ค่าเช่า GPU Nvidia B200 หนึ่งตัวต่อชั่วโมงในช่วงสิ้นปีนี้คือเท่าไหร่?

ตลาดการคาดการณ์ได้แยกคำถามนี้ออกเป็นชุดสัญญาแบบใช่หรือไม่ เทรดเดอร์จะเดิมพันว่าค่าเช่า B200 จะสูงกว่าราคาที่กำหนดหรือไม่ จากนั้นนำสัญญาที่มีราคาและวันที่แตกต่างกันมารวมกัน ทำให้เกิดเส้นโค้งค่าเช่า GPU ที่เกิดจากการเดิมพันของตลาด

ก่อนหน้านี้ Polymarket ได้เปิดตัวสัญญาค่าเช่า GPU แล้ว แต่มีปริมาณการซื้อขายไม่มาก ครั้งนี้ Tarek Mansour ผู้ร่วมก่อตั้ง Kalshi ประกาศว่าแพลตฟอร์มได้ดึงเส้นโค้งฟอร์เวิร์ดจากราคาตลาดการคาดการณ์ของ B200, H200 และ A100

ตลาดการคาดการณ์ไม่ได้ตอบแค่ผลการเลือกตั้ง เวลาลดดอกเบี้ย และเหตุการณ์ของบริษัทอีกต่อไป มันเริ่มสร้างตลาดการเงินให้กับอุตสาหกรรมที่ไม่เคยมีตลาดซื้อขายสาธารณะมาก่อน

เส้นโค้งนี้ยังห่างไกลจากเส้นโค้งฟอร์เวิร์ดในตลาดสินค้าโภคภัณฑ์แบบดั้งเดิม และตลาดการคาดการณ์ก็ไม่สามารถให้ผู้ซื้อได้รับ GPU จริงเมื่อสัญญาหมดอายุ แต่มันจับสิ่งที่ตลาดซื้อขาย GPU ขาดมากที่สุด: เส้นราคาอ้างอิงที่ทุกคนมองเห็นได้

ในช่วงไม่กี่ปีที่ผ่านมา เงินทุนไหลเข้าสู่ชิป ศูนย์ข้อมูล และพลังงานอย่างต่อเนื่อง พลังการคำนวณกลายเป็นหนึ่งในต้นทุนที่ใหญ่ที่สุดของอุตสาหกรรม AI แต่วิธีการจัดซื้อยังคงอยู่ในรูปแบบการจองทางโทรศัพท์ การติดต่อส่วนตัว และสัญญานอกระบบ

การทำให้พลังการคำนวณกลายเป็นสินค้าทางการเงินกำลังดำเนินไปอย่างคึกคัก

สัญญามาก่อน ตลาดมาทีหลัง

ก่อนที่โมเดลขนาดใหญ่จะเกิดขึ้น องค์กรมีสองวิธีหลักในการรับพลังการคำนวณ: ซื้อเซิร์ฟเวอร์เอง หรือจ่ายค่าบริการรายเดือนที่ค่อนข้างคงที่ให้กับผู้ให้บริการคลาวด์ AI ได้เปลี่ยนตรรกะการจัดซื้อนี้ การฝึกและอินเฟอเรนซ์กิน GPU จำนวนมาก ราคาของชิป พื้นที่ และระยะเวลาสัญญาที่แตกต่างกันเริ่มแยกออกจากกัน ราคาที่ผู้ให้บริการคลาวด์เสนอเปลี่ยนแปลงอย่างรวดเร็วตามอุปสงค์และอุปทาน

ตลาดพลังการคำนวณในปัจจุบันไม่ได้ขาดการซื้อขายล่วงหน้า

ห้องปฏิบัติการขนาดใหญ่จะล็อกความจุล่วงหน้า neocloud จะซื้อ GPU ล่วงหน้าจากผู้ให้บริการคลาวด์และนายหน้า และผู้ให้บริการคลาวด์ขนาดใหญ่ก็จองทรัพยากรระหว่างกัน สัญญามีตั้งแต่การเช่ารายชั่วโมงไปจนถึงหลายปี พวกมันทำหน้าที่คล้ายกับสัญญาซื้อขายน้ำมันระยะยาว แต่ราคาถูกซ่อนอยู่ในการเจรจาส่วนตัว

