2026 年上半年，「算力资本市场」从一个小众概念迅速变成华尔街与硅谷共同下注的新赛道。CME 与 Silicon Data 宣布推出首个算力期货；纽交所母公司 ICE 先后与 Ornn、NATIVX 合作布局 GPU 算力期货；前 FTX US 总裁 Brett Harrison 创办的 Architect，则试图将加密市场成熟的永续合约结构引入受监管的算力交易。与此同时，CoreWeave 以 GPU 为抵押品的融资规模已突破 200 亿美元，并完成首个投资级评级的 GPU-backed financing。
算力正在沿着大宗商品金融化的经典路径演进：从企业自用的资本开支资产，逐步走向现货交易、价格指数、期货对冲，最终进入信贷与结构化融资市场。
理解算力市场之前，先要理解算力在 AI 产业链中的位置。整条产业链可以拆成一个九层瀑布：从商业价值和现金流角度看，需求起点在最下游的应用层，并逐层向上游传导；而算力位于中间，连接底层硬件与数据中心基础设施，以及上层模型和应用。
第 1 层｜芯片与硬件：NVIDIA、AMD、HBM/DRAM 厂商。这是算力的最底层原材料。GPU 决定了可用算力的基础供给，而 HBM/DRAM 等存储资源也开始被市场金融化。
第 2 层｜电力与土地：数据中心能不能建起来，关键不只是有没有 GPU，而是有没有合适的土地和足够的电力接入。算力的边际成本很大一部分来自电费，所以它在商品属性上更像电力，而不是石油。
第 3 层｜Neocloud 与独立数据中心：CoreWeave、Nebius、Lambda、GMI Cloud、Crusoe 等。它们买入 GPU、建设集群，再把算力租给 AI 公司，相当于算力市场里的“矿山”和“油田”。
第 4 层｜聚合与经纪平台：Mithril、Andromeda、SF Compute 等。它们不一定自己拥有 GPU，而是帮买方寻找供给、标准化 SLA、撮合交易，甚至自己做市。它们更像大宗商品市场里的贸易商，例如 Glencore 和 Vitol。
第 5 层｜指数与基准：Silicon Data、Ornn（OCPI）、NATIVX（COIL）。如果没有可信的价格基准，市场就很难发展出期货和衍生品。所以这一层的作用，是把原本不透明的算力价格，变成可追踪、可验证的市场价格。
第 6 层｜衍生品与信贷：CME、ICE、Architect、链上永续 DEX，以及 GPU 抵押贷款、算力 ABS 等工具。这一层的作用，是让市场可以对冲算力价格风险，也让 GPU capacity 变成可以融资的资产。
第 7 层｜推理开发平台：Fireworks、Baseten、Modal 等。它们把底层 GPU、模型部署、推理 API 打包起来，让开发者不用自己管理复杂的算力基础设施，也能像调用云服务一样使用模型推理能力。
第 8 层｜LLM / 模型层：OpenAI、Anthropic、xAI、DeepSeek 等。它们把底层算力转化成模型能力和智能输出。模型本身是连接底层基础设施和上层应用体验的核心中间层。
第 9 层｜应用层：Cursor、Perplexity、Suno、Rime 等。这一层直接面对终端用户，把模型能力包装成具体产品和使用场景，是 AI 需求扩散和用户付费的重要入口。
这个九层瀑布说明了一个核心事实：算力是 AI 经济里的中间商品。它下面连接芯片、电力、土地和资本开支，上面连接推理平台、模型公司和应用层。
每一次 AI 应用调用模型，本质上都是在消耗一小部分上游算力。也正因为算力处在产业链中间，一边是持有 GPU 和数据中心资产的供给方，另一边是需要稳定算力的模型公司、推理平台和应用公司，当价格波动足够大、双方风险方向相反时，算力自然就会开始金融化。
Source: X @0xfishylosopher
算力市场的对冲需求，首先来自持有真实算力敞口的产业方，而不是金融机构。这和航空公司对冲燃油价格、电厂对冲电价是同一个逻辑。
底层的 Neocloud 与独立数据中心，例如 CoreWeave、Nebius、Lambda，持有 GPU 实物资产，收入来自未来租金。它们担心 GPU 租金下跌，因此是天然的卖方/空头，需要卖出远期来锁定收入。
中层的推理开发平台，例如 Fireworks、Baseten、Modal，向上采购算力，向下提供推理 API 和模型部署服务。算力是它们的重要成本。
上层的应用公司，例如 Cursor、Perplexity、Suno、Rime，同样需要持续采购推理能力。推理成本会直接影响毛利率。因此，中层和上层是天然的买方/多头，需要买入远期来锁定成本。
