作者简介：唐惠珽（投资咨询从业资格号：Z0021216），国泰君安期货资深研究员；王一卉（期货从业资格号：F03156240），国泰君安期货研究员。

核心观点：2026年8月11日，芝加哥商业交易所集团（CME Group，以下简称芝商所集团）宣布拟于10月5日在纽约商业交易所（NYMEX，以下简称纽商所）推出全球首个以图形处理器（以下简称GPU）租赁价格指数为标的的算力期货合约。合约对应英伟达H100和B200芯片，每张合约规模为730 GPU·小时，连续挂牌36个月并采用现金交割，相关产品尚待美国商品期货交易委员会（以下简称CFTC）完成监管审查。境外探索意味着，算力服务可以通过“特定芯片型号—标准化租赁价格指数—现金交割”的模式转化为风险管理工具，但其能否有效运行，仍取决于现货价格指数的代表性、连续性、透明度和可验证性。我国算力租赁市场已形成一定交易规模，价格体系呈现波动性和多层次特点，但距离形成综合、权威、可核验的现货价格基准仍有差距。下一步重点可放在算力租赁现货价格基准建设、指数编制规则完善、租赁合同标准优化和风险防控机制健全等方面，经市场充分检验后稳妥推进相关产品研究与试点。

一、美国拟推出全球首个算力期货合约

2026年5月12日，芝商所集团宣布与Silicon Data合作推出全球首个算力期货合约。Silicon Data是一家专注于GPU算力市场数据、价格基准构建与性能分析的市场情报公司，其编制的GPU租赁价格指数每日采集来自新型云服务商（Neo-Cloud）、超大规模云服务商（Hyperscaler）、托管数据中心、算力交易平台及私有租赁市场的价格与交易数据，并针对GPU型号与配置、租赁期限、集群规模、互联方式、性能及地域差异等进行标准化处理，从而形成可跨平台比较的“美元/GPU·小时”基准价格。根据Silicon Data官网，其数据库已覆盖超过350万个数据点，价格网络覆盖约95%的新型云服务商（Neo-Cloud）和全部主要超大规模云服务商（Hyperscaler）；其指数数据横跨约50个国家和地区、50–100个算力平台。Silicon Data编制的GPU租赁价格指数为美国推出算力期货提供了重要的现货价格基准。

2026年8月11日，芝商所集团发布第9785号特别执行报告（Special Executive Report No. 9785，以下简称SER-9785），宣布拟在旗下纽商所上市两项以Silicon Data GPU租赁价格指数为标的的算力期货合约，分别挂钩英伟达H100和B200芯片。根据SER-9785文件，相关规则（参考表1）将于2026年10月4日（周日）生效，首个交易日为10月5日（周一），但产品最终上市前仍须完成CFTC的相关监管审查[ 注：文中涉及芝商所集团公告、规则文件及交易安排的日期，均沿用美国当地日期，交易时间以美国中部时间（CT）为准。]。

表1：CME Group算力期货合约规则

资料来源：CME Group，国泰君安期货研究。备注：1、数据截至2026年8月12日。2、合约参数均以SER-9785披露内容为准；文件尚未公布最终结算价计算方法、保证金及持仓限制等事项，该合约尚待CFTC完成所有相关监管审查程序。3、纽商所是合约挂牌及适用规则的交易所；芝商所全球电子交易平台（CME Globex）是公开电子订单簿；芝商所场外交易清算服务平台（CME ClearPort）用于提交符合规则的协商交易及相关清算处理。4、F代表先进先出（First In, First Out，FIFO）撮合：同一价格档位中，通常按订单进入系统的时间先后分配成交，较早进入的订单优先。5、交易时间均为美国中部时间（CT）。

