本文来自微信公众号： 金杜研究 ，作者：刘志刚周杰苏萌等
01
为什么市场开始需要“算力期货”？
随着大模型训练、推理需求持续增长，算力已成为AI时代重要的基础投入之一。当全球云服务商年度资本支出合计迈入万亿美元量级、单季度token[1]使用量在三个月内实现数倍增长，算力[2]已不再只是IT部门的采购事项，而开始直接影响企业成本和利润。根据OpenRouter数据，自今年1月以来，全球每周token使用量已从约6万亿飙升至28万亿，增幅高达350%。但同时，供需结构性失衡的状态下，价格波动剧烈、定价机制缺失的算力市场，正将产业链各方暴露在更直接的成本风险之下。算力期货被提出，正是因为市场需要新的定价和避险工具。
1.算力逐步展现大宗商品特征
大宗商品成为期货标的的核心特征包括供需量大、价格波动大、标准化、便于储存和运输、需求具有远期规划等特征，产业链上下游逐步产生锁定成本和管理价格风险的需求。从法律和金融角度看，除无法像大宗商品一样储存和运输外，算力已逐步具备类似属性。
在供需与价格波动方面：
在美国，英伟达H100芯片[3]租赁价格从早期约8美元/小时的高位明显回落，到2026年3月约为2.35美元/小时；贝莱德（BlackRock）首席执行官Larry Fink于2026年5月公开表示未来算力期货市场将成为新的资产类别，交易员可在此押注算力价格走势。
近期，美国对部分先进AI芯片的对华出口政策出现有限放松，主要体现为H200及类似或较低规格芯片在满足特定条件下，可由BIS按个案审查方式发放出口许可。但该等安排并不等于全面解禁，不改变H100等核心高端芯片仍属高度受限产品。
在中国，相关研究显示，以2026年第一季度为例，中国智能算力需求同比增长417%，供给增长128%。供需存在较大缺口，显示出中国AI算力市场需求仍在快速增长。
在存储和运输方面，算力本身具有即时生产和难以存储的特性，不具备大宗商品那样稳定的物理属性，但也可以通过远程调度、任务排队等方式实现时间维度上的调度。
2.当前算力市场定价机制尚未成熟
尽管算力越来越像一种可交易商品，现货市场还没有形成成熟的定价机制。目前算力交易主要以现货和长期协议为主，不同地区、不同芯片型号、不同服务商之间报价差异较大，合同条款也缺乏统一标准。价格信号分散、合约条款各异、信息披露不足，是当前市场最突出的问题。
在这种市场里，买方和卖方都很难判断未来成本会怎么走。同型号H100 SXM5 GPU，超大规模云服务商的按需定价通常比专业GPU云服务商高出三至六倍。算力期货最大的价值，是让市场看到更公开的价格信号，也给产业主体一个管理风险的工具。
3.全球交易所已经开始争夺算力定价权
对AI产业来说，谁先建立有影响力的算力价格基准和衍生品体系，谁就可能在全球算力资源配置中拥有更多话语权。全球交易所已经开始争夺这一定价权。
2026年5月，全球两大交易所相继入局算力衍生品。5月12日，芝商所（CME Group）宣布将联合Silicon Data[4]推出全球首个算力期货合约，以“GPU按需租赁费率日度指数”（SDH100RT）为结算基准。仅一周后，洲际交易所（ICE）宣布将与Ornn[5]合作推出基于Ornn算力价格指数（OCPI）的GPU算力期货合约，覆盖范围从企业级高端GPU延伸至消费级显卡RTX 5090。两大交易所几乎同步进入，说明算力定价基准竞争正在升温。
中国也已经作出回应。2026年6月2日，上海市人民政府办公厅印发《关于深化上海全球资产管理中心建设的若干意见》，明确提出“根据国家有关部署，做好电力期货、算力期货研发准备”。这意味着，算力定价权已不只是产业话题，也开始进入更高层级的政策议题。布局算力期货是服务数字中国建设、培育新质生产力、参与全球数字资源规则博弈的重大战略举措，承载着国家保障算力产业安全、夯实数字经济核心竞争力、掌握全球数字产业发展主动权的核心目标，彰显我国统筹科技安全、产业发展与金融创新的长远顶层设计。
02
算力期货如何设计？
1.CME与ICE算力期货的基本框架
CME与Silicon Data拟合作推出的算力期货合约在标的选取、交易单位、结算方式和期限结构四个维度作出安排，核心目标是将分散、波动又大的GPU租赁市场变成可以交易、也可以对冲风险的标准化产品。美国商品期货交易委员会（CFTC）将对合约规格、结算程序及基准指数构建方式进行全面审查，这也是合约能否最终落地的关键门槛。具体而言：
