照付不议融资模式将算力与客户信用深度绑定,原租户承担连带责任致合同难以转让,标准化订单簿无法形成;破局需放贷方信任资产本身,依赖远期价格与活跃市场。
文章作者、来源:ChainCatcher
超大规模云厂商和实验室可能正在将初创公司挤出 AI 最关键的输入要素:算力。这引发了大量关于建立算力交易所的讨论——即一个可以像交易石油一样买卖 GPU 小时的市场。虽然已有几家公司在朝这个方向努力,但当下依然缺乏一个深度且高流动性的算力市场。在本文中,我们将解释为什么建立一个流动性充裕的算力交易所远比想象中复杂。我们将展示 GPU 信贷市场结构如何阻碍了现货市场的形成,并在最后探讨潜在的解决路径。
第一部分:问题所在
设想你是一家 AI 实验室,希望获取 10 万张 GPU 来训练下一个大型模型。如果今天去采购,你会发现几乎没有任何可用容量。几乎所有的云资源都已被提前数年预订一空。

人们常给出的理由是当下供不应求。每个人都渴望 GPU,而新的供应需要数年时间才能上线投产。

但“供不应求”并不完全准确。这里有一个有违主流叙事的事实:市场上其实存在大量的闲置算力。
如果你与算力的现有买家(那些拥有大量算力储备和强劲资产负债表的机构)交流,会发现他们中许多人并不会一直满负荷使用算力。模型训练具有突发性:在大规模训练运行时,他们会调用大部分 GPU,但在两次训练周期的间隙,很多算力处于闲置状态。推理任务则具有波动性:在夜间、周末和节假日,使用量通常远低于高峰日,而整体容量往往是按最高峰值配置的。

所有这些闲置算力都指向一个理想主义愿景:建立一个 GPU 小时交易所。市场在资源配置和价格发现方面极其高效,既然我们看到当前的 GPU 分配可能缺乏效率,那么理论上交易平台可以平滑这种供需错配。然而,目前尚未出现大规模、深度的算力市场范例。虽然有一些平台支持租用少量 GPU,比如 Vast.ai,机主可以在上面挂牌 GPU 并自行定价,但巨型集群无法在此类平台完成交易。今年 3 月,CoreWeave 推出了 Spot,提供价格更低但可能被抢占的容量。但目前依然没有一个中心化、规模庞大且流动性充裕的订单簿。原因何在?

一种常见解释是算力并非同质化产品。市场上有 H100、B200 和 B300,存在 InfiniBand 与 Ethernet 的网络架构差异,以及不同的散热方案、物理位置等。面对如此异构的资产,如何构建统一市场?

我认为这并非唯一推手。原油同样拥有数百种品类。市场最终围绕少数几个基准(如 WTI 和布伦特原油)实现了标准化,其他品种均基于基准进行相应定价。许多交易异构商品的市场同样运转良好,因此异构性固然是一个原因,但绝非全部。
另一个被较少提及的隐性原因,在于 GPU 的资金支付方式。大型 GPU 集群通常依赖借贷资金建设。贷款条款最终决定了谁能出售算力,以及可以出售给谁。要理解这一点,首先需要审视目前 GPU 的融资模式。
第二部分:目前 GPU 是如何融资的
如今的 GPU 往往通过“照付不议”(take-or-pay)合同进行融资:这是一种为期多年的协议,客户无论是否实际使用算力,都必须为该容量付费。这意味着几乎所有算力在通电上线前就已被认购。例如,CoreWeave 拥有 96% 的收入来自承诺性合同,且合同期限越来越长:两年前约为三年,一年前为四年,而现在大多数为五年,部分甚至长达六年。

“照付不议”的运作机制
以下是 GPU 以这种方式建设的底层逻辑。假设你是一家需要 10 万张 GPU 的 AI 实验室,而市场上所有货源均已售罄。一家数据中心(比如新型云服务商或机房托管开发商)愿意为你构建集群,但它自身并没有数十亿美元的闲置资金。它需要贷款方介入。