ผู้ให้บริการอินเฟอเรนซ์รายใหญ่เคยเปรียบเทียบการจัดหาพลังการคำนวณว่าเหมือนการหา "คนกลาง" ที่รู้จักอุปทาน คุณบอกเขาว่าต้องการชิปอะไร กี่ตัว และใช้ในพื้นที่ไหน จากนั้นเขาจะหาสต็อกจากเครือข่ายความสัมพันธ์ นายหน้าทำเงินจากความแตกต่างของข้อมูล ผู้ถือครองรายใหญ่จัดสรรความจุผ่านความสัมพันธ์ ราคาซื้อขายจริงแทบไม่ปรากฏบนหน้าจอสาธารณะ

ตลาดนี้สามารถส่งมอบได้ แต่ไม่สามารถสร้างความคาดหวังต่อเนื่องได้ ห้องปฏิบัติการ AI ไม่ทราบต้นทุนการประมวลผลในอีกครึ่งปีข้างหน้า ศูนย์ข้อมูลไม่สามารถล็อกราคาเช่าล่วงหน้าได้ และผู้ให้กู้ก็ขาดข้อมูลที่อัปเดตแบบเรียลไทม์เพื่อประเมินว่า GPU ที่ใช้เป็นหลักประกันกำลังเสื่อมค่าลงเร็วแค่ไหน

ขนาดของเงินทุนไม่อนุญาตให้ระบบการกำหนดราคานี้คงอยู่ต่อไปในรูปแบบเดิมอีกต่อไป

ตัวเลขที่ Tarek ให้ไว้คือ ผู้ให้บริการคลาวด์ขนาดใหญ่จะลงทุนด้านพลังประมวลผลมากกว่า 7 แสนล้านดอลลาร์ในปีนี้ และขนาดตลาดอาจสูงถึง 7 ล้านล้านถึง 10 ล้านล้านดอลลาร์ภายในปี 2030 การคาดการณ์จากสถาบันที่ระมัดระวังมากขึ้นก็มีขนาดใหญ่เช่นกัน Morgan Stanley คาดการณ์ว่าภายในปี 2028 ค่าใช้จ่ายด้านทุนของศูนย์ข้อมูลทั่วโลกจะอยู่ที่ประมาณ 2.9 ล้านล้านดอลลาร์ โดยประมาณ 2.5 ล้านล้านดอลลาร์จะให้บริการ AI McKinsey ประมาณการค่าใช้จ่ายด้านทุนของศูนย์ข้อมูลก่อนปี 2030 ไว้ที่ 6.7 ล้านล้านดอลลาร์ ขณะที่ Goldman Sachs ประเมินการลงทุนในโครงสร้างพื้นฐาน AI ระหว่างปี 2026 ถึง 2031 ไว้ที่ 7.6 ล้านล้านดอลลาร์

ตัวเลขเหล่านี้ใช้ปีและเกณฑ์การนับที่แตกต่างกัน บางส่วนรวมศูนย์ข้อมูล บางส่วนคำนวณทั้งพลังประมวลผลและไฟฟ้า จุดร่วมคือ การคำนวณและฮาร์ดแวร์คิดเป็น 55% ถึง 67% ของการประมาณการของแต่ละฝ่าย ซึ่งเป็นส่วนที่ใหญ่ที่สุดในการลงทุนโครงสร้างพื้นฐานรอบนี้

ชิปยังเป็นสินทรัพย์ที่ราคาผันผวนอย่างรุนแรง การประมาณอายุการใช้งานของ GPU ในตลาดมีตั้งแต่สามถึงเจ็ดปี ผลิตภัณฑ์รุ่นใหม่จะรีเฟรชประสิทธิภาพทุกปี แต่ความตึงตัวของอุปทานทำให้ชิปรุ่นเก่ายังคงมีมูลค่าในการเช่า ศูนย์ข้อมูลจำเป็นต้องทุ่มเงินมหาศาลลงในอุปกรณ์ที่ยังไม่มีฉันทามติเกี่ยวกับอัตราการเสื่อมราคา

