作者： David Lopez Mateos

编译： 深潮 TechFlow

深潮导读： 媒体喜欢用一个数字概括 GPU 算力价格的涨跌，但现实是：Bloomberg 终端上四家指数提供商给出的报价彼此偏离超过 2 美元，方向和节奏也不一致。本文作者是 GPU 算力交易平台 Compute Desk 创始人 David Lopez Mateos，他用一手交易数据拆解了 H100 和 B200 的真实定价结构，揭示了一个没有共识基准、没有标准合约、没有远期曲线的原始市场——算力正在像短租公寓一样被囤积和转租。

媒体标题会让你觉得 GPU 算力价格在暴涨。这个叙事很舒适，完美嵌入「供给紧缩 + AI 需求无底洞」的宏观框架，而且暗示了一件让人安心的事：我们有一个运转良好的市场，价格信号清晰可读。

但我们没有。这套叙事几乎完全建立在单一指数之上，它暗示的东西不该被暗示：GPU 租赁市场已经高效到可以用一个数字代表全局状态。

供给紧缺是真实的，但不同人感受到的紧缺完全不同——取决于你是谁、你在哪、你交易的是什么合约、什么算力资产。面对这种不透明，市场的自然反应不是有序的价格发现，而是囤积：锁定你可能还不需要的 GPU 时长，因为你不确定下个月它们还能不能以任何价格买到。有囤积、没有透明基准的地方，碎片化的二级市场就会出现。在 Compute Desk，我们已经促成了租户像大型赛事期间转租公寓一样转租他们的集群。这不是假设，这正在发生。

指数不收敛

在成熟的大宗商品市场，基于不同方法论构建的指数会趋于收敛。布伦特原油和 WTI 因为地理位置和原油品质会有几美元的价差，但方向上它们同步运动（图 1）。这种收敛是高效市场的标志。

图注：布伦特与 WTI 原油价格走势对比，方向高度一致

现在 Bloomberg 终端上有三家 GPU 定价指数提供商：Silicon Data、Ornn AI 和 Compute Desk。SemiAnalysis 刚刚公开了第四个——一个基于 100 多个市场参与者调查数据构建的月度 H100 一年期合约价格指数。Silicon Data 和 Ornn 发布的是每日 H100 租赁指数，Compute Desk 在 Hopper 架构层面聚合数据，SemiAnalysis 捕获的是谈判后的合约价而非挂牌价或爬虫价。方法论不同、频率不同、对同一市场的洞察角度也不同。把它们叠在一起看，分歧一目了然（图 2）。

图注：四家 GPU 指数叠加对比，价格水平与走势均明显分歧

涨价到底发生在哪

用 Compute Desk 数据，我们可以按供应商类型和合约结构拆解 H100 的价格变动，并叠加 Silicon Data 的 SDH100RT 指数（图 3）。所有指标都显示价格在涨，但起点和幅度因指数和合约类型不同而差异巨大。

图注：H100 按合约类型拆分的价格走势与 SDH100RT 指数叠加

Compute Desk 的 H100 新云（neocloud）数据讲了一个比聚合指数更具体的故事。按需定价在整个冬季相对稳定，大约 3.00 美元 / 小时，然后 3 月份急剧飙升到 3.50 美元。现货定价更嘈杂也更低，直到 3 月才有小幅上行趋势。Silicon Data 的 SDH100RT 则呈现更平滑的稳步上升，同期从 2.00 美元涨到 2.64 美元。两个指数持续处于不同价位，对时间节奏的描述也不同：Compute Desk 说的是 3 月跳涨，Silicon Data 说的是缓慢爬升。

一年期预留定价在 2 月之前基本持平，然后在 3 月底从 1.90 美元急升到 2.64 美元——不是渐进式追赶，而是一次突然的重新定价。这更像是供应商在按需市场收紧后集中调整合约费率，而非持续性的结构需求驱动。

B200 的 3 月故事更猛（图 4）。Compute Desk 的按需指数在几周内从 5.70 美元爆涨到 8.00 美元以上。Silicon Data 的 SDB200RT 从 4.40 美元飙升到 6.11 美元后回落至 5.47 美元。两个指数都记录了这波行情，但起点相差超过 2 美元，上涨和回落的形态也不同。B200 只有不到五个月的数据、更少的供应商、更大的价差，两个指数是在用非常不同的透镜观察同一事件。

图注：B200 按需与预留价格走势，Compute Desk 与 Silicon Data 数据叠加

基础设施问题，不只是地域差异

大宗商品市场有基差（basis differential）。阿巴拉契亚天然气是教科书案例：巨量储备坐在结构性受限的管道运力上面，宾夕法尼亚-俄亥俄走廊的利用率经常超过 100%，Borealis Pipeline 等新项目要到 2020 年代末才上线。

GPU 市场有类似情况：弗吉尼亚的一块 H100 和法兰克福的一块 H100 不是同一种经济商品。但仅靠地域差异无法解释为什么测量同一市场的指数分歧如此之大。GPU 市场的错位比阿巴拉契亚天然气更深。天然气的问题是单一缺失环节：连接供需两端的管道运力。算力市场的基础设施缺口存在于供需双方。物理基础设施——可靠分发算力所需的一致性网络、可预期的配置、可预期的可用性——尚不成熟，有时根本不管用。金融基础设施——尽管物理差异存在也能压缩价差的标准化合约、透明基准、套利机制——同样还不存在。

数据讲了一个故事。2026 年初试图采购算力的真实体验讲了一个更刺痛的故事。所有 GPU 类型的按需产能实际上都已售罄。找 64 块 H100 都费劲：Compute Desk 显示 90% 的供应商按需集群可用量为零，预留市场也好不到哪去。在一个运转良好的市场里，这种稀缺程度早就把价格推到新均衡点了。但实际没有。这说明供应商自己也缺乏实时定价情报来调整。价格在涨，但涨得太慢，不足以出清市场。挂牌价和真实支付意愿之间的缺口，正在被囤积、转租和非正式的二级市场交易填补。

需要改变什么

当前 GPU 算力市场存在七个核心问题：

没有共识基准。多个指数并存，方法论各异，结论互相矛盾。

聚合叙事掩盖了结构。一个「H100 价格」的数字，掩盖了不同供应商类型和合约期限之间的巨大差异。

缺乏交易级数据。在双边市场中，挂牌价和实际成交价之间的偏差非常大。

没有合约标准化。大多数 GPU 租赁是双边谈判、条款各异。更短、更标准化的合约期限能改善流动性和价格发现。

交付质量没有保障。互联拓扑、CPU 配对、网络栈和运行时间差异极大。买家在做出承诺之前，需要知道他们购买的算力是什么品质。

合约没有流动性。如果需求在预留期间发生变化，选择很有限：要么吃掉成本，要么非正式转租。市场需要转让或转售已承诺算力的基础设施，让产能流向最需要它的人。

没有远期曲线。不能给远期定价，就不能对冲。这就是为什么贷方对 GPU 抵押品打 40%-50% 折扣，融资成本居高不下。

为本世纪最重要的大宗商品建立一个正常运转的市场，不可能只靠某一条线推进。计量、标准化、合约结构、交付质量、流动性——这些必须同步前进，在那之前没有人能真正说得清一个 GPU 小时值多少钱。