超大规模云厂商，如 Google、Amazon、Microsoft，则比较特殊。它们同时拥有数据中心、云平台、模型和应用，内部已经在一定程度上形成自然对冲。
算力不是完全同质化商品。
同样是一小时 H100 / H200 capacity，价值也会因为芯片规格、地区、延迟、网络互联、集群规模、预留窗口、SLA、数据安全和具体 workload 而不同。
更重要的是，算力无法储存。今天没有用掉的 GPU 小时，不能像石油一样存起来明年再卖。因此，算力在商品属性上更接近电力：有时间性、区域性，也高度依赖本地基础设施。
这带来三个结果：
第一，真实算力交易往往需要围绕特定 SKU 和交付条件做双边定制。
第二，市场暂时不存在类似 WTI 原油那样统一、透明的价格基准。
第三，指数和基准变得非常关键。Silicon Data、Ornn、Compute Desk 等团队的核心任务，就是把分散的算力价格转化为可追踪、可对冲的市场信号。
算力市场并不是一个全新的概念。上一轮周期中，Akash、io.net、Aethir 等 Web3 项目就已经以「去中心化算力市场」为叙事，把全球闲置 GPU 接入由代币激励驱动的网络。
但问题是：为什么上一代项目大多没有成为主流 AI 算力采购层，而 Andromeda、SF Compute 这类新玩家却能在短时间内拿到企业客户和美元收入？
上一代 Web3 项目的核心逻辑是：把分散 GPU 接入网络，通过 token 激励供给，让用户以更低成本购买算力。
它们解决的是「哪里有 GPU」的问题。
但企业买方真正关心的是另一组问题：是不是 H100 / H200？有没有 InfiniBand？集群规模够不够？能不能稳定运行几周甚至几个月？SLA 谁负责？出现故障谁赔偿？
换句话说，企业客户买的不是「某处有 GPU」，而是可保证交付、可计量、可追责的 GPU capacity。
分散、异构、跨运营商的 GPU 供给，对 batch inference、渲染或低敏感任务可能有用，但对大模型训练和生产级推理来说，稳定性、网络条件和交付责任才是关键。
第一，token 激励能带来供给，但不一定带来真实需求。 代币补贴可以快速做出漂亮的节点数、GPU 数和网络规模，但如果需求端主要依赖代币叙事，而不是自然付费客户，最终容易出现利用率低、收入质量低、价格发现被激励扭曲的问题。
按 Messari《State of Akash Q1 2026》，Akash 一季度平均 GPU 使用量环比下降 57.4% 至 84 张，平均 GPU 可用容量环比下降 57.5% 至 249 张，显示其 GPU 供需两端都出现明显收缩；io.net 早期机制下，节点只要在线就能获得奖励，无论 GPU 是否真实执行有效工作；其代币也较历史高点大幅回落，直到 2026 年 6 月才上线更偏需求驱动的新激励机制。
第二，企业级 SLA 很难只靠协议承担。 企业客户需要的是一张发票、一个支持渠道、标准 SLA、退款机制、合规审查和法律责任。这些都需要一个明确的商业主体来承接，而不是单纯依赖协议层。
第三，AI workload 与分散供给存在天然错配。 大规模同步训练和生产级推理，对 GPU 互联、NVLink / InfiniBand、集群调度、故障恢复和数据安全要求很高。地理分散、硬件异构的网络，很难直接满足这类高要求 workload。
第四，代币计价与企业采购流程不匹配。 企业更习惯美元合同、发票、预算审批和供应商管理，不愿意承担代币价格波动、会计处理和合规不确定性。
Aethir 是一个例外。
Aethir 2025 年收入超过 1.27 亿美元，拥有 150 多家付费企业客户和 43 万个 GPU 容器，覆盖 H100、H200、B200、B300 等高端 GPU。按自披露口径，其收入规模已经超过 Andromeda 的约 1 亿美元 run-rate，也远高于 SF Compute 。
Aethir 的路径更像是把 Web3 的代币和网络效应放在资本结构和生态激励层，把真正面向客户的部分做得更中心化、更标准化、更企业级：集中式或半集中式集群、明确的服务承诺、美元计价合同、企业客户支持和交付责任。
代币可以帮助早期融资、激励供给和组织网络，但不应该成为企业采购算力时必须面对的核心界面。
新一代玩家的出发点不是「先建一个去中心化网络」，而是直接切入 AI 买方的采购痛点。
AI 公司往往需要签长期算力合约，但真实需求又是波动的。SF Compute 的思路是，让客户购买由第三方融资的长期算力 capacity，再把用不完的部分挂到订单簿上转售或 sublease。它自己不拥有 GPU，更像一个围绕算力合约建立二级流动性的市场。