从合约标的看，两项产品分别对应成熟主流算力芯片和新一代高端算力芯片，其中H100是当前主流AI算力芯片之一，采用英伟达Hopper架构，于2022年发布并逐步实现大规模部署，形成了较为成熟且稳定的价格样本；B200是新一代高性能AI算力芯片，采用英伟达Blackwell架构，于2024年发布，处于供给爬坡和需求释放阶段，价格对于芯片交付、数据中心上架及AI训练需求变化仍较为敏感。根据Epoch AI统计（如图1），截至2026Q2，H100/H200累计销量为434万卡，在全球AI芯片累计销量中占17.8%，具有较大的存量基础；B200累计销量为249万卡，占10.2%，占比逐步提升。

图1：AI芯片累计销量占比

资料来源：Epoch AI。备注：1、图中为各型号AI芯片自上市以来累计销量占全球AI芯片累计销量的比重；2、Epoch AI将H100与H200合并统计，图中数据不能单独视为H100的销量占比；3、斜线部分表示数据不完整。

从合约设计看，两项产品具有三个共同特征：（1）每张合约规模均为730 GPU·小时，约等于一块GPU连续运行一个月的平均小时数。（2）连续挂牌36个合约月份，使市场可以对冲从近月到约三年后的算力租赁价格风险。（3）采用现金交割，到期未平仓头寸依据最终结算价完成现金差额结算，不交付GPU、机房容量或应用程序接口（API）调用权。这些安排可以将难以储存、运输和完全同质化交付的算力服务，转化为可观察、可交易的价格风险管理对象，为算力采购预算、租赁收入和远期成本管理提供了期限覆盖。

从市场评价看，各方对于美国推出首个算力期货品种总体持乐观谨慎的态度。算力期货是AI算力从IT基础设施成本走向标准化商品和独立资产类别的重要一步，但其长期发展仍取决于市场流动性、现货价格基准的公信力以及监管框架的完善程度。

二、美国算力期货合约仍待明确的关键问题

目前芝商所集团以及Silicon Data仍有一些实操层面的关键信息尚未充分披露说明，这些关键信息将直接影响期货合约的功能发挥。

（一）算力租赁市场价格存在分层，套保基差不容忽视

同一型号GPU租赁价格可能因服务商类型、合同条件和附加服务不同存在明显分层。以H100算力芯片为例，目前Silicon Data针对H100指数分别发布了新型云服务商（Neo-Cloud）和超大规模云服务商（Hyperscaler）两个价格指数，其中，新型云服务商（Neo-Cloud）主要提供专业算力租赁，其报价更接近市场化算力供需，超大规模云服务商（Hyperscaler，如AWS、Microsoft Azure及Google Cloud等）主要提供综合性云服务，其报价通常包含网络、安全、合规和技术支持等附加服务。根据Silicon Data 2026年3月的交易数据，新型云服务商（Neo-Cloud）的H100租赁价格为每GPU·小时2.43—2.63美元，超大规模云服务商（Hyperscaler）的H100租赁价格为每GPU·小时7.43—7.52美元。两者价格差异较大，存在明显分层（如图2）。未来H100算力期货合约将锚定哪一价格指数或是否重新编制新的综合指数尚未确定，这将直接影响期货价格与不同用户实际租赁成本之间的匹配程度，进而影响套期保值效果。

图2：H100 Index：新型云服务商（Neo-Cloud）和超大规模云服务商（Hyperscaler）价格对比

资料来源：Silicon Data。

表2：Silicon Data H100与B200租赁价格指数的市场层级与公开口径

资料来源：Silicon Data，国泰君安期货研究；备注：1、数据截至2026年8月27日。2、Silicon Data当前产品页称B200指数综合新型云服务商（Neo-Cloud）、超大规模云服务商（Hyperscaler）、托管市场及私有租赁平台观察；其2026年6月30日变更公告则使用“B200 Neo-Cloud Index”名称，两处公开口径尚不完全一致。3、上述代码为指数商披露的Bloomberg代码，不代表芝商所集团已确认GPU1和GPU2的最终结算指数代码。

（二）数据来源覆盖较广，但指数编制仍存在“黑箱”

