AI定价新纪元：算力期货的崛起
1983年3月，纽约商品交易所推出了原油(607, -8.60, -1.40%)期货合约，当时许多人仅视其为金融界的又一新奇尝试。未曾想几十年后，这份小小的合约竟成为管控企业成本、洞察全球能源供需乃至影响地缘政治的关键工具。
2026年5月，历史或许正在重演。CME集团（全球最大衍生品交易所）与数据企业Silicon Data联手宣布，计划推出全球首份算力期货合约。一周后，ICE（洲际交易所，纽交所母公司）也透露将与算力公司Ornn合作，推出基于“Ornn算力价格指数”（OCPI）的GPU期货合约。两大交易所巨头几乎同步入局，表明这并非偶然的金融构想，而是AI产业发展至特定阶段的必然产物。算力不再仅仅是技术资源，更可能演变为一种可定价、可交易、可对冲风险的金融资产。
同样的信号在中国亦清晰可见。2026年全国两会期间，多位代表委员提议探索推出算力期货，旨在构建更为统一、透明、规范的算力交易市场。6月2日，上海市政府官网发布《关于深化上海全球资产管理中心建设的若干意见》，明确提及“做好算力期货研发准备”，并将其纳入“研发更多代表新质生产力发展方向的新型期货品种”的框架。这意味着，算力期货已正式进入国家金融基础设施及新质生产力布局的政策视野。
期货的逻辑其实并不深奥。数百年前，日本大阪堂岛米市便通过米票和远期合约，提前锁定未来价格。农民无惧丰收时米价暴跌，商人亦不怕歉收时米价暴涨。现代期货市场虽复杂得多，但核心未变：利用今日合约，管理明日不确定性。算力期货亦是如此。它并非让你购买一块英伟达GPU，也非替你预订一间机房，更不保证未来能拿到某台服务器的使用权。其交易标的，是未来某一时点GPU租赁价格的涨跌。
举例而言，一家AI初创公司若计划半年后训练大模型，担忧届时GPU租金上涨，便可提前买入相关合约；而算力供应商若担心未来租金下跌，亦可卖出期货以对冲收入风险。这与航空公司利用原油期货锁定燃油成本、食品企业借助大豆(4521, -21.00, -0.46%)期货管理原料开支，本质无异。然而，算力与原油存在差异。原油可分级、运输、仓储，物理属性相对稳定。算力则受芯片型号、机房位置、网络条件、租赁期限等多重因素影响，价格差异显著。更何况，GPU迭代极快，今日市场追逐H100，明日可能转向B200，后天或许又是新架构。
因此，现阶段的算力期货更 akin 于电力期货或运价指数期货，交易的并非某台GPU的使用权，而是一个价格指数。合约到期后，大概率采用现金结算。盈利源于指数变化，亏损亦源于指数变化。为此，CME和ICE计划推出的均为现金交割合约，这如同原油期货，大多数人并非真的意图接收一桶石油。
这也意味着，算力期货无法凭空制造更多芯片。它无法解决先进制程、HBM存储、数据中心供电、跨境出口管制等硬性约束，也无法让小企业瞬间拥有与大厂同等的议价能力。期货市场解决的不是“有无货源”的问题，而是“价格如何发现、风险如何转移”的命题。
算力期货的第一层意义，在于协助企业对冲成本风险。
AI企业最担忧的，往往不仅是算力昂贵，而是未来价格的不确定性。今日租得起GPU，半年后未必还能负担。今日一个模型可按预算完成训练，明日若租金上涨30%，原有商业计划可能即刻失效。期货市场的作用，便是让企业提前为未来成本投保。AI公司若担心未来GPU租金上涨，可买入期货；算力供应商若担忧未来租金下跌，可卖出期货。它虽不保证企业一定能获得GPU，却能助其将价格波动的一部分风险转移出去。作为一种成本管理工具，算力期货的出现，标志着AI产业已不再仅比拼技术、模型，也开始进入比拼预算、现金流及经营能力的新阶段。
算力期货的第二层意义，在于推动市场形成透明价格。
当下的算力市场，仍似一个巨大的批发市场。不同供应商各自报价，不同客户各自洽谈合同。地区不同价格不同，期限不同价格不同，是否为大客户价格亦不同。这种模式在市场早期灵活有效，但随着规模扩大，问题愈发凸显。企业不知自己买贵还是买便宜，投资机构不知如何评估数据中心资产，云服务商亦不知未来产能该如何定价。
一旦期货市场形成，便相当于给算力装上了一块“价格公告板”，让市场每日都能洞察未来价格的共同预期。原油有WTI和布伦特，铜有伦敦金属交易所价格，航运有运价指数。算力若要成为真正的生产要素，绝不能永远停留在熟人报价、合同保密的阶段，也需要一个可被观察、可被交易、可被引用的价格基准。
