KeyFrame內部研究專用

Why Compute Still Trades in Group Chats — Affaan Mustafa & Alejandro Soumah Fernandez, Jump Trading

AI Engineer英文
觀看原始影片

三句話摘要

計算力市場作為「暗池」的結構、融資困局與演進方向。 計算力市場正從高度碎片化的「暗池」演進為更透明、更流動的市場,需要強健的中介機構和標準化合約來橋接中等企業與供應商的融資和時序問題。 計算力市場的「暗池」特性:計算力交易透過 Slack、X、Telegram 等私密頻道進行,沒有公開交易所。不同於股票市場有清晰的價格發現機制,計算力的長期租賃合約(tenured capacity)完全是場外交易(OTC),充滿了資訊不對稱。

重點整理

  1. 計算力市場的「暗池」特性:計算力交易透過 Slack、X、Telegram 等私密頻道進行,沒有公開交易所。不同於股票市場有清晰的價格發現機制,計算力的長期租賃合約(tenured capacity)完全是場外交易(OTC),充滿了資訊不對稱。

  2. Jevons 悖論的真實體現:儘管單位推理成本大幅下降,計算力價格仍保持堅挺。原因是便宜的 token 鼓勵企業使用更多計算,需求反而增加。應用層企業能為更多客戶服務,市場規模擴大,整體計算力需求仍然強勁。

  3. 中等企業的融資困局:超大公司和邊界實驗室能簽署 10 年期合約並進行鉅額資本承諾,但新創公司卻被卡在中間。簽署 100 百萬美元 3 年期合約需支付 15-25% 前期款,可能耗盡整個融資輪次,導致每次擴充容量都得等待下一輪融資。

  4. 市場需要中介與標準化:計算力交易高度定製化,規格、交期、合約定義各異。市場缺乏價格指數、標準化合約範本和金融衍生品。需要經紀人、交易所、期貨市場和信用融資工具來降低交易成本、提高流動性、幫助參與者對沖風險。

實用技巧與重點

  • 全球數據中心電力需求:2025 年 485 TWh → 2030 年 915 TWh(IEA 預測)
  • 前期支付比例:中位數 15-25%(Coreweave 公開披露)
  • 合約期限:超大公司 10 年、中小企業 3 年
  • 前期款項範例:100 百萬美元合約若 30% 前期支付 = 30 百萬美元
  • 融資案例:融資 4000 萬美元、簽署 100 百萬美元合約、支付 30% 前期款後,僅剩 1000 萬美元運營業務
  • 主要芯片類型:H100、H200、B300
  • 合約結構:MSA + SLA + 訂單表格(含 cluster 和硬體特定條款)
  • 市場參與者:價格發現者、競價拍賣商、聚合商、裸金屬經銷商、經紀人、交易所、期貨商、設備融資者、租賃商
  • 政策事件:2025 年 1 月美國商務部將 H200 級別出口許可轉為逐案審查(對中國/澳門)
  • 價格更新頻率:日內甚至更快

結論

計算力市場正從高度碎片化的「暗池」演進為更透明、更流動的市場,需要強健的中介機構和標準化合約來橋接中等企業與供應商的融資和時序問題。

完整解析

計算力市場面臨一個根本矛盾:推理成本急劇下降,新芯片效率不斷提升,但計算力供應依然緊張。這就是 Jevons 悖論的現實體現——更便宜的 token 並未減少需求,反而刺激企業使用更多。便宜的任務激發原本無法承受的應用,應用層參與者能為更多客戶服務,市場規模擴大。單位成本下降,整體計算力需求卻仍然強勁,因為每個決策層級都因價格下降而增加使用量。

