CME wprowadzi 5 października kontrakty futures na moc obliczeniową GPU, śledzące koszty wynajmu H100 i B200

Wraz z ciągłym rozszerzaniem inwestycji w infrastrukturę sztucznej inteligencji, moc obliczeniowa GPU stopniowo przechodzi od kosztu infrastruktury w łańcuchu przemysłu AI do aktywa finansowego, które można wyceniać, handlować i zabezpieczać.

Grupa CME oraz firma analityczna Silicon Data zajmująca się danymi rynku GPU ogłosiły we wtorek, że planują wprowadzić dwie umowy futures na moc obliczeniową w dniu 5 października, obecnie oczekują na zatwierdzenie przez regulatora.

Obie umowy to Silicon Data H100 Rental Index Futures oraz Silicon Data B200 Rental Index Futures, które będą notowane na CME i podlegać przepisom Nowojorskiej Giełdy Towarowej (NYMEX).

Umowy będą śledzić indeksy cen najmu GPU H100 i B200 przygotowane przez Silicon Data, z kosztem wynajmu GPU za godzinę jako kluczowym wskaźnikiem cenowym.

Oznacza to, że uczestnicy rynku będą mogli w przyszłości zabezpieczać się przed wahaniami cen mocy obliczeniowej AI za pomocą instrumentów futures. CME informuje, że nowe produkty mają pomóc traderom, instytucjom finansowym, deweloperom AI i dostawcom chmury zarządzać ryzykiem cenowym związanym z szybko rosnącym rynkiem mocy obliczeniowej.

CME wcześniej określiła moc obliczeniową jako „nową ropę XXI wieku” i stwierdziła, że zasoby obliczeniowe stają się niezależną, nową klasą aktywów.

Cena wynajmu GPU staje się ważnym wskaźnikiem kosztów w przemyśle AI

Dla firm zajmujących się treningiem i inferencją modeli AI, oprócz wydatków kapitałowych jak zakup GPU i budowa centrów danych, wynajem GPU bezpośrednio od dostawców chmury lub wyspecjalizowanych usługodawców mocy obliczeniowej jest istotnym sposobem pozyskiwania zasobów obliczeniowych.

Dlatego zmiany ceny wynajmu GPU za godzinę mogą w pewnym stopniu odzwierciedlać relację podaży i popytu na moc obliczeniową.

Silicon Data publikuje obecnie codziennie benchmark cen wynajmu GPU, obejmujący H100, A100, B200 oraz AMD MI300X – główne akceleratory AI, zbierając dane od dostawców chmury, ogromnych dostawców cloud, centrów danych oraz prywatnego rynku wynajmu, tworząc zunifikowane ceny.

B200 to kluczowy produkt architektury Blackwell firmy Nvidia, oferujący wyższą wydajność obliczeniową w stosunku do poprzedniej generacji H100. Ponieważ produkcja i wdrożenie Blackwell są w fazie ekspansji, ceny wynajmu B200 są obecnie pod wpływem jednoczesnego niedoboru podaży oraz rosnącego zapotrzebowania na trening AI.

Silicon Data wyjaśnia, że indeks cen wynajmu B200 odzwierciedla zunifikowane ceny godzinowe z różnych kanałów dostaw mocy obliczeniowej.

Znaczenie rynku futures polega na stworzeniu otwartego mechanizmu odkrywania cen na rynku terminowym

Obecnie rynek wynajmu GPU jest mocno rozproszony, istnieją wyraźne różnice cenowe pomiędzy poszczególnymi dostawcami chmury, usługodawcami mocy obliczeniowej i okresami wynajmu – przedsiębiorstwa nie mają jeszcze do dyspozycji dojrzałych instrumentów podobnych do futures na ropę, by zabezpieczyć przyszłe koszty mocy obliczeniowej.

Gdy CME i Silicon Data po raz pierwszy ogłosili współpracę w maju tego roku, stwierdzili, że nowe umowy mają pomóc firmom AI oraz dostawcom chmury zarządzać ryzykiem cenowym mocy obliczeniowej. Silicon Data wprowadziła następnie krzywe cen terminowych na GPU, obejmujące H100, B200 oraz A100 – z najdłuższym okresem do 36 miesięcy.

Dla dostawców mocy obliczeniowej, jeśli oczekują spadku cen wynajmu GPU w przyszłości, mogą zabezpieczyć się poprzez futures; natomiast firmy AI wynajmujące duże ilości GPU mogą mieć możliwość zablokowania przyszłych kosztów mocy obliczeniowej.

Jednocześnie instytucje finansowe i traderzy mogą uczestniczyć w handlu cenami, bazując na własnej ocenie zapotrzebowania na AI, podaży GPU oraz cyklu budowy centrów danych.

Oznacza to, że finansjalizacja przemysłu AI rozszerza się z chipów, centrów danych i związanych spółek giełdowych na najbardziej fundamentalne zasoby obliczeniowe.

Jeśli produkt CME zostanie pomyślnie wprowadzony i osiągnie odpowiednią płynność, ceny futures H100 i B200 mogą stać się w przyszłości ważnym rynkowym wskaźnikiem dla obserwacji podaży i popytu na moc obliczeniową AI, wykorzystania centrów danych oraz zwrotu z inwestycji w infrastrukturę AI.

Jednak istnieje kluczowa różnica między mocą obliczeniową a tradycyjnymi towarami: mocy obliczeniowej GPU nie można magazynować tak jak ropy lub złota. Gdy moc obliczeniowa pozostaje niewykorzystana, jej wartość usługowa za daną godzinę znika, dlatego mechanizm wyceny futures na GPU, płynność oraz efekt zabezpieczający będą się wyraźnie różnić od tradycyjnych futures na towary masowe.

Niedawne badanie na temat wyceny aktywów mocy obliczeniowej AI również wskazuje, że ze względu na niemagazynowalność mocy obliczeniowej, tradycyjne relacje wyceny bez arbitrażu znane z futures na towary nie mogą być bezpośrednio zastosowane na rynku mocy obliczeniowej.

Zatem, jeśli umowy zostaną wprowadzone zgodnie z planem w dniu 5 października, ich istotą będzie nie tylko dodanie dwóch nowych produktów futures, lecz stworzenie otwartego benchmarku finansowego dla mocy obliczeniowej AI, która dotąd nie miała jednolitej ceny rynkowej.