ยิ่งภาระทุนหนักเท่าไหร่ ราคาในระยะยาวก็ยิ่งสำคัญมากขึ้นเท่านั้น

การสำรวจตลาดซื้อขาย GPU

ระยะแรกของตลาดซื้อขาย GPU คือ "การจับคู่แบบส่วนตัว" ที่ดำเนินการมาหลายปีแล้ว

ผู้ซื้อจองความจุล่วงหน้า ผู้ขายล็อกรายได้ในอนาคต นายหน้าทำหน้าที่ค้นหาอุปทานและจับคู่ธุรกรรม ความต้องการจริงและคำมั่นสัญญาระยะยาวมีอยู่แล้ว แต่ไม่มีสัญญาที่เป็นมาตรฐานและไม่มีราคาเสนอแบบเปิดเผย

กลุ่มผู้ซื้อและผู้ขายนี้ยังเป็นรากฐานของตลาดการเงินด้านพลังประมวลผล

ผู้ให้บริการคลาวด์ขนาดใหญ่ ศูนย์ข้อมูลขนาดใหญ่ และผู้ถือ GPU มีสินค้าคงคลังและกังวลว่าราคาเช่าจะลดลงในอนาคต ห้องปฏิบัติการ AI แพลตฟอร์มการอนุมาน บริษัทแอปพลิเคชัน และ neocloud ที่ให้คำมั่นสัญญาความจุแก่ลูกค้าปลายทางจำเป็นต้องซื้ออย่างต่อเนื่องและกังวลว่าราคาจะสูงขึ้นในอนาคต ฝ่ายหนึ่งต้องการปกป้องรายได้จากอุปกรณ์ อีกฝ่ายต้องการควบคุมต้นทุนพลังประมวลผล ตลาดจึงมีความต้องการซื้อขายครั้งแรก

ระยะที่สองคือการสร้างดัชนีราคาที่เป็นมาตรฐาน ดัชนี Compute Price Index ของ Ornn ดึงราคาจากธุรกรรมการเช่า GPU จริง ครอบคลุมชิปหลักหลายรุ่น Silicon Data เผยแพร่ดัชนีการเช่าแบบ On-Demand สำหรับ H100, A100 และ B200 ทุกวัน และส่งข้อมูลไปยัง Bloomberg Terminal Compute Desk ก็กำลังสร้างผลิตภัณฑ์ที่คล้ายคลึงกัน

ผู้ให้บริการดัชนีไม่ได้กำหนดแค่ชุดตัวเลขเท่านั้น ชิปรุ่นใด พื้นที่ใด การกำหนดค่าเครือข่ายและประเภทสัญญาใดบ้างที่จะถูกรวมเข้าไป การจัดการกับธุรกรรมที่ผิดปกติอย่างไร และดัชนีเก่าจะถูกยกเลิกอย่างไรเมื่อชิปรุ่นใหม่เข้ามาแทนที่ สิ่งเหล่านี้ล้วนเปลี่ยนแปลงสิ่งที่ตลาดเรียกว่า "ราคา GPU" ในที่สุด Exchange จัดหาสถานที่ซื้อขาย ในขณะที่ผู้ให้บริการดัชนีกำหนดว่าผู้คนกำลังซื้อขายอะไรกันแน่

Ornn เพิ่งได้รับเงินลงทุน 33 ล้านดอลลาร์จาก a16z ใครก็ตามที่สามารถรวบรวมข้อมูลธุรกรรมที่กระจัดกระจายให้เป็นเกณฑ์มาตรฐานที่ตลาดยอมรับได้ จะมีโอกาสเป็นประตูสู่ราคาในตลาดพลังการประมวลผล