Andromeda 则更接近算力 dealer：跨 100 多家供应商实时比价、验证性能、标准化 SLA，并作为客户的唯一合约对手方。它的价值不只是撮合，而是替客户承担采购、交付和部分信用中介职能，因此也自称为「compute 的做市商」。
Andromeda 做本金交易、持有或控制库存、赚取价差，并承担 SLA 和交付责任。SF Compute 更像 exchange / broker 混合体：以代理撮合和二级流动性为核心，不一定持有底层 GPU，而是赚取交易费用和市场网络效应。
GMI Cloud 则需要单独分类。它并不是典型 broker / dealer，而是更接近 neocloud：自建数据中心、持有资产、出售 GPU cloud capacity。同时，它也是 GPU 债权融资的用款方，其 A 轮融资中大部分为债务融资，因此更接近第 3 层的算力生产商。
市场现在最缺的，不是一个更去中心化的理想云，而是一个今天就能交付 H100 / H200 capacity、负责 SLA，并帮助买方降低长约风险的交易层。
当前算力交易的主流形态仍然是 OTC / 双边定制化交易。公开报价正在提升市场透明度，但更多只是价格发现的起点，而不是最终的统一交易价格。
以 H100 为例，市场上已经开始出现可观察的报价区间：Andromeda 价格约为 $1.83/hour，SF Compute 平均价格约为 $2.03/GPU-hour，GMI Cloud 起价为 $2.00/GPU-hour；Mithril 的 H100 SXM5 8-GPU instance spot 价格折算约为 $2.92/GPU-hour。
这意味着，公开市场上的 H100 报价大致落在 $1.8–3.0/GPU-hour 区间。但这些价格并不能完全直接比较，因为底层交付条件并不相同。GPU 形态、所在地区、网络互联、集群规模、租赁期限、SLA 和 workload 类型，都会显著影响最终成交价。
因此，企业真正采购的通常不是一个抽象的「H100 小时」，而是围绕特定 SKU、地区、期限、集群配置和交付条件设计的 capacity contract。换句话说，网页报价让算力价格开始变得可见，但当前市场真正的交易核心，仍然是高度定制化的 OTC 合约。
Source: Ornn
Ornn 的核心定位不是单纯卖算力，而是搭建算力金融市场的价格基础设施。它推出的 Ornn Compute Price Index（OCPI），追踪 H100、H200、B200、B300 等 GPU compute 的实时现货成交价格，并把这些价格整理成可用于定价、对冲和结算的指数。Ornn 官网称 OCPI 是 compute 的 reference price，并用于 compute derivatives market 的 pricing、hedging 和 settlement。
这意味着 Ornn 想做的是「算力市场的 Platts / Argus / WTI 式基准」：先把分散、非标准化的 GPU 租赁价格归一化，再让市场可以围绕这个基准交易远期、期货或永续合约。
Ornn 的路线图大致可以理解为三步：
第一步，建立现货价格指数，即 OCPI。
第二步，把 OCPI 授权给交易所和衍生品平台，成为合约结算价格。
第三步，围绕指数发展 futures、perps、hedging 和 lending 等金融产品。
Architect 是算力衍生品市场中更偏交易场所的一类玩家。它由前 FTX US 总裁 Brett Harrison 创立，旗下机构交易平台 AX 与 Ornn 合作，计划推出基于 GPU 租赁价格和 DRAM 价格的交易所合约。
从机制上看，Architect 并不交付真实 H100 / H200 算力，而是让交易者通过跟踪 Ornn 算力指数的合约，获得 GPU 租赁价格和内存价格的金融敞口。它的产品更接近加密市场里的永续合约结构：交易者用保证金交易指数化合约，合约价格再通过指数锚定和资金费率机制，尽量贴近底层 GPU 租赁价格。
因此，Architect 的意义在于把 crypto-native 的永续合约机制引入更机构化、受监管的算力交易场景。它更像是算力市场里的衍生品交易层，而 Ornn 则是为其提供价格基准的指数层。
Lighter 更像是链上版本的早期 compute perp venue。平台已经上线 $H100，允许用户以最高 10x 杠杆交易 H100 compute price exposure；该产品跟踪 Ornn H100 Compute Price Index。
