聊聊购买算力这件事

你给英伟达的哥们儿打电话：“嘿，能给我搞1000块B300，再配上点InfiniBand吗？”
英伟达说：“得等30周，不过既然你是我兄弟，我可能能把你塞进一批货里，因为有人（懂的都懂，OpenAI）刚买了20万块GPU。”
“行，稳了”
你给OEM厂商的妹子打电话：“能给我报个价吗，风冷B300那种？”
“行啊，大概100亿美元吧。”
你又给英伟达的哥们儿打电话：“嘿，OEM刚跟我说要100亿美元。”
“别急，我跟他们聊聊，看我能做点什么。”
OEM回电话了：“嘿，抱歉，我们把报价降到50亿美元了，不过你有托管机房吗？”
“行，我去找我的人问问。”
你给托管机房的哥们儿打电话：“嘿，圣克拉拉那边还有电力吗？”
“没了，抱歉刚满了，不过我可以把你安排在蒙特利尔。”
“好，那咱们就定了。”
“行，但我们刚跟银行谈过，你能先付50%定金，签个三年合同，按每GPU每小时4.5美元算吗？顺便说一句，网络和GPU的可用性只有95%。”

？？？？？？？？？？

目前GPU行业最大的瓶颈不是芯片、不是CoWoS封装，甚至不是电力。

没错，交期确实在拉长，英伟达宣布涨价，OEM厂商偷偷提价，晶圆比以往任何时候都更稀缺，庞大而复杂的供应链上散布着各种微型垄断者——但说到底，只要你有足够的钱，这些都不是问题。

他们会告诉你拿NVLink交换机要等30周，但只要你买得够多或出价够高，这个时间能缩到14周！整个行业就是建立在人脉关系上的，非常“懂的都懂”，但最大的问题其实要简单得多。

最大的问题是信贷。具体来说，是残值市场的缺失。

残值基本上就是资产在折旧期结束时的价值。想想你租完一辆二手车后它还值多少钱。显然，至少它的零部件是有价值的，更别说整辆车还能正常开了。

但没有人知道如何为GPU的残值建模。例如，银行在直线折旧后简单地将其视为0，因为没有流动的公开市场。

残值之所以重要，是因为它是将资产证券化并创建对冲风险工具以降低资本成本的关键障碍。这对较小的玩家不利，因为他们无法获得廉价融资。

当这些贷款的现行利率是SOFR+900个基点（SOFR是用于定价美元贷款、衍生品和债券的利率）时，你需要巨额首付，而任何小玩家都负担不起。

为了说明这一点，考虑一个现实的高成本融资例子。

假设你购买B300，128个节点（8个GPU），为期5年，每小时每GPU $3.50，首付30%（顺便说一句，这低于当前市场价格）。

TCV = 128 8 3.50 24 365 5 = $156,979,200，这意味着你的首付是156,979,200 0.3 = $47,093,760。

请记住，你在祈祷服务水平协议（SLA）良好，可能是某些SMCI构建的14周RFS，这些部件来自马来西亚某个角落，一年后坏了却无法更换。

你作为初创公司有$47,093,760闲钱吗？你确定能立即填满这些节点吗？哦，而且是按订单生产，所以只有你签字后他们才会订购部件，你甚至无法在签字前测试它们。

另外，128个风冷B300节点包括冷却在内大约需要2.5兆瓦电力。Anthropic的收入约为每兆瓦$50百万。

假设你能像Anthropic那样从计算中挤出收入，你的128个B300节点只能获得$125百万。你支付的比这多$32百万，可以看作是你为贷款支付的溢价。

好了，抱怨够了。让我们深入探讨残值、行业目前如何处理它、其他行业如何处理它，以及未来可能的样子。

当前大型公开交易呈现何种面貌？

它们如何处理残值问题？

2026年8月，NVIDIA提交了一份名为《残值担保》的文件。该文件承诺，SB Energy为OpenAI建设的数据中心（约4.25吉瓦）最低价值可达1050亿美元。这家芯片制造商正在为残值提供担保，事情就此了结，对吧？请阅读该文件。

担保价值被定义为数据中心、电力和输电相关成本，而NVIDIA自身的设备则被单独划入一项回购条款，不计入担保金额之内。该担保覆盖的是建筑及其供电设施，而非机架内的芯片。NVIDIA刻意不对GPU设定具体数值。

那么Lambda的9.26亿美元优先担保贷款又如何？其定价为SOFR加300个基点，发行价为99.5，穆迪评级为Baa2，以GPU服务器及其产生的现金流作为担保，并在2030年到期前完全摊销，公司称这一期限与合同现金流及基础设施的使用寿命相匹配。

但真正起关键作用的是公告中的这句话：“专用于投资级承购方。”客户为信贷提供支撑，而非可观察的清算价值。

再看CoreWeave，其在公开记录中向GPU抵押借款的规模超过任何其他公司。其贷款为延迟提取定期贷款：一组贷方预先承诺一笔资金，CoreWeave则根据特定客户合同在GPU交付时逐步提取，因此贷款与合同同步增长。其中最大一笔为85亿美元，获穆迪A3评级，CoreWeave称这是首笔获投资级评级的GPU支持融资。

