伯恩斯坦（Bernstein）认为，算力市场的交易结构与大宗商品市场最为相近，尤其是电力市场。该券商还提出了一套三步走方案，旨在为算力市场建立潜在基准，并为交易者提供对冲交易工具，以应对这一规模高达万亿美元的人工智能资本支出周期所带来的价格风险。
一、核心论点：算力=电力，一个万亿市场的金融化开端
伯恩斯坦分析师高塔姆·楚加尼（Gautam Chhugani）和麦迪逊·礼萨伊（Madison Rezaei）在2026年7月发布的最新研究报告中提出核心判断：算力市场的交易结构与大宗商品市场最为相近，尤其是电力市场。
报告的核心逻辑建立在三个层面的类比上：
物理层面：算力与电力面临相同的物理约束——GPU算力无法储存，容量因地域、芯片代际和租户不同而存在显著差异。电力曾一度被认为无法交易，直到标准化枢纽和参考价格的出现，才将远期采购转变为成熟的金融市场。算力正在经历同样的演变路径。
市场层面：远期曲线反映的是预期稀缺性而非存储成本，套期保值是承担价格风险的唯一途径。这意味着算力市场正在从双边私下议价的"场外交易"模式，向具有价格发现功能的标准化金融市场演进。
金融层面：基准和分发渠道是算力市场发展的关键因素——这与任何大宗商品金融市场并无本质区别。
二、三步走框架：从混沌到标准的金融化路径
伯恩斯坦提出了一套"三步走"方案，旨在为算力市场建立潜在基准，并为交易者提供对冲工具：
第一步：定义统一的算力计量单位。 报告指出，当前算力市场最大的问题是"原始算力价格缺乏可比性"——同一款AI芯片，从传统超大规模云服务商（Hyperscaler）租用与从专业新兴云服务商（Neocloud）租用，价格可能存在显著差异。指数提供商需要明确定义计量单位，例如以"英伟达H100 SXM 80GB（含服务器、内存、带宽等）"为基准单位，并进一步细化层级（新兴云/超大规模云）、租赁类型（按需/承诺期限）、地区及配置的标准化步骤。
第二步：构建参考指数。 经过标准化处理的数据将成为参考指数，远期曲线则从市场观测数据中衍生得出。
第三步：开发现金结算与实物交割的远期合约机制。 各平台目前正致力于在底层算力基础上构建结构化金融产品。
三、算力金融化：已经发生的事实
报告发布之际，算力金融化的进程已经悄然启动：
1. 加密风格的永续合约已率先入场。 注册于百慕大、不受美国商品期货交易委员会（CFTC）监管的Architect AX交易所，已上线GPU算力永续合约，通过资金费率与现货价格锚定，这一机制直接源自加密货币市场。这说明在监管框架尚未完善之前，市场已经在用"自发秩序"的方式为算力定价。
2. 主流交易所正在跟进。 芝商所（CME Group）和洲际交易所（ICE）今年早些时候相继宣布计划推出与GPU算力现货价格挂钩的期货合约，目前仍在等待CFTC审查，预计2026年底推出。
3. 预测市场已先行试水。 受CFTC监管的预测市场平台Kalshi已上线与GPU租赁价格挂钩的预测合约，并于7月14日推出了B200、H200及A100芯片的算力定价曲线——其中B200报价为5.41美元，历史峰值为7.39美元。
与此同时，算力市场的现货交易规模正在急剧膨胀。《纽约时报》报道Meta正与Anthropic就一项高达100亿美元的算力供应协议进行初步洽谈；SpaceX正与美国国防部就算力供应展开谈判，上月还与谷歌签署了每月9.2亿美元的云服务协议。这些数十亿乃至百亿美元级别的双边协议，恰恰说明了建立一个透明、高效的标准化交易市场的迫切性。
四、投资分析：谁受益、谁承压？
算力"大宗商品化"的受益者
1. 交易所运营商（CME、ICE） ：算力期货若成功推出，将为这两大交易所开辟一个全新的、潜在规模达万亿美元级别的衍生品市场。交易手续费、清算费等收入增量可观。
2. 算力指数与基准提供商：谁率先建立起被市场认可的算力基准指数，谁就掌握了定价权。这类似于标普500在股市或布伦特原油在能源市场的地位。
3. 算力套期保值需求方：大型AI云服务商和超大规模企业可以通过远期合约锁定算力成本，平滑资本支出周期带来的价格波动风险。
4. 专业新兴云服务商（Neocloud） ：标准化和透明化定价有助于这些中小型算力提供商与超大规模云服务商在同一平台上竞争，降低信息不对称带来的劣势。
算力"大宗商品化"的承压方
1. 英伟达等GPU制造商：算力的大宗商品化意味着GPU从"稀缺战略资源"向"标准化可交易商品"的定位转变。虽然短期需求仍强劲，但长期来看，定价权可能从制造商向市场和交易所转移。报告发布前，伯恩斯坦在另一份报告中已指出，"AI商品化"将使用户更关注特定任务的性价比而非模型智能的绝对水平。
2. 拥有大量闲置算力的投机性持有者：报告明确指出，目前市场流动性仍以投机性资金为主。随着基准指数的建立和期货市场的成熟，单纯囤积算力等待涨价的套利空间将被压缩。
3. 依赖双边议价获得溢价的中小型算力提供商：透明定价将压缩信息套利空间，利润率可能面临下行压力。
当前市场的核心瓶颈
报告坦诚指出了算力金融化的两大障碍：
基准指数构建困难：算力不像原油或黄金那样有天然的物理统一性，不同芯片型号、配置、地域、租赁条款下的算力价值差异巨大。
流动性以投机资金为主：真正的产业套期保值需求尚未大规模入场，市场深度不足。
五、总结和展望
伯恩斯坦这份报告的核心贡献在于：它首次系统性地将算力市场与电力市场进行结构性类比，并勾勒出了一条清晰的金融化路径。
从投资视角看，算力的"大宗商品化"是一把双刃剑。短期而言，它验证了AI算力需求的真实性和持续性——一个无法被标准化和金融化的市场，其规模必然有限。CME和ICE的入场，恰恰说明算力市场已大到不容忽视。
但长期而言，"大宗商品化"意味着算力从"卖方市场"向"买方市场"的范式转移。当GPU算力可以像电力一样在交易所挂牌交易、用期货合约对冲价格风险时，英伟达等硬件供应商的定价权将被削弱，而拥有大规模算力需求的企业（如云服务商、AI模型公司）将获得更大的议价空间。
对于投资者而言，当前最值得关注的是谁将主导算力基准指数的制定——这将是算力大宗商品化进程中第一个、也可能是最具价值的"卡位"机会。正如伯恩斯坦所言，基准和分发渠道是算力市场发展的关键因素，这与任何大宗商品金融市场并无本质区别。
