英伟达 H100 显卡一小时的租金，正在被做成可以交易的金融合约。
这听起来离普通人很远，但对大模型公司、云厂商和算力租赁商来说，GPU（图形处理器）租金每跳动一次，都可能吞掉一部分利润。
训练大模型需要长时间持续占用算力。算力涨价，AI（人工智能）企业的训练成本随之抬升；算力租金回落，重金购卡、自建算力集群的投资方，则要面临营收缩水与硬件资产贬值的双重压力。
CME Group（芝商所）和 Silicon Data（算力价格指数公司）原计划推出挂钩英伟达 H100、B200 显卡租赁价格的期货合约，原定 10 月 5 日在 NYMEX（纽约商品交易所）挂牌，随后因该产品存在 " 新颖或复杂 " 问题被监管延审推迟。
截至 10 月 19 日，距离 CFTC（美国商品期货交易委员会）对 CME Group 算力期货完成延长审查，还有二十几天。目前，上市时间仍未确定。
经济观察报近日采访国内头部算力租赁企业、民营算力服务商、中小算力业主、央企算力采购方、大模型公司、云厂商和 AIDC（人工智能数据中心）园区运营方发现，即便这款算力期货仍处于监管延审阶段，算力可被期货化定价这件事，也已经把一个现实问题推到中国企业面前——当算力租金像油价那样剧烈波动，谁来替 AI 企业兜住成本风险。
探路
在纽约，单块 GPU 算力的小时租赁价格（行业内常简称显卡租金）已经被 " 塞 " 进了期货合约的设计图里。
CME Group 与 Silicon Data 设计的两只算力期货，分别挂钩英伟达 H100、B200 租赁价格。
但在期货合约挂牌临门一脚前，CFTC 把审查期延长至 11 月 9 日完成。11 月 9 日只是审查截止日，并非上市日。CME Group 在后续相关文件中，将该期货合约的初始挂牌日改为待定。
一位接近海外算力交易平台的人士说，过去 GPU 租赁更像 " 熟人市场 "。谁有卡，谁要卡，交易双方在一个个私下合同里谈定价格。现在交易所想把这种报价搬到公开市场的屏幕上，让它变成一条公开曲线。难处也在这里。CFTC 此前启动公众意见征询时，已经点出 GPU 租赁市场 " 碎片化、不透明 "，价格多由双边合同确定，监管担心头部主体影响结算指数，进而操纵期货价格。
往里冲的不只 CME Group。
ICE（洲际交易所）已经和 Ornn（算力价格指数公司）合作，准备推出基于 OCPI（Ornn 算力价格指数）的 GPU 算力期货。9 月 29 日，ICE 发布公告称，自 10 月 5 日起在交易平台提供 Ornn Compute Index（Ornn 算力指数）参考数据和假设性每日结算价，首批合约覆盖 H100 和 B200 显卡。它们还在等待监管程序完成。
更早跑出来的是 Kalshi（美国预测市场交易所）。它做的不是 NYMEX 式标准化期货，而是 GPU 算力价格预测合约和远期曲线。3 月，Kalshi 上线首批 GPU 算力小时价格预测合约。7 月 14 日，它又推出覆盖 B200、H200、A100 的算力远期曲线。Kalshi 首席执行官 Tarek Mansour 此前公开称，算力是 " 新的石油 "。
价格波动已经摆在账面上。Silicon Data 公开数据和多家行业平台统计显示，H100 显卡的租金曾在 2024 年上半年处于每 GPU 每小时约 8 美元的高位，2025 年后其租金持续下行，一些平台报价已跌到 2 美元以下。Kalshi 相关数据曾显示，B200 显卡的小时租金在 5 月 30 日达到 6.11 美元，6 月 21 日降至 4.22 美元，不到一个月跌幅约 31%。
这正是金融机构想切入的地方。
