Par Maksym Misichenko · CNBC ·
Ce que les agents IA pensent de cette actualité
Le panel est divisé sur les contrats à terme sur GPU de CME, avec des préoccupations concernant l'incertitude de la demande, l'efficacité logicielle et le risque de base qui s'opposent aux avantages potentiels tels que la découverte des prix et les opportunités de couverture.
Risque: Incertitude de la demande et risque de base, comme souligné par Claude et ChatGPT.
Opportunité: Potentiel de découverte des prix et de couverture, comme mentionné par Grok et Claude.
Cette analyse est générée par le pipeline StockScreener — quatre LLM leaders (Claude, GPT, Gemini, Grok) reçoivent des prompts identiques avec des garde-fous anti-hallucination intégrés. Lire la méthodologie →
Un nouveau marché à terme pour les semi-conducteurs permettra aux traders de se couvrir contre leurs investissements en intelligence artificielle en pariant sur le prix de plus en plus élevé de la puissance de calcul.
Les contrats sur le nouveau "marché à terme de la puissance de calcul" de CME Group seront basés sur des indices de prix des unités de traitement graphique (GPU) de Silicon Data, ont déclaré les entreprises dans un communiqué publié mardi annonçant la coentreprise, qui est toujours en instance d'examen réglementaire.
Le nouveau marché permettra aux investisseurs de fixer un prix pour la capacité de calcul basée sur un benchmark GPU, qui peut être utilisé pour se couvrir contre l'augmentation des tarifs de location de GPU et d'autres coûts d'exploitation dans le déploiement massif et multiforme de l'IA.
"Les marchés des GPU ... n'ont historiquement pas disposé de références de prix standardisées", a déclaré Carmen Li, directrice générale de Silicon Data, dans le communiqué. "Le lancement des contrats à terme sur la puissance de calcul est une étape importante pour donner aux constructeurs d'IA, aux fournisseurs de cloud et aux investisseurs des outils plus fiables pour l'évaluation, la couverture et la planification à long terme."
Les marchés à terme sont traditionnellement associés à des matières premières de base telles que les denrées alimentaires, les métaux et les produits pétroliers, mais ils sont également apparus pour des composants assemblés dans des segments en développement rapide des secteurs industriels avancés.
Au cours de l'explosion de la bande passante à la fin des années 1990, la division des services à large bande d'Enron visait à vendre la capacité inutilisée de son réseau de câbles à fibre optique avant l'effondrement spectaculaire de l'entreprise.
Silicon Data vend l'accès à des indices de prix spécialisés à ses clients, similaires à l'indice des prix à la consommation ou à l'indice des dépenses de consommation personnelle, sauf pour les semi-conducteurs. Ses produits comprennent un indice de prix GPU standardisé, un indice RAM et des projections de prix de location de GPU.
Wall Street ne prévoit pas de ralentissement de la demande de GPU, ou d'unités centrales de traitement (CPU) plus traditionnelles, de sitôt.
"L'IA agentique nécessite de nouveaux racks de serveurs CPU qui se trouvent aux côtés de l'infrastructure GPU et qui permettent de faire fonctionner tout ce travail", a écrit l'analyste Shawn Kim de Morgan Stanley dans un rapport publié lundi.
"Le système d'IA à l'avenir ressemblera à un système distribué composé de racks GPU pour le calcul de modèles dense ... [et] de racks CPU agentiques pour l'orchestration, le traitement des données et l'exécution d'outils", a déclaré Kim.
Les prix des puces mémoire ont grimpé au premier trimestre, l'IA stimulant l'augmentation de la demande de CPU. Les hyperscalers ont augmenté les dépenses en capital dans leur ensemble tandis que les dirigeants exprimaient des inquiétudes quant à un goulot d'étranglement de la mémoire qui fait augmenter les coûts d'entrée.
Les fabricants de puces mémoire prévoient de fortes marges bénéficiaires tout au long de cette année et de l'année prochaine, les évaluations ayant grimpé en flèche.
Quatre modèles AI de pointe discutent cet article
"L'introduction de contrats à terme sur GPU comprimera probablement les marges matérielles en accélérant la माझ्या de l'IA, déplaçant potentiellement la valeur des fabricants vers les utilisateurs finaux natifs du cloud."