ระยะที่สามคือการนำดัชนีไปเขียนลงในสัญญาที่สามารถซื้อขายได้ CME เลือก Silicon Data เป็นผู้ให้บริการข้อมูล และวางแผนที่จะเปิดตัวฟิวเจอร์สพลังการประมวลผลที่ชำระราคาตามเกณฑ์การเช่า GPU รายวัน ICE ซึ่งเป็นบริษัทแม่ของ NYSE เลือก Ornn และเตรียมเปิดตัวฟิวเจอร์ส GPU อีกชุดหนึ่ง Exchange แบบดั้งเดิมทั้งสองแห่งวางตำแหน่งผลิตภัณฑ์เป็นเครื่องมือบริหารความเสี่ยงสำหรับห้องปฏิบัติการ AI ผู้ให้บริการคลาวด์ ศูนย์ข้อมูล และสถาบันการเงิน แต่ผลิตภัณฑ์ยังคงอยู่ในขั้นตอนรอการตรวจสอบจากหน่วยงานกำกับดูแล

ตลาดการคาดการณ์เดินไปอีกเส้นทางหนึ่ง มันบังคับให้เทรดเดอร์ตอบคำถามเดียวกันซ้ำๆ ว่า "ชิปรุ่นใดรุ่นหนึ่งในวันที่กำหนด จะมีราคาเช่าสูงกว่าระดับหนึ่งหรือไม่?" การคำนวณส่วนต่างราคาระหว่างเกณฑ์ที่อยู่ติดกันสามารถสะท้อนการประเมินของตลาดต่อช่วงราคานั้นได้อย่างคร่าวๆ จากนั้นทำซ้ำการคำนวณตามวันที่ต่างๆ โครงสร้างอายุ (Term Structure) ก็จะปรากฏขึ้น

ตลาดสินค้าโภคภัณฑ์แบบดั้งเดิมมักจะกำหนดสัญญาที่สามารถส่งมอบได้ก่อน จากนั้นเส้นโค้ง (Curve) จึงเกิดขึ้นจากการซื้อขายฟิวเจอร์ส ตลาดการคาดการณ์ใช้สัญญาเหตุการณ์ (Event Contracts) เพื่อสร้างความคาดหวังสาธารณะก่อน จากนั้นจึงพิจารณาใช้ความคาดหวังนี้เพื่อรองรับการซื้อขายนอกตลาด (OTC) ฟิวเจอร์ส และสัญญา Perpetual

ฟิวเจอร์สพลังการประมวลผลแบบดั้งเดิมยังคงรอการอนุมัติจากหน่วยงานกำกับดูแล ในขณะที่ตลาดการคาดการณ์ได้ให้โครงสร้างอายุมาแล้ว

เส้นโค้งหนึ่งเส้นสามารถแก้ปัญหาอะไรได้บ้าง

ตลาดใช้ความพยายามในการสร้างดัชนี ฟิวเจอร์ส และเส้นโค้งล่วงหน้า (Forward Curve) มันสามารถแก้ปัญหาอะไรให้กับบริษัท AI ทั่วไปได้บ้าง?

สมมติว่าแพลตฟอร์ม Inference แห่งหนึ่งตกลงที่จะให้บริการแก่ลูกค้าในอีกหกเดือนข้างหน้า มันรู้ว่าตอนนั้นจะต้องใช้ GPU จำนวนหนึ่ง แต่ไม่รู้ว่าราคาเช่าจะเพิ่มขึ้นเท่าใด หากค่าเช่าพุ่งสูงขึ้นอย่างกะทันหัน ราคาที่ตกลงกับลูกค้าไว้แล้วจะไม่เปลี่ยนแปลงตามไปด้วย มันจึงต้องแบกรับต้นทุนที่เพิ่มขึ้นเอง หลังจากซื้อสัญญาที่มูลค่าเพิ่มขึ้นตามราคาเช่า GPU ที่สูงขึ้น แม้ว่าค่าใช้จ่ายบนคลาวด์จะแพงขึ้น แต่กำไรจากสัญญาก็สามารถชดเชยส่วนต่างได้บางส่วน ศูนย์ข้อมูลเผชิญกับปัญหาตรงกันข้าม: ซื้ออุปกรณ์มาแล้ว หากค่าเช่าในอนาคตลดลง รายได้ก็จะหดตัว การขายความเสี่ยงระยะยาว (Selling Forward Exposure) ช่วยให้มันสามารถล็อกรายได้จากอุปกรณ์บางส่วนไว้ล่วงหน้าได้

