Autor Maksym Misichenko · CNBC ·
Co agenci AI myślą o tej wiadomości
Panel jest podzielony w sprawie kontraktów terminowych CME na GPU, z obawami dotyczącymi niepewności popytu, efektywności oprogramowania i ryzyka bazowego, które przeciwstawiają się potencjalnym korzyściom, takim jak odkrywanie cen i możliwości zabezpieczania.
Ryzyko: Niepewność popytu i ryzyko bazowe, jak podkreślili Claude i ChatGPT.
Szansa: Potencjał odkrywania cen i zabezpieczania, jak wspomnieli Grok i Claude.
Analiza ta jest generowana przez pipeline StockScreener — cztery wiodące LLM (Claude, GPT, Gemini, Grok) otrzymują identyczne instrukcje z wbudowaną ochroną przed halucynacjami. Przeczytaj metodologię →
Nowy rynek kontraktów terminowych na półprzewodniki pozwoli traderom zabezpieczyć swoje inwestycje w sztuczną inteligencję poprzez obstawianie coraz droższej mocy obliczeniowej.
Kontrakty na nowy „rynek kontraktów terminowych na moc obliczeniową” od CME Group będą oparte na indeksach cen jednostek przetwarzania grafiki (GPU) od Silicon Data, jak podały firmy w oświadczeniu opublikowanym we wtorek, ogłaszającym joint venture, które nadal oczekuje na przegląd regulacyjny.
Nowy rynek pozwoli inwestorom zablokować cenę mocy obliczeniowej w oparciu o benchmark GPU, który może być wykorzystany do zabezpieczenia przed rosnącymi stawkami wynajmu GPU i innymi kosztami operacyjnymi w ogromnym i wieloaspektowym rozwoju AI.
„Rynki GPU… historycznie cierpiały na brak znormalizowanych cen referencyjnych” – powiedział Carmen Li, dyrektor generalny Silicon Data, w komunikacie. „Uruchomienie kontraktów terminowych na moc obliczeniową jest ważnym krokiem w kierunku zapewnienia twórcom AI, dostawcom chmur i inwestorom bardziej niezawodnych narzędzi do wyceny, zabezpieczania i długoterminowego planowania”.
Rynki kontraktów terminowych są tradycyjnie kojarzone z podstawowymi towarami, takimi jak żywność, metale i produkty naftowe, ale pojawiły się również dla zmontowanych komponentów w szybko rozwijających się segmentach zaawansowanych sektorów przemysłowych.
Podczas boomu na szerokopasmowy dostęp pod koniec lat 90. XX wieku, dział usług szerokopasmowych firmy Enron dążył do sprzedaży niewykorzystanej przepustowości w swojej sieci światłowodów przed spektakularnym upadkiem firmy.
Silicon Data sprzedaje dostęp do specjalistycznych indeksów cenowych klientom, podobnie jak indeks cen towarów konsumpcyjnych lub indeks cen wydatków konsumpcyjnych, z wyjątkiem półprzewodników. Jego produkty obejmują znormalizowany indeks cen GPU, indeks RAM i prognozy cen wynajmu GPU.
Wall Street nie widzi spowolnienia popytu na GPU ani bardziej tradycyjne jednostki centralne (CPU) w najbliższym czasie.
„Agentowa AI wymaga zupełnie nowych szaf serwerów CPU, które znajdują się obok infrastruktury GPU i działają, aby zasilać pracę wszystkich tych agentów” – napisał w poniedziałkowym raporcie analityk Shawn Kim z Morgan Stanley.
„System AI w przyszłości będzie wyglądał jak system rozproszony składający się z szaf GPU do intensywnych obliczeń modeli… [oraz] agentowych szaf CPU do orkiestracji, przetwarzania danych i wykonywania narzędzi” – powiedział Kim.
Ceny chipów pamięciowych gwałtownie wzrosły w pierwszym kwartale, ponieważ AI napędzała zwiększony popyt na CPU. Hiperskalerzy zwiększyli wydatki kapitałowe we wszystkich obszarach, podczas gdy dyrektorzy wyrażali obawy dotyczące wąskiego gardła w pamięci, które podnosi koszty wejściowe.
Producenci chipów pamięciowych prognozują ogromne marże zysku w tym i przyszłym roku, ponieważ wyceny gwałtownie wzrosły.
Cztery wiodące modele AI dyskutują o tym artykule
"Wprowadzenie kontraktów terminowych na GPU prawdopodobnie skompresuje marże sprzętowe poprzez przyspieszenie skomodifikowania mocy obliczeniowej AI, potencjalnie przesuwając wartość od producentów do użytkowników końcowych natywnych dla chmury."
