2026 年 8 月，美国商品期货交易委员会（CFTC）就算力衍生品公开征求意见。而在此之前，CME Group 已与 Silicon Data 宣布，计划推出以 NVIDIA H100、B200 租赁价格为基础的期货产品。华尔街，正在进入机房。
过去两年，围绕 GPU 的讨论大多停留在「够不够用」：大模型公司抢卡，云厂商扩数据中心，创业公司排队租算力。但今天，问题开始转向另一个方向——GPU 算力应该值多少钱，以及如何提前锁定这个价格。
华尔街给出的答案是：像交易石油一样，交易它。
2026 年 8 月，CFTC 正式就算力衍生品（compute derivatives）公开征求意见，讨论范围覆盖现货算力市场、市场操纵、客户保护与永续算力期货。CFTC 主席 Michael Selig 的表态毫不含糊：美国若想在 AI 竞争中保持领先，就需要一个健全的算力衍生品市场。
这不是监管者凭空设想的产品。此前，CME Group 已与算力市场基础设施公司 Silicon Data 宣布，计划推出以 NVIDIA H100 与 B200 租赁价格为基础的期货合约。而 Silicon Data 刚刚完成 3050 万美元 A 轮融资，投资方名单里赫然坐着 CME Ventures、DRW、Samsung Next、VanEck、Jump Trading——几乎清一色的金融市场玩家。
一条从硬件到金融资产的路径正在成型：前两步已有行业共识，第三步有公司在做，第四、五步正在被监管正式讨论。
先理解一个朴素的问题：今天的 AI 公司怎么买算力？财力雄厚的直接买卡自建集群；规模小一些的向云厂商购买实例；越来越多的公司则从 GPU Cloud 或算力市场租赁。无论哪种方式，都绕不开同一个麻烦——
未来的算力价格，是不确定的。
一家 AI 创业公司预计未来一年持续训练模型，GPU 成本可能是它最大的成本项。签长期合同，它要承担预测错误的风险：供给突然宽松，它买贵了；调用量暴涨、市场重现卡荒，它锁定的算力又不够用。
买卡或租实例，价格随行就市，波动风险全部自担。
提前在期货市场锁定未来价格，用金融工具对冲波动。
这和航空公司面对燃油问题几乎一模一样。航司知道未来一定需要燃油，却不知道半年后的油价，所以会通过期货、期权提前锁定一部分成本。现在，有人希望把同一套机制搬到 AI 算力市场。
企业并不需要真的通过期货拿到一张 H100——就像航司交易石油期货，并不意味着要把几万桶油运回总部。它要解决的是价格波动带来的经营风险：担心 B200 涨价，就提前建立多头头寸；手握大量 GPU 的云厂商，则可以用衍生品对冲算力价格下跌。
算力，第一次有了成为可标准化交易商品的资格。
那么，回到文章开头的那个问题：三年后的 H100 到底值多少钱？市场已经给出了第一版答案。
Silicon Data 发布的 GPU 远期价格曲线，最长覆盖未来 36 个月。以 2026 年 7 月 19 日的数据为例，三种主力 GPU 的远期价格全部低于现货：
柱形长度为各价格占样本最高价（B200 现货 5.62 美元 / GPU·小时）的比例；两组柱分别代表现货与 36 个月远期，数值为 2026-07-19 单日报价，单位：美元 / GPU·小时。
远期低于现货，反映的是市场对未来供给扩大、新一代芯片逐步替代旧型号的一致预期。换句话说，一条真实的算力价格曲线已经出现。
石油、电力、航运、利率都走过相似的路径：先有大量双边交易，然后出现标准合同与价格指数，最后才形成有流动性的金融衍生品市场。AI 算力今天可能正站在第三步。
在这一切发生之前，还有一个问题绕不过去。一桶布伦特原油和另一桶达标的布伦特原油，理论上是同一种东西；而「一小时 H100」远没有这么简单。
同样一张 H100，放在不同的数据中心，价值可能完全不同。它可能通过 NVLink 与另外七张卡组成节点，也可能只是单卡实例；背后可能是高速 InfiniBand 网络，也可能是普通以太网；数据中心可能在美国，也可能在欧洲；可用率、存储性能、软件环境，全都不一样。
所以金融化必须先回答金融市场最基础的问题：如何标准化？没有标准化就没有价格指数，没有价格指数就没有真正有流动性的期货市场。
这正是 Silicon Data 值得关注的原因。它没有去和 AWS、CoreWeave 抢算力客户，而是试图成为更底层的一层：收集不同算力市场的 GPU 租赁价格，形成能被金融市场接受的基准。它想扮演的角色，接近 AI 算力市场里的 Platts、Argus，甚至 Bloomberg——谁定义市场价格，谁就可能成为未来大量金融产品的基础设施。
这个需求背后，是 GPU 市场出了名的不透明。同一型号 GPU，因合同周期、地区、集群规模、客户议价能力不同，成交价可能相差一大截，大量交易甚至没有公开价格。早期市场都这样——但这也意味着另一件事：
定价权，正等着被定义。
当算力可以交易，衡量算力的方式也会被改变。
过去，行业习惯用 GPU 型号和数量丈量一切：1000 张 H100、10000 张 B200。但运营过大模型集群的人都知道，「拥有多少 GPU」和「获得多少有效算力」之间隔着巨大的差距——利用率、MFU、通信效率、故障率、调度策略，都会影响最终产出。
于是一个有意思的问题出现了：市场最终应该交易「GPU 使用时长」，还是折算后的「有效算力」？至少现阶段，金融市场选择了更容易标准化的前者——按具体型号分别设计合约，以每 GPU·小时计价，H100 与 B200 各自交易。
从下往上，计价单位越来越接近业务价值本身。云计算时代按「虚拟机小时」，生成式 AI 时代按 Token，Agent 时代很可能按「完成任务」。
这条链条，对应着 AI 产业正在形成的新经济体系。当 Agent 真正进入软件开发、客服、法律工作流，企业最终关心的很可能变成「完成一个任务多少钱」。
更深一层，金融化会倒逼评价体系变化。Token/元、有效算力、集群 Goodput 这些工程指标，正从团队内部的优化目标，进入企业经营层面的成本核算。当算力可以被公开定价，AI Infra 的竞争就不再只是「谁拥有更多算力」，而是谁更能衡量、调度和定价算力。
算力正在成为 AI 时代第一种被公开定价、交易和对冲的生产资料。但 GPU 期货能否真正形成流动性，不取决于华尔街设计出多复杂的产品，而取决于 AI Infra 能否回答那个最朴素的问题：什么才是一单位「标准算力」。谁能定义这个单位，谁就掌握了 AI 基础设施下一层竞争的定价权。
监管口径将决定算力衍生品的边界、客户保护要求与永续期货的合规框架。
H100 与 B200 合约的标准化方案如何落地，将直接影响市场的真实流动性。
作为基准的独立性与透明度，决定了它能否被买卖双方共同接受。