这类产品的意义在于，它让市场第一次可以围绕 GPU 租赁价格形成连续交易的链上价格信号。它不解决真实 GPU 交付问题，也不是企业采购算力的主要渠道，但可以作为早期的投机、对冲和价格发现市场。
从机制上看，它更接近加密市场里的永续合约：交易者并不实际交割 H100 算力，而是交易一个跟踪 H100 指数的合约；合约价格通过指数和资金费率机制进行锚定。
它的优点是上线速度快、参与门槛低，并且支持全天候交易；缺点是流动性可能较薄，而且与真实企业级算力容量合约之间仍然存在基差风险。
ICE 是更传统、受监管的交易所路线。2026 年 5 月，ICE 宣布计划与 Ornn 合作推出一套 GPU compute futures contracts，底层基准为 Ornn Compute Price Index。ICE 公告中明确提到，OCPI 追踪 H100、H200、B200、B300 等主要硬件类型的 live-traded spot prices；相关合约计划以美元计价、现金结算，并等待监管批准。
ICE 的机制和 Lighter 不同。Lighter 是链上永续，适合快速形成交易价格和投机流动性；ICE 则是受监管的期货市场，更适合机构参与、清算、风控和合规对冲。
但 ICE 的合约不是实物交割，而是现金结算。也就是说，交易者不会真的交付或接收 H100 capacity，而是根据 OCPI 等指数进行盈亏结算。这降低了交割复杂度，但也意味着合约能否成功，取决于指数是否足够可信、抗操纵，并且能否代表真实市场价格。
OTC 柜台的机构化 算力市场的终局未必是产业方直接在交易所交易期货，而更可能是由 dealer 承接产业方的定制化需求，再通过指数、期货或永续合约管理风险。未来 12–24 个月，最值得观察的是 Andromeda、SF Compute 这类玩家能否从「算力采购平台」升级为真正的「算力交易台」：一方面处理 SKU 级别的现货和预留需求，另一方面在指数市场上对冲库存和基差风险。谁能率先完成这一步，谁就有机会成为算力市场的核心中介。
信贷与衍生品的闭环 如果「GPU 抵押融资 + 期货对冲」能够跑通，贷款方就可以更有效地管理 GPU 价格波动和残值风险，从而降低 haircut 和融资成本。这将直接提升 AI 基础设施的资本效率，也是算力金融化对实体 AI 产业最重要的意义之一。
价格基准与清算体系的形成 算力要成为真正可交易、可融资的资产，必须先形成可信的价格基准和清算机制。Ornn、Silicon Data、NATIVX 等指数提供商，以及 ICE、CME、Architect、Lighter 等交易场所，争夺的并不只是单一产品机会，而是未来算力市场的定价权入口。
监管审批
CME、ICE、Architect 等产品仍需通过监管审批。算力究竟会被如何界定——是商品、服务，还是一种新型可交易资源——目前仍缺乏明确先例。
底层现货市场仍然较薄
指数的可信度取决于真实现货成交的深度。目前公开现货和二级流转市场仍处早期，绝大部分算力交易仍锁定在 hyperscaler、neocloud 和 AI 公司之间的长约中。底层成交不足，可能影响指数的代表性和抗操纵能力。
周期风险 如果 AI 资本开支放缓，现货流动性可能在衍生品市场成熟之前收缩。与此同时，GPU 租金已经从高点明显回落，而 GPU 残值和折旧曲线缺乏足够历史数据，这会进一步放大信贷评估和衍生品定价的不确定性。
Reference
Gate Ventures 是 Gate 旗下的风险投资部门，专注于对去中心化基础设施、生态系统和应用程序的投资，致力于重塑 Web 3.0 时代的世界。Gate Ventures 与全球行业领袖合作，赋能那些拥有创新思维和能力的团队和初创公司，重新定义社会和金融的交互模式。 欲了解更多信息，请访问：官网 | X | Telegram | 领英 | Medium
免责声明 ：
本内容不构成任何邀约、招揽、或建议。您在做出任何投资决定之前应始终寻求独立的专业建议。请注意，GateVentures 可能会限制或禁止来自受限制地区的所有或部分服务。请阅读用户协议了解更多信息，链接：* 。
113.3万 热度
20万 热度
112.29万 热度
26.76万 热度
1.99亿 热度
谁将掌握 AI 时代的算力定价权？
简介
