作者简介：曹扬慧，高级分析师，南华期货指数发展部经理。
在人工智能（AI）大模型爆发的时代，算力已不再仅仅是技术参数，而是演变为驱动数字经济发展的战略性基础资源，被誉为数字时代的“新石油”。随着芝加哥商业交易所集团（CME Group）宣布计划推出算力期货，算力正加速迈向资产化与金融化的新阶段。而中国也亟需补上这块数字经济发展时代的金融拼图。
一、算力基本定义与基础设施构成
（一）算力的核心定义
算力（computing power）的狭义定义通常指计算机硬件，特别是中央处理器（CPU）和图形处理器（GPU）等芯片执行数学运算、处理数据的能力。然而，在数字经济背景下，算力的内涵已大幅扩展，其广义定义是一个集信息计算力、网络运载力、数据存储力于一体的综合性概念，涵盖了从底层芯片硬件到上层软件应用，乃至云计算、区块链等前沿技术的整个生态系统，因此被形象地喻为“数字经济时代的蒸汽机”，“21世纪的新石油”。这标志着算力已从单一的技术指标升级为支撑社会数字化转型的核心生产性要素。算力的核心衡量单位是每秒浮点运算次数（FLOPS），行业通用计量单位为TFLOPS（每秒万亿次浮点运算）。
在人工智能产业体系中，算力是模型训练、推理生成的底层硬件基础，算力大小直接决定AI模型迭代速度、数据处理规模以及产业落地效率。中国智能算力规模正经历爆发式增长。数据显示，2024年底中国智能算力规模约为90EFLOPS（每秒一百亿亿次浮点运算，10^18），2025年底快速增长至1590EFLOPS，到2026年3月末进一步跃升至1882EFLOPS，整体算力规模总量位居全球第二位，智算已从曾经的“缺口”变为中国算力体系中增长最快的主力。
（二）算力基础设施构成要素
算力的有效释放依赖于软硬件深度融合的复杂基础设施。算力基础设施是支撑算力产生、调度和应用的基础性系统，在更宏观的层面，包括硬件层、机房层、软件生态层三大板块，共同支撑算力稳定运行。从狭义角度来讲，数据中心、智算中心、超算中心、边缘数据中心共同构成了支撑算力经济的“四驾马车”。其中，专注于提供AI算力服务的智算中心，以及满足低延迟需求的边缘数据中心，其建设增速尤为显著。这反映出算力需求正从集中化、通用化，快速向AI化、场景化、本地化延伸，一个层次分明、协同互补的全国性算力基础设施网络正在加速形成。算力网以“算”为中心、以“网”为根基，通过无处不在的互联网连通大小不等、类型不同的算力资源，打破计算资源孤岛，实现在云、边、端等多维度逻辑空间上的算力资源统一纳管，使得算力供给也呈现多元化协同发展的态势。
二、国内算力租赁市场发展现状
（一）算力租赁现状
算力租赁是为客户提供优质高端算力服务的商业模式，其核心价值在于以相对灵活的经济成本获取高端GPU计算资源。算力租赁市场的供应方主要分为四大主体：头部公有云厂商、专业算力租赁商、传统IDC、国资智算中心。其中专业算力商掌控高端稀缺GPU资源，是训练算力供给主力；国资平台侧重国产算力布局，服务信创及政务需求。需求方层级分化明显，头部互联网企业、AI大厂以长约锁定高端训练算力，中小AI企业、科研机构以短期租赁、竞价算力为主，近年来传统行业逐步加大推理算力采购，行业需求持续扩容。从供需占比来看，国内算力存量结构为自建40%、租赁60%，训练算力租赁占比高达70%，租赁模式已成为行业主流。
随着AI大模型训练、推理及智能体应用的爆发，算力需求呈指数级增长，市场结构正从“通用主导”向“智能主导”转型。从全球格局看，中国与美国的算力规模已分别占据全球的33%和34%，共同处于全球第一梯队。IDC预测，2026年全球算力租赁市场规模将突破800亿美元，年复合增长率超过25%。中国市场方面，规模已从2024年的约1480亿元增长至2025年的2116亿元，2026年一季度，国内算力租赁市场规模已达680亿元，同比增长62%；预计2026年将达到2600亿元上下，形成一个年增速超过20%的千亿级赛道。
算力租赁的商业模式正在经历从传统硬件租赁到按Token调用量分成的深刻转变。2026年第一季度，算力租赁行业迎来了加单和涨价的“量变”与商业模式升级为Token分成的“质变”并行发展的阶段。Token分成的模式使得算力租赁方能够深度绑定用户的应用层增量价值，实现盈利质量的实质性跃迁。