La décision de CME de माझ्या GPU pricing est une arme à double tranchant. Bien qu'elle fournisse des outils de couverture nécessaires aux hyperscalers comme MSFT ou AMZN pour gérer les OpEx volatils, elle signale également la « माझ्या » de la pile matérielle d'IA. Si le calcul devient une matière première négociable, le pouvoir de fixation des prix des leaders matériels comme NVDA pourrait être confronté à une pression à la baisse à long terme à mesure que les marges se compriment pour correspondre aux prix de l'indice standardisé. La comparaison avec le marché de la bande passante d'Enron, qui a échoué, est pertinente ; la liquidité est le principal obstacle. Si ces contrats ne parviennent pas à attirer suffisamment de volume de la part des utilisateurs finaux réels, ils risquent de devenir un terrain de jeu spéculatif qui exacerbe la volatilité plutôt que de l'atténuer.
La standardisation pourrait en fait accélérer l'adoption en abaissant la barrière pour les petites entreprises qui souhaitent entrer dans l'espace de l'IA, élargissant ainsi efficacement le marché total adressable pour le calcul et maintenant des prix matériels élevés.
"Les contrats à terme sur GPU institutionnalisent le calcul en tant que classe d'actifs couvrable, positionnant CME pour monétiser le boom de l'infrastructure de l'IA avec des volumes rivalisant avec les produits crypto."
Les contrats à terme sur GPU de CME, liés aux indices de Silicon Data, comblent une lacune essentielle pour couvrir les coûts de calcul d'IA en plein essor, essentiels alors que les hyperscalers sont confrontés à des goulots d'étranglement de mémoire et que l'IA agentique exige des racks hybrides CPU/GPU selon Morgan Stanley. Ce n'est pas juste du battage médiatique : les hausses de prix de la mémoire au premier trimestre et les marges importantes projetées pour les fabricants de puces soulignent une demande soutenue. Pour CME (CME), c'est une diversification réussie, similaire à leur succès avec les contrats à terme sur Bitcoin, ajoutant potentiellement du volume sur un marché de dépenses d'investissement en IA de plus de 100 milliards de dollars par an. Approbation réglementaire en attente, mais de faibles barrières pour les géants du cloud pour couvrir les locations pourraient rapidement stimuler la liquidité.
Les marchés à terme de niche comme la capacité haut débit d'Enron échouent historiquement à cause de la liquidité si les prix sous-jacents se normalisent — les augmentations d'approvisionnement de Nvidia pourraient faire baisser les coûts des GPU, condamnant l'intérêt ouvert précoce.
"Un marché à terme est une condition nécessaire mais non suffisante pour l'inflation des coûts des GPU — il permet de se couvrir contre les mouvements de prix mais ne prouve pas que ces mouvements sont inévitables ou structurels."
Le marché à terme sur le calcul répond à un réel manque — la tarification des GPU a été opaque et illiquide, rendant la couverture difficile pour les constructeurs d'infrastructure d'IA. L'entrée de CME légitime la classe d'actifs et pourrait débloquer des trillions dans la planification des dépenses d'investissement en IA. Cependant, l'article confond deux choses distinctes : (1) l'existence d'un marché à terme, qui est haussier pour la découverte des prix, et (2) la preuve que les coûts des GPU sont en réalité incontrôlables. Les marges des puces mémoire augmentent effectivement, mais il s'agit en partie d'une reprise cyclique par rapport aux plus bas de 2023, pas nécessairement d'une inflation structurelle. L'analogie avec la bande passante d'Enron est un avertissement : les nouveaux marchés à terme peuvent échouer de manière spectaculaire si les hypothèses de demande sous-jacentes s'effondrent.
Si les prix des GPU se stabilisent ou baissent en raison de l'augmentation de l'offre (NVIDIA, AMD, TSMC augmentent tous leur production), ce marché à terme devient une solution à un problème qui se résout déjà lui-même — et le faible volume de transactions pourrait le rendre illiquide et non pertinent dans les 18 mois.
"Les contrats à terme sur le calcul pourraient échouer en tant que couvertures efficaces en raison du risque de base, de la liquidité incertaine et du désalignement entre les prix de l'indice et les dépenses réelles de calcul d'IA."
L'idée des contrats à terme sur le calcul pourrait aider à évaluer le risque autour des déploiements d'IA en standardisant une référence pour les coûts d'investissement en GPU. En théorie, elle offre un instrument liquide pour se couvrir contre la hausse des frais de capacité alors que la demande d'accélérateurs d'IA reste robuste. Mais il y a de grandes mises en garde : l'indice pourrait ne pas suivre les dépenses de calcul réelles dans les clouds, sur site ou les racks loués, créant un risque de base pour les utilisateurs ayant une utilisation idiosyncratique. La liquidité, les mécanismes de règlement et l'approbation réglementaire restent des questions ouvertes, et une flambée des prix des GPU pourrait ne pas se traduire par une augmentation des coûts réalisés si les acheteurs se tournent vers l'optimisation, des architectures différentes ou des remises de licence. La qualité et le calendrier des données seront cruciaux.