如果GPU贷款中存在任何残值假设，理应体现在这些文件中，因此我仔细阅读了它们。

我对最新协议进行了全文检索：GPU出现35次，而贷款方用来参照外部标准为硬件估值的术语则一个都没有。没有评估、没有残值、没有有序清算、没有预付款率、没有贷款价值比、没有借款基础、没有再营销。

其他二手资产行业是如何处理残值问题的？

这对GPU来说意味着什么？

一辆二手车可以参照曼海姆二手车价值指数来定价，该基准通过对每年超过500万笔批发交易进行统计分析得出，其稳健性足以让Kalshi推出基于该指数的结算合约。同一平台还列出了DDR5内存现货合约。在这两种情况下，市场都能指向一个外部的、基于交易的价格来为资产本身定价，而计算市场只有一半的方程式。

对于GPU，我们确实有Kalshi的H100阶梯合约，这些是按执行价堆叠的双向二元市场。这些是在一个仍然很小的市场中的可报价合约。Silicon Data还在彭博终端上发布每日H100租赁基准，并将其延伸至36个月的曲线。Ornn为Kalshi提供结算服务。

CME计划于10月5日上市以现金结算的H100和B200租赁期货，尚待监管审查。计算市场终于做了大宗商品市场一直在做的事情——它建立了一个利率。

租赁期货对于收入随GPU小时价格波动的云服务商来说很有用。但对于一位在违约后站在数据机房中、试图判断某个特定机架能卖出什么价钱的贷款方来说，它的作用就小得多了。代际、拓扑结构、状况、位置、电力、网络以及重新部署的成本，都存在于小时与整机之间的基差中。

学术研究对这一缺口十分审慎。约翰斯·霍普金斯大学的Federico Bandi和Yinan Su，利用来自Silicon Data和Ornn的数据发现，算力不可存储，因此现货与期货之间通常的无套利联系失效（类似于电力市场），而基于定期租赁合同构建的合成期货价格，很可能构成真实期货价格的上限。

最接近这一问题的两家公司由同一人——Carmen Li——执掌，两者联手构建了市场的两端，却独缺中间环节。

Silicon Data对残值的解答是DCF模型。其GPU残值产品于8月25日推出，采用Silicon Data自身曲线上的远期租赁费率，假设随着更新芯片接管工作负载，利用率逐渐衰减，扣除运营成本，并在显卡剩余使用寿命内对剩余现金流进行折现。

这是一个真实数字，但它并非价格。它只是以不同单位计量的租金指数。它告诉你GPU对持续运行它的人而言价值几何，这与贷款方被迫出售时能获得多少是两回事，而后者才是评级机构所需的数字。

同一CEO旗下的Compute Exchange于7月17日开设了二手GPU市场。它发布按型号和状况分类的价格区间，数据源自汇总的供应商报价，为买家匹配经过验证的卖家并促成交易。

它不托管资产、不持有资金，也不作为交易一方参与，其页面明确标注定价仅供参考。因此，模型产出价值，平台产出报价，但两者均未产出成交记录。

成交记录掌握在Compute Credit Index Research（CCIR）手中，这是一家于3月在特拉华州成立的基准管理机构，不运营市场，也不持有头寸。它拥有三年已执行的二手GPU销售数据：3,009条已售列表，10,911台设备，总金额达2,630万美元。

为了让你更直观地理解，曼海姆每年通过自家拍卖处理的交易超过500万笔，而整个有记录的二手GPU市场三年的交易量，仅相当于CoreWeave一处85亿美元设施规模的约0.3%。

8月21日，美国商品期货交易委员会（CFTC）就计算能力衍生品合约的上市公开征求意见。其初步看法是：“计算能力市场分散，价格形成主要发生在不透明的双边交易中，阻碍了当前和历史价格数据的获取。”该委员会补充道，主导参与者“可能拥有显著定价权，从而导致市场易被操纵”，因此“计算能力可能尚未展现出通常作为大宗商品衍生品市场基础的大宗商品特性，包括可互换性、标准化和足够的流动性”。

该委员会的部分论证依据来自班迪和苏的研究，三次引用了同一篇约翰斯·霍普金斯大学的论文。其两条审查路径的完成顺序颠倒。CME的申报文件处于“待批准”状态，审查期截至9月25日，因此除非委员会采取行动，否则这些合约将默认获批，并于10月5日开始交易。

关于计算能力是否已具备作为衍生品基础条件的征求意见期将开放至10月20日。具体产品在一般性问题结束前获批，这意味着首个受监管的计算能力期货可能交易两周，而委员会在此期间仍在收集关于底层市场能否支撑该产品的答案。

退一步看，计算能力市场显然有许多令人振奋的发展。但正如孙子所言：“若无流动性市场却需残值对冲，当用远期而非期货。”

我确实认为，总有一天我们会拥有足够的流动性，来推出GPU期货，以及以GPU实际残值为抵押的ABS贷款，但我认为这一天不会很快到来。人们现在就想（需要、恳求、乞求）要GPU，如果我们不尽快找到对冲风险的办法，那我们可能就都完了。