英伟达显卡租金暴跌75％，华尔街正把它做成期货合约

一小时的训练算力，只要两美元了。

两年前还卖到每小时8美元的英伟达H100显卡，如今在一些平台上报价已跌破2美元。这不是某个云厂商的促销折扣，而是全球GPU租赁市场的真实均价走势。

租金暴跌让大模型公司的训练成本骤降，却让自建算力集群的投资方陷入另一重焦虑：收入跟不上硬件折旧的速度，谁来兜住缺口？

过去两年，算力企业靠签3至5年长期协议、设置闭口锁价条款来对抗波动。这套土办法对头部企业有效，但对中型服务商而言，上游涨价扛不住，下游压价只能自己消化。

现在，华尔街终于意识到这个问题值得用钱来解决。

芝商所（CME Group）已经和Silicon Data（提供GPU租赁价格指数计算服务）设计了挂钩H100和B200显卡租赁价格的期货合约，准备放到纽约商品交易所（NYMEX）上交易。

原计划挂牌日期是今年10月5日。随后因“CFTC认为其新颖且复杂”进入延审程序。截至10月19日，距CFTC审查截止日还有二十几天。上市时间仍待定。

即便标准化合约尚未正式推出，算力能被期货定价这件事，已经把现实问题摆到了中国企业面前。

算力租金过山车

Silicon Data公开统计显示，英伟达H100显卡租金在2024上半年一度达到每小时约8美元。此后随着芯片供给逐步跟上需求增速，价格持续下行，目前部分平台报价已跌破2美元／小时——跌幅超过75％。

B200的情况更剧烈。Kalshi平台记录显示，B200显卡小时租金在5月30日最高触及6．11美元，6月21日降至4．22美元，不到一个月跌幅约31％。

一家大模型公司的算力基础设施负责人告诉经济观察报，他们采用自购显卡和外部租赁混合方式——核心训练集群自购一部分卡作为基础盘，推理业务和临时扩容则依靠外部租赁。租赁占比在四成上下浮动。

如果遭遇租金单边上涨，成本变化能直接影响项目毛利3到5个百分点。模型上线后推理算力会持续消耗，一旦显卡租金抬升而服务价格无法上调，利润很快被压薄。

反过来亦然：当租金如现在一路下跌，之前高价锁定的租赁合同就变成了“高位接盘”。一个以每月数万美元签约算力服务的AI企业，如果发现市场上同规格卡的租金已腰斩，只能认亏或和客户扯皮。

金融机构的切入逻辑很清晰——既然有人怕涨，有人怕跌，就设计一套双向对冲工具。

Kalshi今年3月上线首批GPU算力小时价格预测合约，7月推出覆盖B200、H200、A100的远期曲线。首席执行官Tarek Mansour称，算力就是“新的石油”。ICE宣布与Ornn合作，准备推GPU算力期货；Nodal Exchange也从电力市场切入，9月宣布拟推出GPU算力期货。

它们等的不是市场教育，而是监管放行。

“熟人市场”变成公开曲线

CFTC延审的核心原因并不陌生——GPU租赁市场高度“碎片化、不透明”。价格是买卖双方私下谈出来的，没有一个公认的现货基准；少数几家大型供应商控制着大部分可用库存，结算指数很难避免被操纵。

如果期货市场锚定的不是一个公允的市场价格，那这个期货本身就变成了赌博工具。这也是CFTC犹豫的核心所在。毕竟这类产品前所未有——没有哪一个大宗商品交易所曾为“电脑显卡一小时能用多少钱”做过标准化清算合约。

挑战不止于监管认知。一位江苏智算中心企业的AIDC业务负责人直言，他的园区里有国产卡也有进口卡，不同型号租金曲线完全不一致。如果衍生品只锚定某一两种型号，根本无法匹配混合资产池。

更重要的是，金融衍生工具能对冲租金涨跌，但不能对冲硬件本身的技术贬值。万卡级智算中心建成后，服务器、机柜都是一次性巨额投入。新一代芯片落地，存量旧卡的残值会断崖式下跌。远期合约锁住的是未来几个月的租金，锁不住三年的硬件老化周期。

做期货交易还要占用保证金。对一个刚建完智算中心、还在还贷期的重资产企业来说，每一笔保证金都是从建设资金里抽走的现金流。

国内的土办法先行

海外在试探金融工程，国内企业在用合同避险。

张磊是国内头部算力租赁企业业务负责人（应受访者要求化名）。他所在的企业过去三年一直靠三到五年采购合同、客户预付款、以及闭口锁价条款管理价格波动——合同期内无论市场价格怎么变，双方按约定单价结算。买家锁住上限成本，卖家锁住下限收益。

杭州民营算力服务商周博的经历说明了反例：他曾锁定一批A800显卡订单，临交付时被砍掉30％配额，同时价格上涨15％。损失最终只能自己承担。

中型服务商的尴尬在于：向上游拿货，价格由强势供应商说了算；向下游面对大厂压价，又不敢轻易涨价转嫁。两头挤压下，利润被越磨越薄。

海洋油气央企的算力采购负责人何方发现，比起涨价，更让他头疼的是算力中断。某些园区签约后遇到电力缺口、限电或停机。勘探任务连续跑几周甚至数月，算力一中断，整个项目延期。现场等待的人力成本远比多付一点租金严重得多。

“长协能写明卡型、规模、供电保障和停机赔付。金融合约能锁价格，但不能保证到时候一定有卡可用。”这也直指金融工具的边界——衍生品是对冲价格风险的，不是对冲实物供应风险的。连物理意义上的算力都无法交付，纸面上的远期合约就没有实际意义。

南华期货迈出的第一步

产业端的需求已被看见。9月，南华期货旗下横华国际与Silicon Data签署战略合作备忘录，围绕GPU算力定价、远期曲线、算力互换与期权展开合作预备。

这份MOU目前只是意向，距离本土算力衍生品落地还有很长一段路。但至少释放出一个信号：算力价格风险管理需求，已进入国内期货机构的产品讨论环节。

国产算力市场的定价逻辑和英伟达GPU完全不同。宁夏中卫中小算力租赁业主马洪远手里的主要是昇腾910和海光DCU。他告诉经济观察报：“海外算力期货挂钩英伟达GPU美元租赁行情，和我们不是一个市场。芯片型号、客户群体、计价货币都不一样。即使能参与，也没有对冲的实际意义。”

国产算力更需要自己的公开价格基准。过去两年国产算力内部也在分化——推理型供给放量后价格持续下行；能做模型训练的高端卡反而相对坚挺。

马洪远算了账：算力利用率低于70％基本亏损，利润率要达到80％以上才能勉强持平，达到90％才算赚到利润。对他来说，任何价格对冲工具都只是锦上添花，前提是得有真实客户租满机器。

如果没有足够的流动性——也就是愿意买卖这张合约的人——再精巧的衍生品设计也只是纸上谈兵。

接下来关注什么

1。 CFTC审查结果（11月9日截止）：延期审查是否通过将决定海外首只GPU算力期货能否挂牌； 2。 Silicon Data指数权威性验证：该指数是否有足够多的数据点支撑，是否存在单一供应商权重过高的系统性偏差； 3。 国内算力定价基准确立进度：国产显卡缺乏统一租金参考价，若形成类似OCPI的标准价格指数，本土算力衍生品才具备底层支撑； 4。 头部AI企业衍生品试水动作：关注是否有国内大模型公司或算力运营商正式启用远期合约进行价格对冲。