沒有 GPU，而是有沒有合適的土地和足夠的電力接入。算力的邊際成本很大一部分來自電費，所以它在商品屬性上更像電力，而不是石油。
第 3 層｜Neocloud 與獨立資料中心：CoreWeave、Nebius、Lambda、GMI Cloud、Crusoe 等。它們買入 GPU、建設叢集，再把算力租給 AI 公司，相當於算力市場裡的「礦山」和「油田」。
第 4 層｜聚合與經紀平台：Mithril、Andromeda、SF Compute 等。它們不一定自己擁有 GPU，而是幫買方尋找供給、標準化 SLA、撮合交易，甚至自己做市。它們更像大宗商品市場裡的貿易商，例如 Glencore 和 Vitol。
第 5 層｜指數與基準：Silicon Data、Ornn（OCPI）、NATIVX（COIL）。如果沒有可信的價格基準，市場就很難發展出期貨和衍生品。所以這一層的作用，是把原本不透明的算力價格，變成可追蹤、可驗證的市場價格。
第 6 層｜衍生品與信貸：CME、ICE、Architect、鏈上永續 DEX，以及 GPU 抵押貸款、算力 ABS 等工具。這一層的作用，是讓市場可以對沖算力價格風險，也讓 GPU capacity 變成可以融資的資產。
第 7 層｜推理開發平台：Fireworks、Baseten、Modal 等。它們把底層 GPU、模型部署、推理 API 打包起來，讓開發者不用自己管理複雜的算力基礎設施，也能像呼叫雲服務一樣使用模型推理能力。
第 8 層｜LLM / 模型層：OpenAI、Anthropic、xAI、DeepSeek 等。它們把底層算力轉化成模型能力和智慧輸出。模型本身是連接底層基礎設施和上層應用體驗的核心中間層。
第 9 層｜應用層：Cursor、Perplexity、Suno、Rime 等。這一層直接面對終端用戶，把模型能力包裝成具體產品和使用情境，是 AI 需求擴散和用戶付費的重要入口。
這個九層瀑布說明了一個核心事實：算力是 AI 經濟裡的中間商品。它下面連接晶片、電力、土地和資本開支，上面連接推理平台、模型公司和應用層。
每一次 AI 應用呼叫模型，本質上都是在消耗一小部分上游算力。也正因為算力處在產業鏈中間，一邊是持有 GPU 和資料中心資產的供給方，另一邊是需要穩定算力的模型公司、推理平台和應用公司，當價格波動夠大、雙方風險方向相反時，算力自然就會開始金融化。
為什麼需要算力市場：對沖需求與市場結構
誰需要對沖
Source: X @0xfishylosopher
算力市場的對沖需求，首先來自持有真實算力敞口的產業方，而不是金融機構。這和航空公司對沖燃油價格、電廠對沖電價是同一個邏輯。
底層的 Neocloud 與獨立資料中心，例如 CoreWeave、Nebius、Lambda，持有 GPU 實物資產，收入來自未來租金。它們擔心 GPU 租金下跌，因此是天然的賣方/空頭，需要賣出遠期來鎖定收入。
中層的推理開發平台，例如 Fireworks、Baseten、Modal，向上採購算力，向下提供推理 API 和模型部署服務。算力是它們的重要成本。
上層的應用公司，例如 Cursor、Perplexity、Suno、Rime，同樣需要持續採購推理能力。推理成本會直接影響毛利率。因此，中層和上層是天然的買方/多頭，需要買入遠期來鎖定成本。
超大規模雲廠商，如 Google、Amazon、Microsoft，則比較特殊。它們同時擁有資料中心、雲平台、模型和應用，內部已經在一定程度上形成自然對沖。
為什麼算力更像電力，而不是石油
算力不是完全同質化商品。
同樣是一小時 H100 / H200 capacity，價值也會因為晶片規格、地區、延遲、網路互聯、叢集規模、預留窗口、SLA、資料安全和具體 workload 而不同。
更重要的是，算力無法儲存。今天沒有用掉的 GPU 小時，不能像石油一樣存起來明年再賣。因此，算力在商品屬性上更接近電力：有時間性、區域性，也高度依賴本地基礎設施。
這帶來三個結果：
第一，真實算力交易往往需要圍繞特定 SKU 和交付條件做雙邊客製。
第二，市場暫時不存在類似 WTI 原油那樣統一、透明的價格基準。
第三，指數和基準變得非常關鍵。Silicon Data、Ornn、Compute Desk 等團隊的核心任務，就是把分散的算力價格轉化為可追蹤、可對沖的市場訊號。