总结来看，2026年以来算力租赁需求的增长主要源于两大驱动力：一是AI应用Token消耗的爆发式增长，二是大量非AI行业企业全面转向AI工具应用以优化工作流程。截至2026年3月，中国日均Token调用量已突破140万亿，两年内增长超千倍。Token需求旺盛叠加供应瓶颈，导致算力产业链进入实质性“全链通胀”阶段——CPU/GPU面临产能瓶颈与租赁价格持续飙升，阿里、百度等大厂的云端算力资源亦开启多轮提价。当前算力租赁行业处于高景气、结构性紧缺阶段，高端GPU出租率已超过90%。
（二）算力市场供应端的刚性约束
目前算力资源分配不均，需求端呈现指数级爆发，而供给端则面临刚性约束，两者间的严重错配不仅直接推高了算力价格，更催生了算力作为一种新型战略资产进行金融化的内在动因。
截至2026年初，全球算力市场已进入一个典型的“强卖方市场”阶段。受高端GPU（如英伟达H100、Blackwell系列）产能受限及出口管制影响，算力供给长期处于结构性紧缺状态。高端GPU租赁价格在短期内剧烈波动，例如英伟达Blackwell系列芯片的小时租赁价格在较短时间内上涨了48%达到4.08美元，而H100 GPU的一年期租赁合约价格在2025年10月的1.7美元/GPU/小时上涨至2026年3月的2.35美元/小时，涨幅接近40%。在国内市场，主要云服务商也纷纷上调AI算力服务价格，涨幅在5%至34%不等，行业普遍呈现出“有卡为王”的资源稀缺状态。这种价格普涨现象的背后，是供需两端力量对比的深刻变化。值得注意的是，国内高端GPU交付周期已延长至2027年第一季度，意味着这种供需失衡并非短期扰动，而是呈现出显著的长期化趋势，是由底层技术范式、产业政策与地缘政治等多重因素共同塑造的长期结构性矛盾。
从供应端的约束来看，芯片制造、能源供应及全球供应链的脆弱性构成了制约算力供给增长的最主要的瓶颈。
首先，高端AI芯片的产能高度集中且扩张周期漫长。全球先进制程与先进封装产能主要集中于台积电等少数厂商，尽管其持续扩产，但产能爬坡速度远不及AI芯片需求的爆发速度。与此同时，AI服务器对高带宽内存（HBM）的强绑定需求，促使存储巨头将产能向HBM和DDR5倾斜，间接导致传统DRAM和NAND Flash供应紧张、价格飙升，进一步推高了算力服务器的整体成本。
其次，能源与基础设施构成物理性约束。算力中心是“能耗巨兽”，其快速扩张导致电力需求激增。然而，新建发电设施往往需要长达数年的周期，与算力需求的快速增长形成时间错配，在美国等地区已出现电力供应结构性缺口的迹象。此外，全球范围内对数据中心电能利用效率（PUE）的管控日趋严格，倒逼行业从传统风冷向液冷技术转型，对算力供给方的资本开支提出了更高要求。
最后，地缘政治加剧了供应链的脆弱性。关键原材料的供应风险成为不可忽视的变量。例如，中东冲突导致氦气（晶圆刻蚀关键材料）现货价格翻倍；韩国高达97.5%的溴（DRAM和NAND刻蚀原料）进口依赖以色列。这些地缘因素使得本已紧张的全球半导体供应链更加脆弱，任何环节的中断都可能传导至算力设备的最终产出与价格。
除了供需端的失衡推高算力价格之外，算力租赁市场当前还面临着其他方面的诸多问题，如：定价碎片化、标准不统一、价格波动剧烈、交易透明度低等。
面对价格的不确定性，产业参与者开始改变行为模式，长期协议成为应对波动的新范式。头部AI公司和云服务商通过签订长达3-5年的超长期协议来锁定未来产能与成本。这种行为本身强化了资源的“锁定”效应，使得可流通的现货算力更为稀缺。另一方面，算力价格的高波动性使得AI企业（需求方）面临成本失控的风险，而算力运营商（供给方）则面临未来价格下跌导致营收波动的风险。双方都需要一个工具来管理这种价格风险。同时，算力作为一种具有清晰供需逻辑、可标准化、且价值巨大的商品，其属性与原油、电力等大宗商品高度相似。因此，这就催生了对于标准化风险管理工具的迫切需求，从而直接推动了算力的金融化。
现有实践表明，算力指数化可以沿着三个主要路径展开：一是跟踪算力实物或服务的直接市场价格（租赁费率），比如Silicon Data和Ornn AI的算力租赁价格指数；二是跟踪算力供给的物理数量（供算量），比如中证商品指数公司的算力供算量指数；三是跟踪算力相关企业的资本表现，比如股票市场的算力主题指数。对于期货等衍生品而言，第一条路径——即基于交易价格的指数——是最直接和传统的标的。
三、算力指数期货