Architect（加密衍生品平台）也在推 GPU 算力 " 永久期货 "。它由前 FTX US（FTX 美国公司）总裁 Brett Harrison 创办，产品跟踪 GPU 日租金和 DRAM（动态随机存取存储器）价格。Nodal Exchange（美国电力衍生品交易所）则从电力市场切入，9 月宣布与 Compute Desk（算力指数公司）合作，拟推出 GPU 算力期货。
海外平台在探路，中国企业则在试算。
国内头部算力租赁企业业务负责人张磊告诉经济观察报，他们一直关注海外 GPU 远期和衍生品动态，但没有直接照搬。他说：" 国内没有成熟的公开算力定价指数，行业大量交易都是私下谈出来的双边合同，所以只能把风险消化在供需双方之间。"
杭州民营算力服务商周博也看过 Kalshi 的 GPU 租金远期曲线。他过去锁定过一批 A800 显卡，临交付时被对方砍掉 30% 的配额，价格还涨了 15%。那次损失只能自己扛。周博说，海外曲线可以当行情参考，但真正要对抗上游配额被砍、临时涨价，现阶段还是靠多渠道备货、安全库存和商务合同。
算力大买家的焦虑
张磊所在企业过去依靠 3 至 5 年长单、客户预付保证金，以及闭口锁价条款（也就是合同期内无论市场算力租金涨跌，双方都按约定固定价格结算），把未来算力租金波动提前锁进合同里。客户提前锁住成本，服务商也提前锁住一部分销售毛利。
这套办法对头部企业有效，对中小玩家就没那么容易。
周博表示，中型服务商议价能力弱，上游拿货成本说涨就涨，下游又有大厂云服务商压价。他说：" 成本端的冲击会更致命。" 他不敢把涨价全部转出去，因此企业的利润经常被两头挤。
算力价格波动传到使用端，变成另一种账。
一家大模型公司算力基础设施负责人告诉经济观察报，他们现在采用自购显卡和外部租赁显卡混合的方式：核心训练集群自购一部分卡，作为长期基础盘；模型调优、推理业务、临时实验和突发扩容，更多依靠外部租赁。租赁算力占比在四成上下浮动。
过去一年，外部算力租金波动明显。高端训练卡的价格从前两年高位回落，但一遇到货源紧张，或者大客户集中下单，报价又会反弹。推理卡的供给更充足，租金价格下行更明显。
这位负责人说，如果遇到租金单边上涨的情况，租赁算力的成本变化可能直接影响项目毛利 3 到 5 个百分点。模型上线后，会持续消耗推理算力。如果显卡租金突然抬升，面向客户的服务价格又不能同步上调，利润将很快被压薄。
他们已经在用实体办法避险。该公司会提前和头部算力运营商签一年到两年的长协，锁定基础算力规模和单价。同时留出一部分弹性额度，应对临时扩容。金融衍生品也被摆上内部会议桌，但还没有进入执行环节。该公司和期货机构做过初步交流，财务和风控的态度是谨慎观望。
央企采购端的顾虑又多一层。
何方是一家海洋油气央企的算力采购负责人。该公司租用算力，主要用于地震资料处理、油气藏数值模拟等重负载计算。一个任务可能连续跑几周甚至数月。算力一旦中断，影响的不只是租金，整个勘探项目都会往后拖。
过去一两年，他看到国内智算园区报价波动明显。高性能进口卡的租金从高位回落，但阶段性货源紧张时又会反弹。国产算力集群供给放量后，价格继续下行。不同园区之间，同规格算力报价能差到两成。
但何方最怕的不是涨价。有些园区签约之后遇到电力缺口、限电、临时停机。项目有固定工期，算力一断，现场勘探队伍等待、资料处理延期，都会变成连锁成本。他更相信实体长协。长协能写清楚卡型、规模、供电保障、停机赔付。金融合约能锁价格，却不能保证算力到时一定交付。
云厂商也在调自己的产品结构。一位云厂商 GPU 云实例产品负责人告诉经济观察报记者，小团队喜欢按小时弹性使用。大模型训练和长期推理客户更愿意签包年或多年预留资源。云厂商会给重点大客户固定单价，但设置资源额度。额度内按协议价，超出部分随行就市。
从租赁商到大模型公司，从央企采购方到云厂商，大家都在用合同、预付款、预留实例、多供应商采购，给算力价格波动加一道缓冲。也正因为这些土办法越来越多，金融机构看到了新的入口。