Web3 上一代去中心化算力 vs 新一代算力交易商
算力市場並不是一個全新的概念。上一輪週期中，Akash、io.net、Aethir 等 Web3 專案就已經以「去中心化算力市場」為敘事，把全球閒置 GPU 接入由代幣激勵驅動的網路。
但問題是：為什麼上一代專案大多沒有成為主流 AI 算力採購層，而 Andromeda、SF Compute 這類新玩家卻能在短時間內拿到企業客戶和美元收入？
賣的東西不一樣：去中心化供給 vs 可交付容量
上一代 Web3 專案的核心邏輯是：把分散 GPU 接入網路，透過 token 激勵供給，讓用戶以更低成本購買算力。
它們解決的是「哪裡有 GPU」的問題。
但企業買方真正關心的是另一組問題：是不是 H100 / H200？有沒有 InfiniBand？叢集規模夠不夠？能不能穩定運行幾週甚至幾個月？SLA 誰負責？出現故障誰賠償？
換句話說，企業客戶買的不是「某處有 GPU」，而是可保證交付、可計量、可追責的 GPU capacity。
分散、異構、跨營運商的 GPU 供給，對 batch inference、渲染或低敏感任務可能有用，但對大模型訓練和生產級推理來說，穩定性、網路條件和交付責任才是關鍵。
上一代的四個結構性問題
第一，token 激勵能帶來供給，但不一定帶來真實需求。
代幣補貼可以快速做出漂亮的節點數、GPU 數和網路規模，但如果需求端主要依賴代幣敘事，而不是自然付費客戶，最終容易出現利用率低、收入品質低、價格發現被激勵扭曲的問題。
按 Messari《State of Akash Q1 2026》，Akash 一季度平均 GPU 使用量環比下降 57.4% 至 84 張，平均 GPU 可用容量環比下降 57.5% 至 249 張，顯示其 GPU 供需兩端都出現明顯收縮；io.net 早期機制下，節點只要在線就能獲得獎勵，無論 GPU 是否真的執行有效工作；其代幣也較歷史高點大幅回落，直到 2026 年 6 月才上線更偏需求驅動的新激勵機制。
第二，企業級 SLA 很難只靠協議承擔。
企業客戶需要的是一張發票、一個支援管道、標準 SLA、退款機制、合規審查和法律責任。這些都需要一個明確的商業主體來承接，而不是單純依賴協議層。
第三，AI workload 與分散供給存在天然錯配。
大規模同步訓練和生產級推理，對 GPU 互聯、NVLink / InfiniBand、叢集排程、故障恢復和資料安全要求很高。地理分散、硬體異構的網路，很難直接滿足這類高要求 workload。
第四，代幣計價與企業採購流程不匹配。
企業更習慣美元合約、發票、預算審批和供應商管理，不願意承擔代幣價格波動、會計處理和合規不確定性。
重要例外：Aethir
Aethir 是一個例外。
Aethir 2025 年收入超過 1.27 億美元，擁有 150 多家付費企業客戶和 43 萬個 GPU 容器，覆蓋 H100、H200、B200、B300 等高端 GPU。按自披露口徑，其收入規模已經超過 Andromeda 的約 1 億美元 run-rate，也遠高於 SF Compute 。
Aethir 的路徑更像是把 Web3 的代幣和網路效應放在資本結構和生態激勵層，把真正面向客戶的部分做得更中心化、更標準化、更企業級：集中式或半集中式叢集、明確的服務承諾、美元計價合約、企業客戶支援和交付責任。
代幣可以幫助早期融資、激勵供給和組織網路，但不應成為企業採購算力時必須面對的核心介面。
新一代交易商新在哪裡
新一代玩家的出發點不是「先建一個去中心化網路」，而是直接切入 AI 買方的採購痛點。
AI 公司往往需要簽長期算力合約，但真實需求又是波動的。SF Compute 的思路是，讓客戶購買由第三方融資的長期算力 capacity，再把用不完的部分掛到訂單簿上轉售或 sublease。它自己不擁有 GPU，更像是一個圍繞算力合約建立二級流動性的市場。
Andromeda 則更接近算力 dealer：跨 100 多家供應商即時比價、驗證效能、標準化 SLA，並作為客戶的唯一合約對手方。它的價值不只是撮合，而是替客戶承擔採購、交付和部分信用中介職能，因此也自稱為「compute 的做市商」。
Andromeda 進行本金交易、持有或控制庫存、賺取價差，並承擔 SLA 和交付責任。SF Compute 更像是 exchange / broker 的混合體：以代理撮合和二級流動性為核心，不一定持有底層 GPU，而是賺取交易費用和市場網路效應。