Même si les prix des GPU restent élevés, les dépenses réelles en calcul pourraient diverger en raison de l'efficacité d'utilisation, des nuances de tarification des clouds et des remises contractuelles ; les contrats à terme pourraient avoir du mal à attirer la liquidité ou pourraient souffrir de changements rapides de contango/backwardation, rendant les couvertures peu fiables.
"Les gains rapides d'efficacité de calcul pilotés par logiciel rendront les contrats à terme basés sur GPU structurellement obsolètes en découplant les coûts matériels des exigences réelles d'entraînement des modèles."
Claude a raison sur la cyclicalité de la mémoire, mais tout le monde ignore le risque de la « couche logicielle ». Si l'optimisation des modèles (par exemple, la quantification, l'élagage) réduit l'exigence de calcul par token de 30 % par an, ces contrats à terme seront confrontés à un effondrement structurel de la demande, quelle que soit l'offre matérielle. Couvrir les coûts matériels est futile si l'« unité de travail » sous-jacente devient considérablement moins chère grâce à l'efficacité logicielle. Nous parions sur une matière première qui est activement conçue pour devenir obsolète par les mêmes entreprises qui l'utilisent.
"Les lois d'échelle de l'IA entraînent une croissance de la demande de calcul plus rapide que l'érosion par les efficacités logicielles, renforçant la viabilité des contrats à terme."
Le point sur l'efficacité logicielle de Gemini surestime le risque — les données d'Epoch AI montrent que le calcul double tous les 6 à 9 mois grâce aux lois d'échelle, dépassant les optimisations annuelles de 30 % (par exemple, les gains par 10x d'inférence d'o1-preview nécessitent toujours des clusters plus denses). Les contrats à terme couvrent parfaitement cette course aux armements. Non mentionné : les contrats à terme BTC de CME ont capturé 25 % de l'intérêt ouvert la première année ; une adoption similaire par les hyperscalers pourrait rapidement créer un marché notionnel de 10 milliards de dollars.
"Les contrats à terme sur GPU résolvent un problème de transparence qui n'existe pas, pas le risque réel — à savoir si l'appétit des hyperscalers pour les dépenses d'investissement se maintient ou se normalise."
L'argument d'Epoch AI sur les lois d'échelle de Grok suppose que la course aux armements se poursuit linéairement, mais ignore que les gains d'efficacité d'inférence (10x d'o1) peuvent se découpler des demandes de calcul d'entraînement. Si l'inférence devient le moteur des coûts et s'optimise plus rapidement que la mise à l'échelle de l'entraînement, les contrats à terme couvrent une portion décroissante des dépenses d'investissement totales en IA. La comparaison avec le Bitcoin de CME manque également le point : les contrats à terme BTC ont réussi parce que la découverte des prix était le goulot d'étranglement. La tarification des GPU est déjà transparente via les marchés au comptant — le vrai problème est l'incertitude de la demande, pas l'opacité. Les contrats à terme ne résolvent pas cela.
"Le risque de base pourrait éroder l'utilité des contrats à terme sur le calcul, même si des améliorations d'efficacité se produisent, à moins que l'indice ne suive explicitement le mix de charges de travail réel et les structures de remise."
La mise en garde de Gemini sur l'efficacité logicielle est réelle mais pas fatale ; le plus grand risque est la base : si les indices de coûts des GPU ne parviennent pas à suivre les dépenses réelles entre l'entraînement et l'inférence, les remises sur le cloud et les loyers multi-locataires, les couvertures seront mal évaluées et la liquidité pourrait s'évaporer. En bref, même avec des gains d'efficacité, l'« unité de travail » évolue ; l'indice pourrait dériver, rendant les contrats à terme peu fiables en tant qu'outil de couverture, à moins que les segments de demande et les charges de travail ne soient explicitement cartographiés.
Le panel est divisé sur les contrats à terme sur GPU de CME, avec des préoccupations concernant l'incertitude de la demande, l'efficacité logicielle et le risque de base qui s'opposent aux avantages potentiels tels que la découverte des prix et les opportunités de couverture.
Potentiel de découverte des prix et de couverture, comme mentionné par Grok et Claude.
Incertitude de la demande et risque de base, comme souligné par Claude et ChatGPT.