在标的资产层面，CME选择Silicon Data算力指数（SDCI）作为结算基准。该指数覆盖H100、B200、A100等主流AI芯片的加权实时现货租赁价格，数据来源涵盖全球四十至五十个国家和地区、五十至一百个平台，并采用深度数据覆盖、归一化处理、异常值剔除与独立验证四步流程构建。
在交割方式层面，CME算力期货采用月度现金结算模式，不涉及GPU实物交割，到期现金结算。选择现金结算而非实物交割，主要基于算力的不可存储性和即时消亡性：不同地区的网络延迟、不同硬件配置均导致同型号GPU算力产出差异显著，强制实物交割将面临难以解决的技术问题。
在期限结构层面，合约覆盖1至12个月不等的期限结构，以适配AI大模型训练等需要连续稳定算力支撑的场景。Silicon Data于2026年4月推出的覆盖三十六个月全球首条GPU远期曲线，显示长期合约并未相对按需定价呈现明显折扣，市场参与者以容量确定性为优先考量而非单纯成本节约。
整体来看，CME算力期货在法律属性上更接近股指期货等指数期货，而不是传统商品期货。两者的相似之处主要包括：第一，标的资产均为价格指数而非实体物，算力期货的标的为GPU租赁价格指数，与股指期货标的为股票价格指数在法律结构上类似；第二，均采用现金交割，以交割结算价为基础进行现金差额结算，无需交付标的资产本身；第三，持有成本结构趋同，均以资金成本为主，无仓储、运输等物流成本。这一定性对监管实践具有重要意义：若参照指数期货框架，算力期货监管重心在于指数编制的透明度与抗操纵性、保证金制度的风险覆盖率，以及投资者适当性管理，而非传统商品期货所侧重的仓单制度与实物流通监管。
ICE与Ornn合作推出的GPU算力期货，与CME算力期货方案形成了竞争格局。两套方案大体相似，均采用现金结算、均以美元计价、均覆盖H100及B200等主流GPU类型、均需等待监管审批；但指数编制方法不同，SDCI基于全球多层级数据采集网络的实时租赁价格，覆盖面更广；OCPI强调“完全基于实际成交交易”构建，更容易说明价格来自真实交易，但可能因样本量限制而存在样本不足的问题。
2.中国方案可能有什么不同？
目前境内交易所尚未公开具体方案。市场有消息称，某境内期货交易所已启动AI token期货合约设计的初期研究。若以这个方向观察，CME/ICE拟推出的GPU算力期货更偏供给侧，主要给上游硬件资源定价；AI token期货则更偏需求侧，主要给终端服务消耗定价。两类产品观察的是同一件事的不同侧面：一个看算力从哪里来，一个看算力被如何消耗，最终都在为AI算力寻找价格锚。
03
我国发展算力期货面临哪些挑战？
算力期货真正落地，需要市场基础设施和制度环境的支撑。从法律定性、市场发育到监管框架，每一维度的成熟度都将直接影响算力期货能否真正发挥价格发现和风险管理作用。我国算力期货发展目前面临以下四方面的现实制度挑战。
1.算力如何标准化：法律属性与技术计量的双重难题
标准化是期货合约的前提，也是算力期货首先要解决的问题。难点不只在技术层面，也在于算力在现行法律体系中缺乏清晰的法律属性定位。
从民法理论审视，算力并非《民法典》意义上的有形物，亦非典型的知识产权客体。其性质更接近一种按时间计量的服务能力，兼具技术服务合同与租赁合同的特征，属于复合型数字服务产品。目前尚无立法或司法解释对此形成权威定论。这一法律属性的模糊性，直接影响算力期货合约下“标的物”的定义方式、权利义务的设定逻辑，以及纠纷发生时的司法救济路径。
从技术层面看，算力不同于实物商品，硬件型号、软件结构和地理维度都会影响算力标准化。不同的显卡型号、系统模型以及不同地区的电力和散热成本，可能导致A地与B地的算力成本差异巨大。此外，目前国际算力标准主要围绕英伟达芯片和技术生态搭建，与国产芯片存在实质性差异。若算力期货在国内推出，如何将国产芯片纳入统一计量框架，既涉及技术标准制定，也涉及保护国产算力产业发展的产业政策考量，需要在合约设计时提前考虑。此外，芯片迭代速度很快，头部芯片厂商约十八至二十四个月即推出新一代旗舰产品，算力产品的“经济寿命”可能远短于期货合约设计周期。如何建立动态调整机制，使合约规格随技术迭代保持有效性，是算力期货区别于传统商品期货的独特制度挑战。
2.现货市场成熟度：价格发现功能的基础性约束