GMI Cloud 則需要單獨分類。它並不是典型 broker / dealer，而是更接近 neocloud：自建資料中心、持有資產、出售 GPU cloud capacity。同時，它也是 GPU 债權融資的用款方，其 A 輪融資中大部分為債務融資，因此更接近第 3 層的算力生產商。
市場現在最缺的，不是一個更去中心化的理想雲，而是一個今天就能交付 H100 / H200 capacity、負責 SLA，並協助買方降低長約風險的交易層。
是否已經有算力價格發現市場？
目前算力交易的主流形態仍然是 OTC / 雙邊客製化交易。公開報價正在提升市場透明度，但更多只是價格發現的起點，而不是最終的統一交易價格。
以 H100 為例，市場上已經開始出現可觀察的報價區間：Andromeda 價格約為 $1.83/hour，SF Compute 平均價格約為 $2.03/GPU-hour，GMI Cloud 起價為 $2.00/GPU-hour；Mithril 的 H100 SXM5 8-GPU instance spot 價格折算約為 $2.92/GPU-hour。
這意味著，公開市場上的 H100 報價大致落在 $1.8–3.0/GPU-hour 區間。但這些價格並不能完全直接比較，因為底層交付條件並不相同。GPU 形態、所在地區、網路互聯、叢集規模、租賃期限、SLA 和 workload 類型，皆會顯著影響最終成交價。
因此，企業真正採購的通常不是一個抽象的「H100 小時」，而是圍繞特定 SKU、地區、期限、叢集配置和交付條件設計的 capacity contract。換句話說，網頁報價讓算力價格開始變得可見，但當前市場真正的交易核心，仍然是高度客製化的 OTC 合約。
Ornn：試圖成為算力市場的指數層
Source: Ornn
Ornn 的核心定位並不是單純販售算力，而是搭建算力金融市場的價格基礎設施。它推出的 Ornn Compute Price Index（OCPI），追蹤 H100、H200、B200、B300 等 GPU compute 的即時現貨成交價格，並把這些價格整理成可用於定價、對沖和結算的指數。Ornn 官網稱 OCPI 是 compute 的 reference price，並用於 compute derivatives market 的 pricing、hedging 和 settlement。
這意味著 Ornn 想做的是「算力市場的 Platts / Argus / WTI 式基準」：先把分散、非標準化的 GPU 租賃價格正規化，再讓市場可以圍繞這個基準交易遠期、期貨或永續合約。
Ornn 的路線圖大致可以理解為三步：
第一步，建立現貨價格指數，即 OCPI。
第二步，把 OCPI 授權給交易所和衍生品平台，成為合約結算價格。
第三步，圍繞指數發展 futures、perps、hedging 和 lending 等金融產品。
Architect：把永續合約結構引入機構化算力交易
Architect 是算力衍生品市場中更偏交易場域的一類玩家。它由前 FTX US 總裁 Brett Harrison 創立，旗下機構交易平台 AX 與 Ornn 合作，計畫推出基於 GPU 租賃價格和 DRAM 價格的交易所合約。
從機制上看，Architect 並不交付真實 H100 / H200 算力，而是讓交易者透過跟踪 Ornn 算力指數的合約，取得 GPU 租賃價格和記憶體價格的金融敞口。它的產品更接近加密市場里的永續合約結構：交易者用保證金交易指數化合約，合約價格再透過指數錨定和資金費率機制，盡量貼近底層 GPU 租賃價格。
因此，Architect 的意義在於把 crypto-native 的永續合約機制引入更機構化、受監管的算力交易情境。它更像是算力市場裡的衍生品交易層，而 Ornn 則是為其提供價格基準的指數層。
Lighter：鏈上永續合約提供早期可交易價格發現
Lighter 更像是鏈上版本的早期 compute perp venue。平台已經上線 $H100，允許用戶以最高 10x 槓桿交易 H100 compute price exposure；該產品跟蹤 Ornn H100 Compute Price Index。