2026 年上半年，「算力资本市场」从一个小众概念迅速变成华尔街与硅谷共同下注的新赛道。CME 与 Silicon Data 宣布推出首个算力期货；纽交所母公司 ICE 先后与 Ornn、NATIVX 合作布局 GPU 算力期货；前 FTX US 总裁 Brett Harrison 创办的 Architect，则试图将加密市场成熟的永续合约结构引入受监管的算力交易。与此同时，CoreWeave 以 GPU 为抵押品的融资规模已突破 200 亿美元，并完成首个投资级评级的 GPU-backed financing。
算力正在沿着大宗商品金融化的经典路径演进：从企业自用的资本开支资产，逐步走向现货交易、价格指数、期货对冲，最终进入信贷与结构化融资市场。
为什么需要算力：AI 产业的价值瀑布
理解算力市场之前，先要理解算力在 AI 产业链中的位置。整条产业链可以拆成一个九层瀑布：从商业价值和现金流角度看，需求起点在最下游的应用层，并逐层向上游传导；而算力位于中间，连接底层硬件与数据中心基础设施，以及上层模型和应用。
第 1 层｜芯片与硬件：NVIDIA、AMD、HBM/DRAM 厂商。这是算力的最底层原材料。GPU 决定了可用算力的基础供给，而 HBM/DRAM 等存储资源也开始被市场金融化。
第 2 层｜电力与土地：数据中心能不能建起来，关键不只是有没有 GPU，而是有没有合适的土地和足够的电力接入。算力的边际成本很大一部分来自电费，所以它在商品属性上更像电力，而不是石油。
第 3 层｜Neocloud 与独立数据中心：CoreWeave、Nebius、Lambda、GMI Cloud、Crusoe 等。它们买入 GPU、建设集群，再把算力租给 AI 公司，相当于算力市场里的“矿山”和“油田”。
第 4 层｜聚合与经纪平台：Mithril、Andromeda、SF Compute 等。它们不一定自己拥有 GPU，而是帮买方寻找供给、标准化 SLA、撮合交易，甚至自己做市。它们更像大宗商品市场里的贸易商，例如 Glencore 和 Vitol。
第 5 层｜指数与基准：Silicon Data、Ornn（OCPI）、NATIVX（COIL）。如果没有可信的价格基准，市场就很难发展出期货和衍生品。所以这一层的作用，是把原本不透明的算力价格，变成可追踪、可验证的市场价格。
第 6 层｜衍生品与信贷：CME、ICE、Architect、链上永续 DEX，以及 GPU 抵押贷款、算力 ABS 等工具。这一层的作用，是让市场可以对冲算力价格风险，也让 GPU capacity 变成可以融资的资产。
第 7 层｜推理开发平台：Fireworks、Baseten、Modal 等。它们把底层 GPU、模型部署、推理 API 打包起来，让开发者不用自己管理复杂的算力基础设施，也能像调用云服务一样使用模型推理能力。
第 8 层｜LLM / 模型层：OpenAI、Anthropic、xAI、DeepSeek 等。它们把底层算力转化成模型能力和智能输出。模型本身是连接底层基础设施和上层应用体验的核心中间层。
第 9 层｜应用层：Cursor、Perplexity、Suno、Rime 等。这一层直接面对终端用户，把模型能力包装成具体产品和使用场景，是 AI 需求扩散和用户付费的重要入口。
这个九层瀑布说明了一个核心事实：算力是 AI 经济里的中间商品。它下面连接芯片、电力、土地和资本开支，上面连接推理平台、模型公司和应用层。
每一次 AI 应用调用模型，本质上都是在消耗一小部分上游算力。也正因为算力处在产业链中间，一边是持有 GPU 和数据中心资产的供给方，另一边是需要稳定算力的模型公司、推理平台和应用公司，当价格波动足够大、双方风险方向相反时，算力自然就会开始金融化。
为什么需要算力市场：对冲需求与市场结构
谁需要对冲
Source: X @0xfishylosopher
算力市场的对冲需求，首先来自持有真实算力敞口的产业方，而不是金融机构。这和航空公司对冲燃油价格、电厂对冲电价是同一个逻辑。
底层的 Neocloud 与独立数据中心，例如 CoreWeave、Nebius、Lambda，持有 GPU 实物资产，收入来自未来租金。它们担心 GPU 租金下跌，因此是天然的卖方/空头，需要卖出远期来锁定收入。
中层的推理开发平台，例如 Fireworks、Baseten、Modal，向上采购算力，向下提供推理 API 和模型部署服务。算力是它们的重要成本。
上层的应用公司，例如 Cursor、Perplexity、Suno、Rime，同样需要持续采购推理能力。推理成本会直接影响毛利率。因此，中层和上层是天然的买方/多头，需要买入远期来锁定成本。
超大规模云厂商，如 Google、Amazon、Microsoft，则比较特殊。它们同时拥有数据中心、云平台、模型和应用，内部已经在一定程度上形成自然对冲。