算力期货的第三层意义，在于争夺AI时代的规则定义权。
谁掌握价格，谁便不只是参与交易，而是在定义规则。过去，AI竞争主要看芯片、模型和数据。如今需新增一项：金融基础设施。原油之所以重要，不仅因其能燃烧，更因其拥有全球价格体系和金融交易网络。若算力成为AI时代的新基础资源，那么围绕算力建立的价格指数、结算规则、交易标准和监管框架，也将成为新的制度性资产。这正是美国率先推动算力期货的深层逻辑：它拥有强大的GPU厂商、云计算平台、AI公司及衍生品市场，天然具备将技术优势转化为金融定价权的条件。从这一角度看，算力期货不仅是金融创新，更是地缘经济竞争的新战场。
展望未来，算力定价很可能不会仅有单一形态。
第一阶段，是GPU租赁价格指数。它最为直观，也最贴近当前产业痛点。企业若要训练模型，首先关心能否租到高端GPU，以及租金几何。
第二阶段，可能是token价格指数。随着推理需求爆发，AI成本将越来越多地源自日常调用，而非一次性训练。届时，token或许比GPU小时数更贴近应用企业的真实成本。
第三阶段，则可能是“算力—电力—碳—网络”的联动定价。未来的数据中心并非孤立存在，它需消耗电力，占用土地，依赖网络，并产生散热和碳排放。真正成熟的算力市场，最终将与电力市场、碳市场、数据中心资产、带宽市场发生联动。
彼时，算力将不再仅是AI公司的采购项，而会演变为数字经济的宏观价格信号。正如看铜价可判断工业景气，看油价可判断能源供需；未来看算力价格，或许能判断AI产业的冷热。价格持续走高，说明需求旺盛或供给紧张；远期期货价格低于近期期货价格，可能暗示市场认为短期缺口将缓解；某类GPU租赁价格下行，可能意味着新一代芯片替代加速，或模型架构出现效率突破。
算力期货一旦活跃，市场每日都在为AI产业投票，但这枚硬币亦有另一面。
期货市场能对冲风险，亦能放大风险。它能提高流动性，也可能引来投机资金。它能形成公开价格，也可能让价格脱离真实供需。尤其是算力这种新资产，现货市场尚不成熟，价格指数仍需时间检验，合约设计稍有偏差，便可能出现“指数很热闹，企业用不上”的尴尬局面。
更值得警惕的是，算力并非普通商品，它关乎AI能力的分配。期货工具本用于分散风险，但若主要被资金雄厚的大企业所用，也可能反过来强化资源集中。大企业可通过长期合同和金融工具提前锁定成本，中小AI企业却仍需在现货市场上排队、议价、承受波动。日本AI企业界亦有人担忧，一旦算力金融化，强势企业可能更早、更久地锁定算力资源，反而挤压中小企业的获取空间。金融工具并非天然公平。它能给市场提供保险，也可能将保险优先卖给最不缺钱的人。
因此，算力期货不能仅从金融创新角度理解。它既是市场工具，也是产业制度；既关乎企业成本，亦关乎国家竞争；既能提高效率，也可能带来新的不平等。
我的判断是，算力期货将普及，但不会一夜成熟。短期看，它更像一个价格发现工具。交易量未必马上庞大，但只要有权威指数，产业界便会开始引用。AI企业做预算，云厂商谈合同，投资机构评估数据中心资产，均需要一个参考价格。中期看，它会成为大模型公司、云服务商、数据中心运营商的风险管理工具。长期看，它将推动算力从“资源采购”转变为“战略资产管理”。企业不再仅问哪里有GPU，而会问：未来三年算力成本曲线如何？训练和推理成本如何对冲？算力、模型、产品定价之间如何形成闭环？
一个产业只有在成本足够庞大、价格足够波动、供需足够紧张时，才会呼唤期货市场。原油如此，铜如此，大豆如此，电力和航运亦如此。如今，算力也走到了这个门口。过去，我们给土地定价，给劳动力定价，给资本定价，给能源定价。现在，我们开始为智能背后的机器劳动定价。
更长远地看，算力期货可能只是第一步。未来，算力价格将与电力价格、芯片供给、数据中心布局、碳排放约束、模型效率共同构成一条新的产业曲线。读懂这条曲线，就能看懂AI产业的冷热、企业成本的边界，也能洞察国家之间围绕智能基础设施展开的新竞争。
历史往往这样开始：一个宣布，一份合约，几个先行者的试水。起初，人们以为那只是金融市场的一点新花样。后来才发现，它改变的不仅是交易方式，而是一个时代配置资源的方式。1983年，原油期货让能源拥有了新的全球价格语言。2026年，算力期货或许正在做着类似的事情。
（作者胡逸为数据工作者，著有《未来可期：与人工智能同行》一书）