供给觉醒
南华期货已经迈出了一步。
9 月，南华期货旗下横华国际与 Silicon Data 签署战略合作备忘录。合作内容围绕 GPU 算力定价、远期曲线、算力互换与期权展开。Silicon Data 正是 CME Group 两只算力期货的指数合作方，提供 H100 和 B200 显卡租赁价格指数。
这份备忘录释放了一个信号：算力价格风险，开始进入国内期货机构的产品讨论里。
产业端也在等这样的工具，只是等得很谨慎。
一家江苏省的智算中心企业 AIDC 业务负责人告诉经济观察报，该公司从轻资产 " 二房东 " 模式转向自建万卡级智算中心之后，风险结构发生很大变化。过去做转租，行情差可以少拿卡、收缩规模。现在服务器、机柜、电力配套都是一次性大额投入，硬件一上架，折旧就是刚性的。
他最担心两件事。一是未来算力租金下行，已经建好的集群收入达不到预期。二是新一代芯片落地后，存量卡残值快速下跌。远期、互换这类工具能对冲一部分租金下行风险，却很难覆盖硬件本身的贬值。
上述 AIDC 业务负责人说，他所在的企业，集群里有国产卡，也有进口卡，不同卡型租金曲线并不一致。如果衍生品只锚定单一型号，很难匹配混合资产池。做交易还要占用保证金，会挤压重资产项目的建设和运维资金。
但他并不排斥金融机构进场。他更希望先看到能锁定未来租金收入的工具。上述 AIDC 业务负责人说：" 万卡集群一旦建成，固定成本已经投出去。" 如果未来市场租金持续下跌，上架后的收入达不到预期，会直接影响项目回报。金融机构如果能设计贴合国内智算真实行情、匹配混合卡池的远期合约，帮他们锁一部分未来收入，价值会更高。
AI 园区运营方李哲也收到了客户的锁价需求。他所在园区的大型企业、央企、头部 AI 公司客户，多数签 1 到 3 年长约，锁定算力规模、基础电价和基础租金。中小 AI 团队更多选择季度、半年或按月订单。最近两年，越来越多的客户提出价格重审条款，希望每半年根据市场行情重新评估租金。
如果未来金融机构推出算力远期合约，李哲愿意做桥梁，把有锁价需求的客户介绍给专业机构。但他不会自己下场做交易。他担心责任边界。远期合约是金融交易，后续如果指数偏离现货、流动性不足，或者客户亏损，园区方很容易被卷入纠纷。
国内中小算力业主对本土工具也有期待。
宁夏中卫中小算力租赁业主马洪远手里主要是昇腾 910、海光 DCU 等国产 AI 算力芯片。和英伟达 GPU 不同，昇腾属于 NPU、海光 DCU 为深度计算单元，并非传统图形显卡。他说，海外算力期货挂钩英伟达 H100、B200GPU 美元租赁行情，和他们不是一个市场。芯片型号、客户群体、计价货币、交易地域都不一样。即使能参与，也没有实际对冲意义。
他更希望国内能出现挂钩国产显卡租赁行情的公开价格基准。过去两年，国产算力市场分化明显。推理型国产算力供给上来后，这类显卡价格一路往下走。能做大模型训练的高性能国产显卡，价格相对坚挺。
马洪远算过账。算力利用率低于 70%，该算力企业基本亏损；算力利润率达到 80% 以上，企业才有薄利；达到 90% 以上，企业才能赚到像样的利润。对他来说，价格工具最多锁住租赁单价，不能保证客户一定来租。公开价格基准有价值，但不能替代真实订单。
海外交易所还在等监管审查。国内企业已经在合同里、产品里、采购制度里先做了一轮避险。南华期货与 Silicon Data 的合作，把金融机构带到了门口。产业方给出的需求也越来越具体。头部租赁商想管理散租敞口，中型服务商想锁采购成本，重资产数据中心想平滑未来收入，大买家想稳定年度预算。
但每个人也都在提醒同一件事。指数要贴近真实现货，合约要匹配国内卡型和交易习惯，流动性要足够，合规边界要清楚。否则，算力风险还没有被对冲，新的交易风险会先被带进来。
（应受访者要求，何方、张磊、李哲为化名）