为什么算力更像电力，而不是石油
算力不是完全同质化商品。
同样是一小时 H100 / H200 capacity，价值也会因为芯片规格、地区、延迟、网络互联、集群规模、预留窗口、SLA、数据安全和具体 workload 而不同。
更重要的是，算力无法储存。今天没有用掉的 GPU 小时，不能像石油一样存起来明年再卖。因此，算力在商品属性上更接近电力：有时间性、区域性，也高度依赖本地基础设施。
这带来三个结果：
第一，真实算力交易往往需要围绕特定 SKU 和交付条件做双边定制。
第二，市场暂时不存在类似 WTI 原油那样统一、透明的价格基准。
第三，指数和基准变得非常关键。Silicon Data、Ornn、Compute Desk 等团队的核心任务，就是把分散的算力价格转化为可追踪、可对冲的市场信号。
Web3 上一代去中心化算力 vs 新一代算力交易商
算力市场并不是一个全新的概念。上一轮周期中，Akash、io.net、Aethir 等 Web3 项目就已经以「去中心化算力市场」为叙事，把全球闲置 GPU 接入由代币激励驱动的网络。
但问题是：为什么上一代项目大多没有成为主流 AI 算力采购层，而 Andromeda、SF Compute 这类新玩家却能在短时间内拿到企业客户和美元收入？
卖的东西不一样：去中心化供给 vs 可交付容量
上一代 Web3 项目的核心逻辑是：把分散 GPU 接入网络，通过 token 激励供给，让用户以更低成本购买算力。
它们解决的是「哪里有 GPU」的问题。
但企业买方真正关心的是另一组问题：是不是 H100 / H200？有没有 InfiniBand？集群规模够不够？能不能稳定运行几周甚至几个月？SLA 谁负责？出现故障谁赔偿？
换句话说，企业客户买的不是「某处有 GPU」，而是可保证交付、可计量、可追责的 GPU capacity。
分散、异构、跨运营商的 GPU 供给，对 batch inference、渲染或低敏感任务可能有用，但对大模型训练和生产级推理来说，稳定性、网络条件和交付责任才是关键。
上一代的四个结构性问题
第一，token 激励能带来供给，但不一定带来真实需求。
代币补贴可以快速做出漂亮的节点数、GPU 数和网络规模，但如果需求端主要依赖代币叙事，而不是自然付费客户，最终容易出现利用率低、收入质量低、价格发现被激励扭曲的问题。
按 Messari《State of Akash Q1 2026》，Akash 一季度平均 GPU 使用量环比下降 57.4% 至 84 张，平均 GPU 可用容量环比下降 57.5% 至 249 张，显示其 GPU 供需两端都出现明显收缩；io.net 早期机制下，节点只要在线就能获得奖励，无论 GPU 是否真实执行有效工作；其代币也较历史高点大幅回落，直到 2026 年 6 月才上线更偏需求驱动的新激励机制。
第二，企业级 SLA 很难只靠协议承担。
企业客户需要的是一张发票、一个支持渠道、标准 SLA、退款机制、合规审查和法律责任。这些都需要一个明确的商业主体来承接，而不是单纯依赖协议层。
第三，AI workload 与分散供给存在天然错配。
大规模同步训练和生产级推理，对 GPU 互联、NVLink / InfiniBand、集群调度、故障恢复和数据安全要求很高。地理分散、硬件异构的网络，很难直接满足这类高要求 workload。
第四，代币计价与企业采购流程不匹配。
企业更习惯美元合同、发票、预算审批和供应商管理，不愿意承担代币价格波动、会计处理和合规不确定性。
重要例外：Aethir
Aethir 是一个例外。
Aethir 2025 年收入超过 1.27 亿美元，拥有 150 多家付费企业客户和 43 万个 GPU 容器，覆盖 H100、H200、B200、B300 等高端 GPU。按自披露口径，其收入规模已经超过 Andromeda 的约 1 亿美元 run-rate，也远高于 SF Compute 。
Aethir 的路径更像是把 Web3 的代币和网络效应放在资本结构和生态激励层，把真正面向客户的部分做得更中心化、更标准化、更企业级：集中式或半集中式集群、明确的服务承诺、美元计价合同、企业客户支持和交付责任。
代币可以帮助早期融资、激励供给和组织网络，但不应该成为企业采购算力时必须面对的核心界面。
新一代交易商新在哪里
新一代玩家的出发点不是「先建一个去中心化网络」，而是直接切入 AI 买方的采购痛点。
AI 公司往往需要签长期算力合约，但真实需求又是波动的。SF Compute 的思路是，让客户购买由第三方融资的长期算力 capacity，再把用不完的部分挂到订单簿上转售或 sublease。它自己不拥有 GPU，更像一个围绕算力合约建立二级流动性的市场。