2026年5月12日，芝加哥商业交易所集团（CME Group）宣布联合Silicon Data，计划在年内推出全球首个算力期货合约，标的锚定于Silicon Data编制的GPU按需租赁费率日度指数。之后ICE也宣布将与金融基础设施公司Ornn AI合作，基于其GPU成本指数推出以“算力”为标的的期货合约。目前双方都宣布项目已进入监管审批阶段。
这意味着算力将告别单纯的IT服务属性，升级为与原油、黄金、农产品比肩的标准化大宗商品，成为可公开交易、可对冲风险、可公允定价的金融产品，标志着全球算力产业正式迈入金融化、规范化的发展新阶段。市场可将此理解为“原油期货”的算力版本——交易的不再是每桶原油，而是驱动AI模型、承载云端运算工作负载的GPU使用权。
（一）算力指数期货的核心价值
从市场功能看，算力期货为全球算力产业链提供了四大核心价值：
风险对冲，构建风险管理工具，稳定产业发展。它为算力产业链的上下游提供了至关重要的“金融稳定器”，帮助市场参与者管理算力价格的剧烈波动风险。AI公司可通过买入期货，锁定未来项目所需的算力成本，规避因“算力荒”导致预算失控和研发中断的风险；算力运营商和云服务商则可通过卖出期货，提前锁定未来收入，平滑因技术迭代或供需变化带来的价格下跌风险，从而更稳定地进行基础设施投资和产能规划。
价格发现，提供权威价格，终结定价乱局。当前算力租赁市场“一厂一价、一事一议”，缺乏透明、连续的公允价格参考。期货通过集中、公开的交易，将形成更具公信力的算力远期价格曲线。这一价格曲线将成为AI企业资本开支规划、算力运营商定价、以及投资者评估算力资产价值的核心基准，从根本上解决市场信息不对称问题。
资源配置优化，引导算力流动，破解结构性矛盾。期货市场产生的远期价格，是反映未来不同时间、不同区域算力稀缺程度的“信号灯”。这些价格信号能够有效引导算力资源在时间和空间上的优化配置。在时间维度上，远期价格曲线可能推动算力供需双方调整供需策略；在空间维度上，有利于解决算力资源的结构性矛盾，提升算力基础设施的利用效率。
流动性创造，为算力资产的估值和交易提供全新渠道。以往算力资产交易多局限于线下零散洽谈、长周期框架签约与平台零散租售，交易对手信息不对称、定价缺乏统一参照，资产变现效率偏低，大规模算力资产难以快速流转定价。算力期货将不同型号、不同场景、不同地域的异构算力，依托权威指数统一折算为标准化标的，打破物理硬件、配置规格与使用模式的流通壁垒，汇聚全球算力采购方、租赁服务商、数据中心运营企业、投资机构等多元主体集中参与交易，大幅拓宽算力资产的交易圈层与成交频次，形成公允、动态的资产估值体系，既解决了过往算力资产估值模糊、价差紊乱的行业痛点，也让持有算力资源的经营主体可借助期货市场快速完成资产价值兑现、远期权益转让与仓位流转，原本流动性偏弱的重资产算力资源，转变为可高效交易、灵活处置的标准化金融标的，切实丰富算力资产的交易路径，提升整体资产流转效率与市场定价有效性。
（二）中国发展算力指数期货的条件
目前我国算力市场存在着几个突出的问题：
一是高端GPU供给高度依赖进口，供应端议价能力有限；二是行业标准不完善。国内异构算力换算口径不统一，国产NPU、DCU与CUDA算力对标体系尚未完全普及，缺乏权威通用折算标准；三是现货定价机制不透明，大量算力交易为线下长约交易，公开透明的日度交易数据较少，指数编制的数据采集难度高于海外，缺乏权威的行业基准价格。
因此，国内要发展算力期货，需要在以下几个方面做出突破提升：
第一，建立算力标准化框架。算力不同于传统大宗商品，其标准化指标体系的构建是一项艰巨的任务。计算资源需要从算力类型（通用/智能/超算）、芯片型号、算力规模、保障期限、网络延迟、存储容量等多个维度建立标准化规格体系。基于标准化框架，进而有助于形成适合期货市场交易的现货标的体系。
第二，抓住“国产替代”窗口期，构建自主定价话语权。随着多款国产大模型主动深度适配国产算力，国内多家AI芯片公司的新款芯片将于2026年下半年量产并匹配互联网大厂需求。这一国产化进程为中国推出以国产算力为底层标的的指数期货提供了历史性机遇，有助于构建反映国产算力供需的独立价格发现机制。
文中数据与资料来源：
[1]https://ornn.com
[2]https://silicondata.com
[3]https://openrouter.ai
[4]https://semianalysis.com
[5]芝加哥商业交易所集团、ICE交易所