提供 GPU 計算能力需要整個產業鏈協同:芯片、電力、建築物、資本缺一不可。根據 IEA 預測,全球數據中心電力需求將從 2025 年的 485 TWh 躍升至 2030 年的 915 TWh,這意味著基礎設施建設、電網接入、融資都成為瓶頸。整個產業結構包括芯片系統廠商(提供 GPU 伺服器和網路設備)、網站運營商(供應電力、空間、組裝和管理)、容量提供商(超大規模企業和新型雲公司租賃容量)、最終用戶(新興公司、推理雲服務商、研究機構、企業)。這些角色相互交織,有時同一企業身兼多職。

融資結構是市場的核心難題。超大公司和邊界實驗室憑藉強大的資產負債表,能簽署 10 年期合約並進行鉅額資本承諾。但規模在中間的新興公司被卡住了:他們有真實的業務需求,但既無法像超大公司一樣獲得長期低價,也承受不起高額前期支付。一家新創公司若要簽署 100 百萬美元三年期計算力合約,需支付 15-25% 前期款——可能就是整個融資輪次。假設融資 4000 萬美元,簽署 100 百萬美元合約、支付 30% 前期款,只剩 1000 萬美元運營業務。每次需要擴充容量時,就得等待下一輪融資,這創造了階梯狀的瓶頸。

為解決這些問題,市場需要更多中介機構和金融工具。目前計算力交易完全定製化——每份合約有不同規格、不同交期、不同條款定義,甚至「記憶體」一詞都可能指 VRAM、CPU 記憶體或額外儲存。市場參與者包括價格發現者(發佈指數、基準測試)、拍賣商和聚合商(分散式市場和液體池)、裸金屬經銷商、新型雲運營商和經紀人。經紀人的角色特別重要:他們了解市場參與者、能快速移動、看到相似規格的報價、知道哪些買家對價格不敏感,可以獲取具有競爭力的差價。隨著市場發展,還會出現基於 GPU 小時的期貨交易所、前期支付融資工具、信用融資提供者等。所有這些層級共同作用,才能連接供應商和買家的需求。

4 min
AI 技術中文11月21日

Make.com Automation for Beginners: Your First Automation in 10 Minutes

AI Workflow Lab看原片 ↗
  • Make 的核心是「情景」(Scenario) 概念,由多個模組組成,每個模組執行一個應用程式的單一工作。當第一個應用程式中發生事件時,Make 自動將資料傳遞到下一個應用程式,就像一個從不睡眠也不遺忘的數位助手。
  • 映射 (Mapping) 是自動化的核心。使用者需要明確告訴 Make 每筆資料應該放在哪裡,確保表單欄位正確對應到試算表的列,以及郵件內容能夠動態插入客戶資訊。
編輯精選
企業管理英文11月21日

What Anthropic's $900 Billion Bet Means for You

Nate Herk看原片 ↗
  • 訂閱用戶成為上市公司的收益基礎:4000 萬名小客戶(含 Claude Pro、Max、Ultra 或 API 用戶)合計貢獻 25% 的收入,形成 Wall Street 下注的對象。用戶每次訂閱續約都直接影響 Anthropic 股價,
  • 循環融資制造生態系統性風險:Amazon、Google、Broadcom 與 Nvidia 等公司既是投資者、又是運算服務提供商,同時採購 Anthropic 服務,形成相互依賴的閉環。若任一環節需求放緩,所有參與者將同時受創,系統風險無法
編輯精選
AI 技術英文11月20日

6 Lessons I Learned From Installing AI in a $10M Business

Liam Ottley看原片 ↗
  • AI 負責前 80% 工作,人的品味決定最後 20% — 系統一開始生成的提案很基礎,直到 Isaac 的設計師介入決定風格、選擇產品後,品質才大幅提升。需要將品味優秀的員工的規則和案例提供給 AI,讓初版更接近他們的標準。
  • 聚焦單一瓶頸,不要全面改造 — 分析發現提案環節是最大痛點:每月 15-20 張圖、每張 10 小時、成本 $500-1000、9 成無結果。選擇同時改善速度、成本、品質的用例,才是 AI 真正發揮價值的地方。