Andromeda 则更接近算力 dealer：跨 100 多家供应商实时比价、验证性能、标准化 SLA，并作为客户的唯一合约对手方。它的价值不只是撮合，而是替客户承担采购、交付和部分信用中介职能，因此也自称为「compute 的做市商」。
Andromeda 做本金交易、持有或控制库存、赚取价差，并承担 SLA 和交付责任。SF Compute 更像 exchange / broker 混合体：以代理撮合和二级流动性为核心，不一定持有底层 GPU，而是赚取交易费用和市场网络效应。
GMI Cloud 则需要单独分类。它并不是典型 broker / dealer，而是更接近 neocloud：自建数据中心、持有资产、出售 GPU cloud capacity。同时，它也是 GPU 债权融资的用款方，其 A 轮融资中大部分为债务融资，因此更接近第 3 层的算力生产商。
市场现在最缺的，不是一个更去中心化的理想云，而是一个今天就能交付 H100 / H200 capacity、负责 SLA，并帮助买方降低长约风险的交易层。
是否已经有算力价格发现市场？
当前算力交易的主流形态仍然是 OTC / 双边定制化交易。公开报价正在提升市场透明度，但更多只是价格发现的起点，而不是最终的统一交易价格。
以 H100 为例，市场上已经开始出现可观察的报价区间：Andromeda 价格约为 $1.83/hour，SF Compute 平均价格约为 $2.03/GPU-hour，GMI Cloud 起价为 $2.00/GPU-hour；Mithril 的 H100 SXM5 8-GPU instance spot 价格折算约为 $2.92/GPU-hour。
这意味着，公开市场上的 H100 报价大致落在 $1.8–3.0/GPU-hour 区间。但这些价格并不能完全直接比较，因为底层交付条件并不相同。GPU 形态、所在地区、网络互联、集群规模、租赁期限、SLA 和 workload 类型，都会显著影响最终成交价。
因此，企业真正采购的通常不是一个抽象的「H100 小时」，而是围绕特定 SKU、地区、期限、集群配置和交付条件设计的 capacity contract。换句话说，网页报价让算力价格开始变得可见，但当前市场真正的交易核心，仍然是高度定制化的 OTC 合约。
Ornn：试图成为算力市场的指数层
Source: Ornn
Ornn 的核心定位不是单纯卖算力，而是搭建算力金融市场的价格基础设施。它推出的 Ornn Compute Price Index（OCPI），追踪 H100、H200、B200、B300 等 GPU compute 的实时现货成交价格，并把这些价格整理成可用于定价、对冲和结算的指数。Ornn 官网称 OCPI 是 compute 的 reference price，并用于 compute derivatives market 的 pricing、hedging 和 settlement。
这意味着 Ornn 想做的是「算力市场的 Platts / Argus / WTI 式基准」：先把分散、非标准化的 GPU 租赁价格归一化，再让市场可以围绕这个基准交易远期、期货或永续合约。
Ornn 的路线图大致可以理解为三步：
第一步，建立现货价格指数，即 OCPI。
第二步，把 OCPI 授权给交易所和衍生品平台，成为合约结算价格。
第三步，围绕指数发展 futures、perps、hedging 和 lending 等金融产品。
Architect：把永续合约结构引入机构化算力交易
Architect 是算力衍生品市场中更偏交易场所的一类玩家。它由前 FTX US 总裁 Brett Harrison 创立，旗下机构交易平台 AX 与 Ornn 合作，计划推出基于 GPU 租赁价格和 DRAM 价格的交易所合约。
从机制上看，Architect 并不交付真实 H100 / H200 算力，而是让交易者通过跟踪 Ornn 算力指数的合约，获得 GPU 租赁价格和内存价格的金融敞口。它的产品更接近加密市场里的永续合约结构：交易者用保证金交易指数化合约，合约价格再通过指数锚定和资金费率机制，尽量贴近底层 GPU 租赁价格。
因此，Architect 的意义在于把 crypto-native 的永续合约机制引入更机构化、受监管的算力交易场景。它更像是算力市场里的衍生品交易层，而 Ornn 则是为其提供价格基准的指数层。
Lighter：链上永续合约提供早期可交易价格发现