现在设想你是贷款机构,面对一个新兴市场,被要求针对一种你不知道如何估值的资产投入数十亿美元。三年后这些 GPU 还值多少钱?如果数据中心的客户破产了怎么办?你无法得知答案。
“照付不议”合同解决了这个难题。放贷方无需去猜测 GPU 的剩余价值,因为现金流(以及付款责任人)是相对确定的。放贷机构可以基于知名租户的合同收入进行承销。数据中心采购 GPU 和场地,实验室的月付租金则用于偿还贷款。

需要注意,租户的信用资质直接决定了数据中心的资金成本。
客户视角
从客户角度来看,价格在数年内被锁定,如果市场价格上涨,就像 Ornn 的 H100 租赁价格指数在 5 月初表现的那样,客户的成本不会变动。这是有利的一面。此外 GPU 供应得到了保证:客户在整个合同期内都拥有确定的容量。

反过来,客户也承担了多重风险。首先,如果业务耗尽资金或转型,仍然欠付每一期款项。其次,客户在为闲置容量买单。由于是按照峰值需求采购,大部分时间都在为未实际使用的 GPU 付费。最后,如果市场价格下跌,客户依然必须按锁定的高价履约。

在此情境下,可以自然设想一个市场的形成:部分客户在某些时间段有多余容量想要出售,还有一些客户可能想完全转让合同抽身离开。

第三部分:为什么交易所难以形成
试想一下,一家大型实验室不再需要其拥有的 GPU,想要将合同转售给其他机构。放贷机构会对这种做法产生疑虑,因为在最初发放贷款时,其本质上是在对该实验室的信用进行承销。

如果你的租户是一家高投资评级的大型企业,你能拿到利率低得多的贷款。如果是风险较高的初创公司,同样的 GPU 集群融资利率会高得多。租户决定了贷款的价格,这就是为什么如果更换租户,放贷机构通常必须进行审批。因此,目前的市场往往通过转租模式运转:最初的 AI 实验室继续向数据中心付款,而新的买家向最初的 AI 实验室付款。

若转租方停止付款,最初的 AI 实验室依然对数据中心负有偿付义务。这种机制使得该市场很难适应传统的订单簿形式。
如果我在交易所卖出苹果股票,从交易清算那一刻起,我与买方的关联便告终结。我甚至不知道是谁买了股票;最优价格胜出即可。但在算力交易中,卖出后你依然无法摆脱连带履约责任,因此你必须清楚交易对手的身份。最高出价方可能是一家面临违约风险的初创公司,而放贷机构可能无法接受下一个顺位买家。

接下来还会引发一系列更复杂的场景:该买家能否再转售给其他人?依然承担责任的最初 AI 实验室是否需要获知买方身份?
你最终面对的是一张复杂的信用网络,使得算力难以实现规模化交易。
第四部分:潜在的破局之道
可以发现,许多问题的根源在于一点:在放贷方眼中,GPU 与客户被捆绑为一个整体。大多数成熟市场并非如此。一桶原油不在乎最终买家是谁。
要使算力市场运转起来,放贷机构必须信任底层资产本身,而非客户信用。换言之,放贷方需要确信即使某个客户中途退出,也能够迅速找到另一个客户承租这些 GPU。信任资产需要两个前提:可预知的未来价格(类似于原油的远期价格),以及一个随时准备以此价格接盘的买方市场。两者兼备,客户才具备可替代性,合同才能实现顺畅流转。

但实际情况远比表面看起来更棘手。为了信任资产,放贷方需要一个深度的现货市场,以便在租户退出时将算力变现。然而,一个深度的现货市场首先需要放贷方信任资产,进而允许 GPU 在没有“照付不议”合同的情况下建设。这是一个先有鸡还是先有蛋的死结。

此外,即便跨越了先有鸡还是先有蛋的难题,也不确定深度的现货市场能否完全解决问题,因为风险往往是系统性关联的。如果有租户发生违约,市场通常面临更深层次的系统性危机,这意味着许多人也在试图抛售手头的 GPU。因此,当放贷方真正急需买家接盘的时刻,往往恰恰是买家最匮乏、价格最疲软的时刻。
那么破局的希望何在?GPU 市场是全球最重要的市场之一,市场需求永无止境,而现有资源配置效率低下:一边是闲置的 GPU,另一边是排队等候的买家。在极限情况下,逐利机制终将找到抹平这种低效的方法。