Ruch CME w celu skomodyfikowania cen GPU jest mieczem obosiecznym. Chociaż zapewnia niezbędne narzędzia zabezpieczające dla hyperscalerów, takich jak MSFT czy AMZN, do zarządzania zmiennymi kosztami operacyjnymi, sygnalizuje również „skomodifikowanie” stosu sprzętu AI. Jeśli moc obliczeniowa stanie się towarem giełdowym, siła cenowa liderów sprzętu, takich jak NVDA, może napotkać długoterminową presję spadkową, ponieważ marże skurczą się, aby dopasować się do znormalizowanych cen indeksowych. Porównanie do nieudanego rynku przepustowości szerokopasmowej Enronu jest trafne; płynność jest ostateczną przeszkodą. Jeśli te kontrakty nie przyciągną wystarczającej liczby wolumenów od rzeczywistych użytkowników końcowych, ryzykują one stanie się spekulacyjnym placem zabaw, który potęguje zmienność, zamiast ją łagodzić.
Standaryzacja może faktycznie przyspieszyć adopcję poprzez obniżenie bariery wejścia dla mniejszych firm w przestrzeń AI, skutecznie rozszerzając całkowity adresowalny rynek mocy obliczeniowej i utrzymując wysokie ceny sprzętu.
"Kontrakty terminowe na GPU instytucjonalizują moc obliczeniową jako klasę aktywów możliwych do zabezpieczenia, pozycjonując CME do monetyzacji boomu infrastruktury AI z wolumenami porównywalnymi do produktów kryptowalutowych."
Kontrakty terminowe CME na GPU, powiązane z indeksami Silicon Data, wypełniają krytyczną lukę w zabezpieczaniu gwałtownie rosnących kosztów mocy obliczeniowej AI – co jest kluczowe, ponieważ hyperscalerzy napotykają wąskie gardła w pamięci, a agentic AI wymaga hybrydowych szaf CPU/GPU według Morgan Stanley. To nie jest tylko szum: wzrosty cen pamięci w pierwszym kwartale i prognozowane wysokie marże dla producentów chipów podkreślają utrzymujący się popyt. Dla CME (CME) jest to dywersyfikacja, podobna do ich sukcesu z kontraktami terminowymi na Bitcoin, potencjalnie dodająca wolumen na rynku rocznych wydatków kapitałowych na AI o wartości ponad 100 miliardów dolarów. Zatwierdzenie regulacyjne w toku, ale niskie bariery dla gigantów chmurowych w zabezpieczaniu wynajmu mogą szybko wywołać płynność.
Niszowe rynki kontraktów terminowych, takie jak nieudana przepustowość szerokopasmowa Enronu, historycznie borykają się z płynnością, jeśli ceny bazowe się normalizują – wzrosty podaży Nvidii mogą obniżyć koszty GPU, skazując wczesne zainteresowanie otwarte na porażkę.
"Rynek kontraktów terminowych jest warunkiem koniecznym, ale nie wystarczającym dla inflacji kosztów GPU – umożliwia zabezpieczenie przed ruchami cen, ale nie dowodzi, że te ruchy są nieuniknione lub strukturalne."
Rynek kontraktów terminowych na moc obliczeniową adresuje realną lukę – ceny GPU były nieprzejrzyste i niepłynne, co utrudniało zabezpieczanie się budowniczym infrastruktury AI. Wejście CME legitymizuje klasę aktywów i może odblokować biliony w planowaniu wydatków kapitałowych na AI. Jednak artykuł myli dwie odrębne rzeczy: (1) *istnienie* rynku kontraktów terminowych, co jest bycze dla odkrywania cen, i (2) dowody na to, że koszty GPU faktycznie wymykają się spod kontroli. Marże chipów pamięci faktycznie rosną, ale jest to częściowo cykliczne ożywienie po minimach z 2023 roku, a niekoniecznie inflacja strukturalna. Analogia do szerokopasmowej sieci Enronu jest ostrzeżeniem: nowe rynki kontraktów terminowych mogą spektakularnie upaść, jeśli założenia dotyczące popytu bazowego załamią się.
Jeśli ceny GPU ustabilizują się lub spadną z powodu wzrostu podaży (NVIDIA, AMD, TSMC zwiększają produkcję), ten rynek kontraktów terminowych stanie się rozwiązaniem problemu, który już się sam rozwiązuje – a niski wolumen obrotu może uczynić go niepłynnym i nieistotnym w ciągu 18 miesięcy.
"Kontrakty terminowe na moc obliczeniową mogą okazać się nieskuteczne jako zabezpieczenie z powodu ryzyka bazowego, niepewnej płynności i niedopasowania między cenami indeksowymi a rzeczywistymi wydatkami na moc obliczeniową AI."
Pomysł kontraktów terminowych na moc obliczeniową może pomóc w ocenie ryzyka związanego z rozwojem AI poprzez standaryzację odniesienia dla kosztów kapitałowych GPU. Teoretycznie oferuje płynny instrument do zabezpieczania się przed rosnącymi opłatami za moc obliczeniową, ponieważ popyt na akceleratory AI pozostaje wysoki. Ale są duże zastrzeżenia: indeks może nie odzwierciedlać rzeczywistych wydatków na moc obliczeniową w chmurach, lokalnie lub w wynajmowanych serwerach, tworząc ryzyko bazowe dla użytkowników o specyficznych zastosowaniach. Płynność, mechanizmy rozliczeniowe i zatwierdzenie regulacyjne pozostają otwartymi pytaniami, a wzrost cen GPU może nie przełożyć się na wyższe zrealizowane koszty, jeśli kupujący przejdą na optymalizację, inne architektury lub zniżki licencyjne. Jakość i czasowość danych będą kluczowe.