สัญญานี้ไม่จำเป็นต้องเหมือนกับบัตรทุกใบที่องค์กรซื้อจริงทุกประการ องค์กรอาจใช้ H200 ในพื้นที่นิวยอร์ก แต่สิ่งที่ซื้อขายในตลาดกลับเป็นดัชนี H200 ที่ครอบคลุมซัพพลายเออร์หลายราย ตราบใดที่ราคาของทั้งสองเคลื่อนไหวขึ้นลงในทิศทางเดียวกันโดยรวม สัญญานี้ก็สามารถใช้งานได้ นักวิเคราะห์ประมาณว่า เมื่อค่าสัมประสิทธิ์สหสัมพันธ์ของราคาทั้งสองถึง 0.7 การป้องกันความเสี่ยงที่จัดสรรอย่างเหมาะสมสามารถขจัดความผันผวนได้เกือบครึ่งหนึ่ง สายการบินไม่สามารถซื้อสัญญาที่เหมือนกับค่าใช้จ่ายน้ำมันเชื้อเพลิงทุกเที่ยวบินของตนเองได้ทุกประการ แต่ก็ยังคงใช้สัญญาซื้อขายล่วงหน้าน้ำมันดิบเพื่อควบคุมต้นทุน หลักการก็เป็นเช่นเดียวกัน

ผู้ให้กู้ก็ต้องการเส้นโค้งนี้เช่นกัน เมื่อศูนย์ข้อมูลยื่นขอสินเชื่อโดยใช้ GPU ธนาคารต้องประเมินว่าชิปเหล่านี้จะสร้างรายได้ค่าเช่าได้เท่าใดในอีกสองปีข้างหน้า ในอดีตต้องพึ่งพาราคาจากผู้ผลิต ราคาซื้อขายแบบกระจัดกระจาย และสมมติฐานของตนเองเท่านั้น แต่เมื่อมีเส้นโค้งสาธารณะ ผู้ให้กู้สามารถปรับมูลค่าหลักประกันตามการเปลี่ยนแปลงของตลาด และศูนย์ข้อมูลก็สามารถพิสูจน์รายได้ในอนาคตได้ง่ายขึ้น

ราคาอาจส่งผลย้อนกลับต่อการเลือกชิปขององค์กรอีกด้วย หากธุรกรรมการเช่า GPU ของ Nvidia มีปริมาณมากขึ้น ดัชนีมีความน่าเชื่อถือมากขึ้น และเครื่องมือป้องกันความเสี่ยงมีความคึกคักมากขึ้น ธนาคารก็จะยินดีรับเป็นหลักประกันมากขึ้น และผู้ถือก็จะเช่าหรือขายได้ง่ายขึ้นเมื่อจำเป็น อุปกรณ์จึงหาแหล่งเงินทุนได้ง่ายขึ้น และผู้ซื้อก็จะเลือกใช้ต่อไปอีกด้วย สภาพคล่องในการซื้อขายที่รวมศูนย์รอบ Nvidia นี้ อาจกลายเป็นข้อได้เปรียบที่คู่แข่งยากจะเลียนแบบ

เส้นโค้งราคาเส้นหนึ่งจึงไม่ได้ให้บริการเฉพาะนักเทรดเท่านั้น มันทำให้ผู้ใช้ทราบต้นทุนได้เร็วขึ้น ทำให้ผู้ถือทราบรายได้เร็วขึ้น และทำให้ผู้ให้กู้กล้าที่จะกำหนดราคาให้กับอุปกรณ์และศูนย์ข้อมูล

อุปสรรคและความท้าทาย

ปัญหาแรกคือดัชนี

Ornn เน้นย้ำถึงธุรกรรมจริง Silicon Data ให้ความสำคัญกับราคาเช่าแบบออนดีมานด์ และโซลูชันอื่นๆ ก็อาจปรับมาตรฐานต้นทุนพลังงาน แต่ละวิธีเก็บรักษาข้อมูลบางส่วนไว้ ในขณะที่ละทิ้งอีกส่วนหนึ่ง ไม่มีดัชนีใดที่สามารถครอบคลุมชิป พื้นที่ ระยะเวลา เครือข่าย และคู่สัญญาได้ทั้งหมดในคราวเดียว

