作者： David Lopez Mateos

編譯： 深潮 TechFlow

媒體喜歡用一個數字概括 GPU 算力價格的漲跌，但現實是：Bloomberg 終端上四家指數提供商給出的報價彼此偏離超過 2 美元，方向和節奏也不一致。 本文作者是 GPU 算力交易平台 Compute Desk 創始人 David Lopez Mateos，他用一手交易數據拆解了 H100 和 B200 的真實定價結構，揭示了一個沒有共識基準、沒有標準合約、沒有遠期曲線的原始市場——算力正在像短租公寓一樣被囤積和轉租。

媒體標題會讓你覺得 GPU 算力價格在暴漲。 這個敘事很舒適，完美嵌入「供給緊縮 + AI 需求無底洞」的宏觀框架，並暗示了一件讓人安心的事：我們有一個運作良好的市場，價格訊號清晰可讀。

但我們沒有。 這套敘事幾乎完全建立在單一指數之上，它暗示的東西不該被暗示：GPU 租賃市場已經高效到可以用一個數字代表全局狀態。

供給緊缺是真的，但不同人感受到的緊缺完全不同──取決於你是誰、你在哪、你交易的是什麼合約、什麼算力資產。 面對這種不透明，市場的自然反應不是有序的價格發現，而是囤積：鎖定你可能還不需要的 GPU 時長，因為你不確定下個月它們還能不能以任何價格買到。 有囤積、沒有透明基準的地方，碎片化的二級市場就會出現。 在 Compute Desk，我們已經促成了租戶像大型賽事期間轉租公寓一樣轉租他們的集群。 這不是假設，這正在發生。

指數不收斂

在成熟的商品市場，基於不同方法論所建構的指數會趨於收斂。 布蘭特原油和 WTI 因為地理位置和原油品質會有幾美元的價差，但方向上它們同步運動（圖 1）。 這種收斂是高效率市場的標誌。

圖註：布蘭特與 WTI 原油價格走勢對比，方向高度一致

現在 Bloomberg 終端機上有三家 GPU 定價指數供應商：Silicon Data、Ornn AI 和 Compute Desk。 SemiAnalysis 剛剛公開了第四個——一個基於 100 多個市場參與者調查數據構建的月度 H100 一年期合約價格指數。 Silicon Data 和 Ornn 發布的是每日 H100 租賃指數，Compute Desk 在 Hopper 架構層面聚合數據，SemiAnalysis 捕獲的是談判後的合約價而非掛牌價或爬蟲價。 方法論不同、頻率不同、對同一市場的洞察角度也不同。 把它們疊在一起看，分歧一目了然（圖 2）。

圖註：四家 GPU 指數疊加對比，價格水準與走勢皆有明顯分歧

漲價到底發生在哪

用 Compute Desk 數據，我們可以依供應商類型與合約結構結構解 H100 的價格變動，並加總影響（3003） Dataicon 13 的價格。 所有指標都顯示價格在漲，但起點和幅度因指數和合約類型不同而差異巨大。

圖註：H100 以合約類型分割的價格走勢與 SDH100RT 指數疊加

Compute Desk 的 H100 新雲（neocloud）資料講了一個比聚合指數更具體的故事。 按需定價在整個冬季相對穩定，大約 3.00 美元 / 小時，然後 3 月急劇飆升到 3.50 美元。 現貨定價更吵雜也更低，直到 3 月才有小幅上行趨勢。 Silicon Data 的 SDH100RT 則呈現更平滑的穩定上升，同期從 2.00 美元漲到 2.64 美元。 兩個指數持續處於不同價位，對時間節奏的描述也不同：Compute Desk 說的是 3 月跳漲，Silicon Data 說的是緩慢爬升。

一年期預留定價在 2 月之前基本持平，然後在 3 月底從 1.90 美元急升到 2.64 美元——不是漸進式追趕，而是一次突然的重新定價。 這更像是供應商在按需市場收緊後集中調整合約費率，而非持續性的結構需求驅動。

B200 的 3 月故事更猛（圖 4）。 Compute Desk 的按需指數在幾週內從 5.70 美元爆漲到 8.00 美元以上。 Silicon Data 的 SDB200RT 從 4.40 美元飆升到 6.11 美元後回落至 5.47 美元。 兩個指數都記錄了這波行情，但起點相差超過 2 美元，上漲和回落的形態也不同。 B200 只有不到五個月的數據、更少的供應商、更大的價差，兩個指數是在用非常不同的透鏡觀察同一事件。

圖註：B200 按需與預留價格走勢，Compute Desk 與 Silicon Data 資料疊加

基礎設施問題，不只是地域差異

大宗商品市場有基差（basis differential）。 阿巴拉契亞天然氣是教科書案例：巨量儲備坐在結構性受限的管道運力上面，賓州-俄亥俄走廊的利用率經常超過 100%，Borealis Pipeline 等新項目要到 2020 年代末才上線。

GPU 市場也有類似情況：維吉尼亞的一塊 H100 和法蘭克福的一塊 H100 不是同一種經濟商品。 但僅靠地域差異無法解釋為什麼測量同一市場的指數分歧如此之大。 GPU 市場的錯位比阿巴拉契亞天然氣更深。 天然氣的問題是單一缺失環節：連接供需兩端的管道運力。 算力市場的基礎建設缺口存在於供需雙方。 實體基礎設施——可靠分發算力所需的一致性網路、可預期的配置、可預期的可用性——尚不成熟，有時根本不管用。 金融基礎設施——儘管物理差異存在也能壓縮價差的標準化合約、透明基準、套利機制——同樣還不存在。

數據講了一個故事。 2026 年初試圖採購算力的真實體驗講了一個更刺痛的故事。 所有 GPU 類型的按需產能實際上都已售罄。 找 64 塊 H100 都很費勁：Compute Desk 顯示 90% 的供應商按需群集可用量為零，預留市場也好不到哪裡去。 在一個運作良好的市場裡，這種稀缺程度早就把價格推到新均衡點了。 但實際沒有。 這說明供應商自己也缺乏即時定價情報來調整。 價格在漲，但漲得太慢，不足以清場。 掛牌價和真實支付意願之間的缺口，正被囤積、轉租和非正式的二級市場交易填補。

需要改變什麼

目前 GPU 算力市場存在七個核心問題：

沒有共識基準。 多個指數並存，方法論各異，結論互相矛盾。

聚合敘事掩蓋了結構。 一個「H100 價格」的數字，掩蓋了不同供應商類型和合約期限之間的巨大差異。

缺乏交易級資料。 在雙邊市場中，掛牌價和實際成交價之間的偏差非常大。

沒有合約標準化。 大多數 GPU 租約是雙邊談判、條款各異。 更短、更標準化的合約期限能改善流動性和價格發現。

交付品質沒有保障。 互聯拓樸、CPU 配對、網路堆疊和運行時間差異極大。 買家在做出承諾之前，需要知道他們購買的算力是什麼品質。

合約沒有流動性。 如果需求在預留期間發生變化，選擇很有限：要麼吃掉成本，要麼非正式轉租。 市場需要轉讓或轉售已承諾算力的基礎設施，讓產能流向最需要它的人。

沒有遠期曲線。 不能給遠期定價，就不能對沖。 這就是為什麼貸款人對 GPU 抵押品打 40%-50% 折扣，融資成本居高不下。

為本世紀最重要的大宗商品建立一個正常運作的市場，不可能只靠某一條線推進。 計量、標準化、合約結構、交付品質、流動性——這些必須同步前進，在那之前沒有人能真正說得清一個 GPU 小時值多少錢。