Silicon Data编制的H100和B200 GPU租赁价格指数，基于多渠道采集的价格数据，对数据进行了标准化处理，将不同报价转换为标准配置下的可比小时费率，并通过剔除陈旧或异常数据、开展质量验证，最终形成按工作日发布的价格指数（如图3）。Silicon Data在官网公布了编制H100、B200指数的标准化处理维度（参考表3），包括GPU型号、显存和中央处理器配置，小时、日度和月度租期，互联性能与集群规模，以及数据中心所在地等。但对于核心计算方法和关键参数的披露仍不充分，市场参与者即使掌握相关价格数据，也难以独立复现该指数，其编制方法尚不能直接复用至其他市场。

图3：Silicon Data 披露的GPU租赁价格指数处理流程

资料来源：Silicon Data，国泰君安期货研究

表3：Silicon Data GPU租赁指数编制与治理信息披露情况

资料来源：Silicon Data，国泰君安期货研究；备注：数据截至2026年8月27日。

（三）指数编制方法调整将影响结算价格，是现金交割合约面临的重要风险之一

目前，Silicon Data尚未公布相关指数编制的调整原则，历史上曾多次调整指数模型、供应商范围和权重，导致了特定时点价格波动剧烈（如图4）。例如，2025年12月，Silicon Data公告调整H100指数模型、供应商覆盖和权重，此次调整预计使指数下降4%—6%，并对部分历史数据进行重述。2026年4月和7月，Silicon Data再次公告H100和B200指数将扩大供应商范围覆盖，这两次公告对相关调整可能造成的指数降幅分别给出了3%—7%和不超过6%的官方预计（参考表4）。可见，历史价格的变化可能同时受到市场变化和统计方法调整的影响，若指数编制方法在结算期前发生调整，可能直接影响最终结算结果。当前Silicon Data对于价格指数调整规则仍需进一步明确，以降低合约上线后可能引发的结算风险。

表4：Silicon Data GPU租赁指数主要变更记录

资料来源：Silicon Data，国泰君安期货研究；备注：数据截至2026年8月27日。

图4：SDH100RT和SDB200RT价格走势

资料来源：Bloomberg，国泰君安期货研究。备注：1、图中SDH100RT为H100 Neo-Cloud租赁价格指数；SDB200RT为Silicon Data发布的B200租赁价格指数。Silicon Data现行产品页将SDB200RT描述为综合Neo-Cloud、Hyperscaler、托管市场及私有租赁平台观察的单一标准化读数。2、新兴云服务商（Neo-Cloud）指专注于 AI 算力租赁的新兴云服务企业，通常以高性能GPU集群为核心卖点，代表企业为CoreWeave；超大规模云服务商（hyperscaler）指拥有全球性超大规模数据中心网络的传统云巨头，具备弹性扩展的架构能力，代表企业包括微软、谷歌、亚马逊、Meta及甲骨文。3、图中圆点标注为方法调整时间点。

三、我国算力租赁市场的现货价格基础与期货化条件

当前，我国算力租赁市场已具备一定规模，交易主体和交易形式逐步丰富，部分机构也开始探索现货价格采集、规格标准化和指数编制等工作。现有数据表明，不同GPU型号和区域的算力租赁价格已形成一定的可观察性，并呈现较为明显的差异性和波动性。但总体来看，国内算力租赁现货价格指数运行时间较短，价格基准尚未形成，市场流动性和交易规范性有待进一步检验。

（一）算力租赁价格采集和评估体系已初步形成

根据中国信通院数据，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%，预计全年将突破2600亿元。算力现货市场已经出现较为频繁的租赁交易，交易形态涵盖整机与单卡、包月长协与短期时租、裸金属与云主机等类型。目前，国内已有相关机构开始探索算力租赁现货价格的采集、规格标准化、数据处理和指数发布等，相关现货价格评估体系已具备雏形。在价格采集方面，目前市场采用基准价与零售价双轨方式收集价格；在规格标准化方面，已探索按照型号、显存、规格、区域、承诺期划分，并采用元/台·月与元/卡·时单位计价；在数据处理方面，部分指数已经经过规格归一化、加权清洗和分位数计算。以上海有色网（SMM）为例，目前SMM已发布19个覆盖不同区域、不同型号的算力租赁基准价格。