這類產品的意義在於，它讓市場第一次可以圍繞 GPU 租賃價格形成連續交易的鏈上價格訊號。它不解決真實 GPU 交付問題，也不是企業採購算力的主要管道，但可以作為早期的投機、對沖和價格發現市場。
從機制上看，它更接近加密市場里的永續合約：交易者並不實際交割 H100 算力，而是交易一個跟蹤 H100 指數的合約；合約價格透過指數和資金費率機制進行錨定。
它的優點是上線速度快、參與門檻低，並且支援全天候交易；缺點是流動性可能較薄，而且與真實企業級算力 capacity 合約之間仍然存在基差風險。
ICE × Ornn：受監管期貨市場的路線圖
ICE 是更傳統、受監管的交易所路線。2026 年 5 月，ICE 宣布計畫與 Ornn 合作推出一套 GPU compute futures contracts，底層基準為 Ornn Compute Price Index。ICE 公告中明確提到，OCPI 追蹤 H100、H200、B200、B300 等主要硬體類型的 live-traded spot prices；相關合約計畫以美元計價、現金結算，並等待監管批准。
ICE 的機制和 Lighter 不同。Lighter 是鏈上永續，適合快速形成交易價格和投機流動性；ICE 則是受監管的期貨市場，更適合機構參與、清算、風控和合規對沖。
但 ICE 的合約不是實物交割，而是現金結算。也就是說，交易者不會真的交付或接收 H100 capacity，而是依據 OCPI 等指數進行盈虧結算。這降低了交割複雜度，但也意味著合約能否成功，取決於指數是否足夠可信、抗操縱，並且能否代表真實市場價格。
市場展望
三個值得跟蹤的方向
OTC 團台的機構化
算力市場的終局未必是產業方直接在交易所交易期貨，而更可能是由 dealer 承接產業方的客製化需求，再透過指數、期貨或永續合約管理風險。未來 12–24 個月，最值得觀察的是 Andromeda、SF Compute 這類玩家能否從「算力採購平台」升級為真正的「算力交易台」：一方面處理 SKU 級別的現貨和預留需求，另一方面在指數市場上對沖庫存和基差風險。誰能率先完成這一步，誰就有機會成為算力市場的核心中介。
信貸與衍生品的閉環
如果「GPU 抵押融資 + 期貨對沖」能跑通，貸款方就可以更有效地管理 GPU 價格波動和殘值風險，從而降低 haircut 和融資成本。這將直接提升 AI 基礎設施的資本效率，也是算力金融化對實體 AI 產業最重要的意義之一。
價格基準與清算體系的形成
算力要成為真正可交易、可融資的資產，必須先形成可信的價格基準和清算機制。Ornn、Silicon Data、NATIVX 等指數提供商，以及 ICE、CME、Architect、Lighter 等交易場域，爭奪的並不只是單一產品機會，而是未來算力市場的定價權入口。
未解問題
監管審批
CME、ICE、Architect 等產品仍需透過監管審批。算力究竟會被如何界定——是商品、服務，還是一種新型可交易資源——目前仍缺乏明確先例。
底層現貨市場仍然較薄
指數的可信度取決於真實現貨成交的深度。目前公開現貨和二級流轉市場仍處早期，絕大部分算力交易仍鎖定在 hyperscaler、neocloud 和 AI 公司之間的長約中。底層成交不足，可能影響指數的代表性和抗操縱能力。
週期風險
如果 AI 資本開支放緩，現貨流動性可能在衍生品市場成熟之前收縮。與此同時，GPU 租金已從高點明顯回落，而 GPU 殘值和折舊曲線缺乏足夠歷史資料，這會進一步放大信貸評估和衍生品定價的不確定性。
Reference
關於 Gate Ventures
Gate Ventures 是 Gate 旗下的風險投資部門，專注於對去中心化基礎設施、生态系統和應用程序的投資，致力於重塑 Web 3.0 時代的世界。Gate Ventures 與全球產業領袖合作，賦能那些擁有創新思維和能力的團隊和新創公司，重新定義社會和金融的交互模式。
欲了解更多資訊，請訪問：官網 | X | Telegram | 領英 | Medium
免責聲明 ：
本內容不構成任何邀約、招攬，或建議。您在做出任何投資決定之前應始終尋求獨立的專業建議。請注意，GateVentures 可能會限制或禁止來自受限制地區的所有或部分服務。請閱讀用戶協議了解更多資訊，連結：* 。