期货市场价格发现功能的有效性，很大程度上取决于现货市场是否活跃、价格是否透明且具有代表性。当前我国算力现货市场在交易组织、价格透明度与市场结构三个层面均存在制约。
在交易组织层面，算力交易目前高度依赖场外的“双边谈判”，各区域平台规则不一，缺乏统一的价格指数和公开竞争机制，限制了相关价格的公共参考价值。
在价格透明度层面，市场呈现“一厂一价、一事一议”的局面。这种严重的价格信息不对称，可能会干扰未来期货的指数编制与基差管理。
在市场结构层面，上游芯片供给和下游大模型需求均高度集中于头部厂商。这种竞争不充分的结构，导致算力定价易受大厂策略影响，对期货合约的防操纵机制设计提出挑战。
3.指数体系：从“供给量”到“价格”还有多远？
由于算力期货更可能采用指数化现金结算模式，其主要挑战不是传统意义上的实物交割，而是如何构建能够真实反映市场供需动态的价格指数。现有国内算力指数建设尚处于起步阶段，距离期货结算基准所需的质量标准仍有相当差距。
2025年12月24日，中证商品指数公司正式发布中证（CCI-IC）智能算力供算量指数系列，共十六条指数，以“卡时”（GPU-Hour）为计量单位，引入标准卡概念（算力参考值为1,979 TFLOPS，FP16精度）。这是国内首套全面反映智能算力市场供给能力的指数体系，也为标准化探索提供了起点。
4.监管协调机制：跨部门治理结构的制度挑战
算力市场横跨数据中心建设、通信网络运营、云计算服务与金融衍生品交易四大领域，比传统大宗商品期货更需要监管协调。若推算力期货，需产业主管部门与金融监管部门协同参与，才可能形成有效的监管框架。
从法律授权层面看，《期货和衍生品法》第四十五条明确为现金结算型期货预留了制度接口，且该法未对期货标的物类型作限制性规定，算力作为新型标的物上市具备法律基础。然而，这只是监管安排的起点。算力期货涉及的主要监管部门包括：中国证监会（衍生品市场监管与品种审批）、国家数据局（算力基础设施规划与数据管理）、国家发展改革委（能源规划与数字基础设施建设）、工业和信息化部（芯片产业管理与通信网络监管）。四个部门职责各有侧重，边界存在交叉，在协调成本较高的情况下，如何建立高效的跨部门联动机制，将是制度设计的重点。
具体到监管权限，至少有三个问题还不明确：
品种审批路径。算力期货由哪个期货交易所上市，需要哪些部门联合审批，是否需要新设专门的算力交易基础设施，目前尚无明确制度安排。
数据安全与市场透明度的平衡。算力指数的编制需要大量现货市场交易数据，而算力交易涉及云计算基础设施的实际使用状况，可能触及《数据安全法》及《网络安全法》框架下的数据分级分类管理要求。如何在确保数据安全的前提下，满足指数编制对高频、颗粒度数据的需求，也需要进一步探索。
期现协同监管的落地机制。《衍生品交易监督管理办法（试行）》明确“利用衍生品市场从事套期保值等风险管理活动，依法限制过度投机行为”，《关于加强监管防范风险促进期货市场高质量发展的意见》亦提出“坚决抑制过度投机炒作”、“加强期现价格偏离监测评估”。算力期货作为专业性强、门槛高的新品种，初期参与者预计以机构为主，如何避免流动性不足导致的价格失真，同时防范少数机构借助信息优势操控价格，是监管设计需要提前预判的风险。
总体而言，针对算力这一新型标的物，仍需在品种审批规则、信息披露标准、风险监测指标和跨部门协同程序等方面进行专门制度设计，才可能实现有效监管。
04
我国算力期货发展的可能路径
前述挑战表明，算力期货的落地不会一步到位。从法律和政策角度看，我国算力定价体系的搭建更可能循序渐进：先建立被广泛认可的现货价格基准，再经由场外市场积累定价与风险管理经验，最终在条件成熟时推进场内标准化期货，并逐步形成多元化的算力金融生态。
1.建立具有市场影响力的算力现货价格基准
无论是期货市场还是场外衍生品，其前提均在于先形成产业认可的价格指数。CCI-IC指数系列已迈出第一步，但从供算量指数到价格基准，仍需要继续推进。全国已发布或建设十余个算力平台，2025年5月中国算力平台（上海）暨上海算力交易平台正式启动；国家算力互联网服务平台已于2024年建成，已实现全国31个省（区、市）算力标识系统贯通，并接入155家企业、578个资源池。这些基础设施的完善，为价格指数的数据采集提供了基础。
2.从场外市场逐步积累定价经验