Nawet jeśli ceny GPU pozostaną wysokie, rzeczywiste wydatki na moc obliczeniową mogą się różnić ze względu na efektywność użytkowania, niuanse cen chmurowych i zniżki kontraktowe; kontrakty terminowe mogą mieć trudności z przyciągnięciem płynności lub mogą cierpieć z powodu szybkich zmian w contango/backwardation, co czyni zabezpieczenia nierzetelnymi.
"Szybkie postępy w efektywności mocy obliczeniowej napędzane oprogramowaniem sprawią, że kontrakty terminowe oparte na GPU staną się strukturalnie przestarzałe poprzez rozłączenie kosztów sprzętu od rzeczywistych wymagań szkolenia modeli."
Claude ma rację co do cykliczności pamięci, ale wszyscy ignorują ryzyko „warstwy oprogramowania”. Jeśli optymalizacja modelu (np. kwantyzacja, przycinanie) zmniejszy zapotrzebowanie na moc obliczeniową na token o 30% rocznie, te kontrakty terminowe napotkają strukturalny spadek popytu, niezależnie od podaży sprzętu. Zabezpieczanie kosztów sprzętu jest daremne, jeśli podstawowa „jednostka pracy” staje się znacznie tańsza dzięki efektywności oprogramowania. Obstawiamy towar, który jest aktywnie inżynieryjnie doprowadzany do przestarzałości przez same firmy, które go używają.
"Prawa skalowania AI napędzają wzrost popytu na moc obliczeniową szybciej niż efektywność oprogramowania go eroduje, wzmacniając żywotność kontraktów terminowych."
Twój punkt dotyczący efektywności oprogramowania Gemini wyolbrzymia ryzyko – dane Epoch AI pokazują, że moc obliczeniowa podwaja się co 6-9 miesięcy dzięki prawom skalowania, przewyższając 30% roczne optymalizacje (np. 10-krotne zyski inferencyjne o1-preview nadal wymagają gęstszych klastrów). Kontrakty terminowe doskonale zabezpieczają ten wyścig zbrojeń. Niewspomniane: kontrakty terminowe CME na BTC zdobyły 25% otwartego zainteresowania w pierwszym roku; podobna adopcja przez hyperscalerów mogłaby szybko stworzyć rynek o wartości nominalnej 10 miliardów dolarów.
"Kontrakty terminowe na GPU rozwiązują problem przejrzystości, który nie istnieje, a nie rzeczywiste ryzyko – czyli to, czy apetyt na wydatki kapitałowe hyperscalerów się utrzyma, czy też znormalizuje."
Argument Epoch AI Groka dotyczący praw skalowania zakłada, że wyścig zbrojeń trwa liniowo, ale ignoruje fakt, że zyski z efektywności inferencji (10x o1) mogą być rozłączne z zapotrzebowaniem na moc obliczeniową do treningu. Jeśli wnioskowanie stanie się czynnikiem kosztotwórczym i będzie optymalizowane szybciej niż skaluje się trening, kontrakty terminowe zabezpieczają kurczącą się część całkowitych wydatków kapitałowych na AI. Porównanie do Bitcoinów CME również mija się z celem: kontrakty terminowe na BTC odniosły sukces, ponieważ odkrywanie cen było wąskim gardłem. Ceny GPU są już przejrzyste dzięki rynkom spot – prawdziwym problemem jest *niepewność popytu*, a nie brak przejrzystości. Kontrakty terminowe tego nie rozwiązują.
"Ryzyko bazowe może zmniejszyć użyteczność kontraktów terminowych na moc obliczeniową, nawet jeśli nastąpią ulepszenia efektywności, chyba że indeks wyraźnie śledzi rzeczywistą mieszankę obciążeń roboczych i struktury zniżek."
Ostrożność Gemini dotycząca efektywności oprogramowania jest realna, ale nie fatalna; większym ryzykiem jest baza: jeśli indeksy kosztów GPU nie będą śledzić rzeczywistych wydatków na trening vs wnioskowanie, zniżki w chmurze i czynsze wielodostępne, zabezpieczenia będą błędnie wycenione, a płynność może wyparować. Krótko mówiąc, nawet przy poprawie efektywności, „jednostka pracy” się zmienia; indeks może się dryfować, czyniąc kontrakty terminowe niewiarygodnymi jako narzędzie zabezpieczające, chyba że segmenty popytu i obciążenia robocze zostaną wyraźnie zmapowane.
Panel jest podzielony w sprawie kontraktów terminowych CME na GPU, z obawami dotyczącymi niepewności popytu, efektywności oprogramowania i ryzyka bazowego, które przeciwstawiają się potencjalnym korzyściom, takim jak odkrywanie cen i możliwości zabezpieczania.
Potencjał odkrywania cen i zabezpieczania, jak wspomnieli Grok i Claude.
Niepewność popytu i ryzyko bazowe, jak podkreślili Claude i ChatGPT.