（二）不同芯片型号和区域的算力租赁价格呈现波动性特征

据SMM统计，在2026年6月29日至8月27日期间，15个符合统计条件的基准价格指数的日波动率介于3%—59%（如图5）。具体来看，H100-80G长三角指数的日波动率最高，约为59%；A100-80G长三角和A100-80G珠三角指数分别为39%和31%；H20-141G成渝地区指数的日波动率约为27%。与此同时，同一GPU型号对应的算力租赁价格在不同区域之间存在明显价差，区域升贴水还可能在较短时间内发生变化。随着人工智能应用由训练向推理和企业常态化部署延伸，算力需求的规模、采购频率和持续性有所提升，为应对价格的波动性特征，部分企业在备货、长期采购和项目报价过程中已经具有价格锁定和风险对冲需求。

图5：SMM基准价格波动率

资料来源：SMM，国泰君安期货研究。备注：1、采用SMM基准价格的平均价格。2、剔除未发生价格波动的4个样本。

（三）现阶段美国算力期货上市经验无法直接复制到我国

相比美国而言，我国目前仍缺少统一且具有较强权威性的算力租赁价格指数，因而现阶段尚不具备直接推出以此为标的的期货合约产品的基础。同时，当前我国高端算力供给偏紧、买方议价能力不足，交易中还存在押金、违约和虚假货源等信用风险，可能进一步影响现货价格的透明度、市场流动性和期货价格的代表性，并放大基差风险和结算风险。

四、以算力现货价格基准建设为先导，夯实算力期货的推出基础

现阶段，我国更适合依托现有市场基础，先开展算力租赁现货价格指数试运行和期货品种研究，持续跟踪美国算力期货合约的运行情况，分阶段、分品种稳步推进算力期货。

（一）可由权威机构牵头建立全国性算力现货价格指数

现阶段应将建立权威、透明、可核验的算力租赁现货价格指数作为首要任务，可由国家有关部门或其授权机构牵头，推动相关机构参与，有助于提升现货价格指数的公信力。目前可以把真实成交作为基础，结合可执行报价，统一算力产品分类、质量等级、计价单位、合同要素和数据报送口径等，明确算力租赁现货价格指数编制规则。

（二）期货标的选择应坚持自主可控，避免单一挂钩境外芯片

我国算力期货不宜简单复制芝商所集团挂钩英伟达H100、B200等境外芯片的合约设计。标的选择应兼顾市场代表性、交易活跃度和供应链安全，优先研究具有稳定供给、较大使用规模和较完整国内生态的国产算力产品。对不同技术架构和芯片型号，应分别编制现货价格指数，不宜在缺少统一性能换算标准的情况下直接合并。

（三）在完善算力租赁价格指数的基础上，中长期可拓展词元（Token）价格指数建设

算力市场的交易对象正在由GPU资源租赁向模型推理服务延伸。GPU租赁价格反映算力资源的投入成本，词元价格更多反映算力经过模型和软件处理后的服务产出，仅建立GPU租赁价格指数，难以完整反映推理时代的算力交易。因此，可在完善GPU租赁价格指数的基础上，探索研究词元价格指数；词元指数建设的难点在于对词元用量的统计口径及模型服务质量的评价标准的统一，可参考美国此次经验，优先探索市场使用量较大且报价较透明的主流模型编制词元价格指数，逐步形成从算力投入到模型产出的价格体系。

五、结语

算力期货是算力市场发展到一定阶段后，围绕价格发现和风险管理形成的制度化工具。境外市场的产品探索表明，合约设计可以先从特定型号、标准化租赁价格和现金交割入手，但产品价值仍取决于标的指数的代表性、透明度和可验证性。我国目前已具备一定算力租赁交易和价格采集基础，下一步可把工作重点放在算力租赁现货价格基准建设、指数编制规则完善、租赁合同标准优化和风险防控机制健全等方面，待市场充分检验后再稳妥推进相关产品研究与试点。