参考国际经验，算力定价未必需要从标准化期货起步。更现实的路径可能是：先发展场外远期、掉期等定制化风险管理工具，在产业参与者形成稳定对冲需求和定价习惯后，再探索标准化期货产品。从法律和监管角度看，场外市场比场内期货更灵活，合约条款可以按交易双方的具体需求来设计。
3.形成更丰富的算力金融生态
随着价格基准完善和场外市场经验积累，算力金融工具可能继续扩展：算力期权可提供非线性的风险管理工具；算力ETF可降低投资者参与门槛；算力互换（Swap）可将浮动算力租赁成本转换为固定成本，适合大型AI企业进行长期风险管理。
我国算力期货的发展，可能会呈现“政策引导、市场驱动、渐进成熟”的特征：以上海全球资管中心建设为政策牵引，以现货市场透明度提升和价格指数完善为基础，以场外工具试点作为过渡，最终形成更具国际竞争力的算力金融基础设施和衍生品生态。
结语
算力正在从信息技术基础设施，变成影响现代经济运行的重要生产要素。CME与ICE相继布局算力衍生品，上海将算力期货研发纳入全球资管中心建设框架。各方争夺的不是某一个产品谁先推出，而是AI时代新金融基础设施的定义权。谁能率先建立被市场认可的算力价格基准，谁就有机会为后续期权、互换、ETF等产品提供定价锚，进而在数字要素金融化进程中占据更主动的位置。
随着制度基础设施和市场价格基准继续完善，算力期货从研发走向试点、再进入常态化的路径会更加清晰。这一进程也有望在监管与市场合力推动下稳步向前。
向下滑动阅览
脚注：
[1]算力即计算能力，通俗讲，算力就是对数据的处理能力。在分类上，根据使用设备和提供算力强度的不同，中国信息通信研究院等机构将算力分为三类，即基础算力、智能算力和超算算力。基础算力（通用算力），一般用于基础通用计算，比如办公、上网、看视频等，不需要太高的性能。智能算力，主要用于复杂数据分析和人工智能任务，比如：让AI学会识别人脸、理解语音、翻译语言等。它的特点是能高效处理海量数据，并根据不同的AI场景灵活调整策略。超算算力，由超级计算机等高性能计算集群所提供的算力，主要用于科学研究和工程计算。参见：https://www.news.cn/20250825/de4be09cf1ca4e3ea8745c4d773fc194/c.html
[2]Token，是大家通常所说的词元。在语言类模型中，需要将句子、段落、文章等类型的长文本分解为以Token为单位的数据结构，把文本分词后进行模型计算。作为处理文本的最小数据单元，Token如同互联网时代大家所说的“流量”。参见：https://www.news.cn/20250825/de4be09cf1ca4e3ea8745c4d773fc194/c.html
[3]英伟达H100芯片是英伟达公司于2022年3月22日在GTC技术大会发布的GPU芯片，采用台积电四纳米工艺制造，集成800亿个晶体管。H100基于NVIDIA Hopper™架构，采用了突破性创新技术，能够实现行业领先的对话式人工智能处理能力，使大型语言模型的速度提升30倍。此外，H100还配备了专门的Transformer引擎，能够处理参数达到万亿级别的语言模型任务。参见：https://finance.sina.cn/2022-03-23/detail-imcwipii0064359.d.html?vt=4 https://www.nvidia.com/en-us/data-center/h100/
[4]Silicon Data是一家位于美国纽约的GPU市场情报与基准测试公司，主营业务是为AI计算行业提供实时GPU定价指数、性能基准、远期曲线及综合市场数据，其编制的每日GPU租赁价格指数已被CME集团采纳作为算力期货的结算基准。https://www.silicondata.com/news-room/cme-group-and-silicon-data-partner-to-launch-first-compute-futures
[5]Ornn（全称Ornn AI Inc.）是一家总部位于美国纽约的金融科技公司，专注于为AI算力经济构建金融基础设施，旨在将GPU计算能力转化为可交易的商品资产类别。https://www.prnewswire.com/news-releases/ornn-raises-5-7-million-seed-round-to-launch-the-worlds-first-compute-futures-exchange-302596938.html