Lighter 更像是链上版本的早期 compute perp venue。平台已经上线 $H100，允许用户以最高 10x 杠杆交易 H100 compute price exposure；该产品跟踪 Ornn H100 Compute Price Index。
这类产品的意义在于，它让市场第一次可以围绕 GPU 租赁价格形成连续交易的链上价格信号。它不解决真实 GPU 交付问题，也不是企业采购算力的主要渠道，但可以作为早期的投机、对冲和价格发现市场。
从机制上看，它更接近加密市场里的永续合约：交易者并不实际交割 H100 算力，而是交易一个跟踪 H100 指数的合约；合约价格通过指数和资金费率机制进行锚定。
它的优点是上线速度快、参与门槛低，并且支持全天候交易；缺点是流动性可能较薄，而且与真实企业级算力容量合约之间仍然存在基差风险。
ICE × Ornn：受监管期货市场的路线图
ICE 是更传统、受监管的交易所路线。2026 年 5 月，ICE 宣布计划与 Ornn 合作推出一套 GPU compute futures contracts，底层基准为 Ornn Compute Price Index。ICE 公告中明确提到，OCPI 追踪 H100、H200、B200、B300 等主要硬件类型的 live-traded spot prices；相关合约计划以美元计价、现金结算，并等待监管批准。
ICE 的机制和 Lighter 不同。Lighter 是链上永续，适合快速形成交易价格和投机流动性；ICE 则是受监管的期货市场，更适合机构参与、清算、风控和合规对冲。
但 ICE 的合约不是实物交割，而是现金结算。也就是说，交易者不会真的交付或接收 H100 capacity，而是根据 OCPI 等指数进行盈亏结算。这降低了交割复杂度，但也意味着合约能否成功，取决于指数是否足够可信、抗操纵，并且能否代表真实市场价格。
市场展望
三个值得跟踪的方向
OTC 柜台的机构化
算力市场的终局未必是产业方直接在交易所交易期货，而更可能是由 dealer 承接产业方的定制化需求，再通过指数、期货或永续合约管理风险。未来 12–24 个月，最值得观察的是 Andromeda、SF Compute 这类玩家能否从「算力采购平台」升级为真正的「算力交易台」：一方面处理 SKU 级别的现货和预留需求，另一方面在指数市场上对冲库存和基差风险。谁能率先完成这一步，谁就有机会成为算力市场的核心中介。
信贷与衍生品的闭环
如果「GPU 抵押融资 + 期货对冲」能够跑通，贷款方就可以更有效地管理 GPU 价格波动和残值风险，从而降低 haircut 和融资成本。这将直接提升 AI 基础设施的资本效率，也是算力金融化对实体 AI 产业最重要的意义之一。
价格基准与清算体系的形成
算力要成为真正可交易、可融资的资产，必须先形成可信的价格基准和清算机制。Ornn、Silicon Data、NATIVX 等指数提供商，以及 ICE、CME、Architect、Lighter 等交易场所，争夺的并不只是单一产品机会，而是未来算力市场的定价权入口。
未解问题
监管审批
CME、ICE、Architect 等产品仍需通过监管审批。算力究竟会被如何界定——是商品、服务，还是一种新型可交易资源——目前仍缺乏明确先例。
底层现货市场仍然较薄
指数的可信度取决于真实现货成交的深度。目前公开现货和二级流转市场仍处早期，绝大部分算力交易仍锁定在 hyperscaler、neocloud 和 AI 公司之间的长约中。底层成交不足，可能影响指数的代表性和抗操纵能力。
周期风险
如果 AI 资本开支放缓，现货流动性可能在衍生品市场成熟之前收缩。与此同时，GPU 租金已经从高点明显回落，而 GPU 残值和折旧曲线缺乏足够历史数据，这会进一步放大信贷评估和衍生品定价的不确定性。
Reference
关于 Gate Ventures
Gate Ventures 是 Gate 旗下的风险投资部门，专注于对去中心化基础设施、生态系统和应用程序的投资，致力于重塑 Web 3.0 时代的世界。Gate Ventures 与全球行业领袖合作，赋能那些拥有创新思维和能力的团队和初创公司，重新定义社会和金融的交互模式。
欲了解更多信息，请访问：官网 | X | Telegram | 领英 | Medium
免责声明 ：
本内容不构成任何邀约、招揽、或建议。您在做出任何投资决定之前应始终寻求独立的专业建议。请注意，GateVentures 可能会限制或禁止来自受限制地区的所有或部分服务。请阅读用户协议了解更多信息，链接：* 。