ในขณะเดียวกัน ชิปก็มีการเปลี่ยนรุ่นอย่างรวดเร็ว

มาตรวัดของน้ำมันสามารถใช้งานได้ตลอดไป แต่ตลาด GPU กลับอัปเกรดจาก H100 เป็น H200, B200, GB200 และ Rubin AMD, Google TPU, Amazon Trainium และชิปเฉพาะทางยังคงแบ่งแยกความต้องการใช้พลังประมวลผลต่อไป ดัชนีเก่าจะเลิกใช้เมื่อใด และชิปเก่า-ใหม่จะเชื่อมต่อกันอย่างไร จะเปลี่ยนแปลงสินทรัพย์อ้างอิงของสัญญาอย่างต่อเนื่อง

ปัญหาที่สองคือการส่งมอบ

สัญญาที่ชำระด้วยเงินสดเมื่อครบกำหนดจะคิดเฉพาะเงินเท่านั้น ไม่มีการส่งมอบ GPU บริษัทที่ต้องการควบคุมต้นทุนสามารถใช้ผลตอบแทนจากสัญญาชดเชยค่าเช่าที่เพิ่มขึ้น แต่ neocloud ที่ให้คำมั่นสัญญากับลูกค้าเรื่องความจุแล้ว ยังคงต้องไปหาการ์ดในตลาดด้วยตนเอง

ความเสี่ยงอีกประการหนึ่งมาจากปริมาณการซื้อขาย

ปริมาณการซื้อขายจริงที่บันทึกอย่างเปิดเผยในตลาดเช่า GPU ในแต่ละวันอาจมีน้อยมาก และอุปทานก็กระจุกตัวอยู่ในมือของผู้ขายเพียงไม่กี่ราย ทำให้ธุรกรรมเดียวสามารถส่งผลกระทบต่อดัชนีได้อย่างชัดเจน และผู้ที่ควบคุมอุปทานก็มีอิทธิพลต่อราคาชำระบัญชีสุดท้ายได้ง่ายขึ้น

นี่คือปัญหาของเส้นโค้งที่วาดขึ้นจากตลาดการคาดการณ์เช่นกัน

เส้นโค้งฟิวเจอร์สแบบดั้งเดิมอาศัยกลไกการส่งมอบหรือการแลกเปลี่ยนสปอตเพื่อดึงราคาฟิวเจอร์สกลับมาสู่สมดุลของอุปสงค์และอุปทานที่แท้จริง สัญญาไบนารีในตลาดการคาดการณ์ขาดช่องทางนี้ เส้นโค้งที่แสดงออกมาคือความคาดหวังของผู้เข้าร่วม ยังไม่กลายเป็นราคาความจุที่สามารถส่งมอบหรือทำอาร์บิทราจได้

ปัญหาที่สามคือสภาพคล่อง

ผู้ขายชอบสัญญาระยะยาว เพราะศูนย์ข้อมูลต้องการล็อกรายได้ล่วงหน้า ในขณะที่ผู้ซื้อชอบสัญญาระยะสั้น เพราะบริษัท AI ต้องการอิสระในการเปลี่ยนชิปและผู้ให้บริการ ความต้องการด้านระยะเวลาของทั้งสองฝ่ายจึงไม่ตรงกันโดยธรรมชาติ นายหน้าและผู้ถือครองรายใหญ่ได้รับประโยชน์จากตลาดที่ไม่โปร่งใส จึงขาดแรงจูงใจในการนำธุรกรรมทั้งหมดมาสู่ตลาดเปิด

แม้จะมีอุปสรรคมากมาย แต่ความต้องการราคาเปิดเผยในตลาดพลังประมวลผลจะไม่ลดลง บางทีในไม่ช้า เราอาจเห็นรายงานเกี่ยวกับ "การทำ Long พลังประมวลผล 5 เท่า" ของนักลงทุนอัจฉริยะบนเชน

ยินดีต้อนรับสู่ชุมชนทางการของ BlockBeats:

กลุ่ม Telegram สมัครสมาชิก: https://t.me/theblockbeats

กลุ่ม Telegram พูดคุย: https://t.me/BlockBeats_App

บัญชี Twitter ทางการ: https://twitter.com/BlockBeatsAsia