CFTC 审查算力期货，但 GPU 容量不是石油

在 CME Group 将上线目标定于 2026 年 10 月 5 日后，CFTC 正在审查两份拟议的算力期货合约。这些合约将追踪 Nvidia H100 和 B200 图形处理器的租赁费率。但核心矛盾已然清晰：CME 希望像标准化大宗商品一样标准化 GPU 容量，而算力市场仍因硬件、地点、配置和服务质量而高度分散。

8 月 20 日，一则中国市场快讯称 CFTC 正在就这些合约征求公众意见。不过，对这一具体说法仍需保持谨慎。截至 8 月 20 日，该机构公开资料中并未明确列出针对算力期货的征求意见案卷或截止日期。

已获证实的事件更早开始。CME 和 Silicon Data 于 8 月 11 日宣布计划推出这些合约，但仍须接受监管审查。这一审查考验的不只是两种金融产品，还包括一项基准能否代表这样一个市场：表面上相同的算力容量，往往具有不同的经济价值。

拟议合约承诺为 AI 开发者、云服务商、数据中心和投资者提供对冲未来 GPU 租赁成本的方式。它们还可能为当前依赖私下谈判的支出建立可见的远期价格。

但这一承诺附带艰难条件。期货合约只有在其结算基准反映参与者实际需要管理的风险敞口时才有用。

CFTC 正在审查什么

已获验证的行动是 CME 计划上市两种以现金结算的算力期货，而不是 CFTC 为 AI 行业制定的新规。

CME Group 和 Silicon Data 于 2026 年 8 月 11 日宣布计划推出这些产品。交易计划于 10 月 5 日开始，前提是通过监管审查。这些合约将依据纽约商品交易所规则上市。

其中一份合约参照 Silicon Data H100 Rental Index，另一份参照 Silicon Data B200 Rental Index。两项指数均衡量特定 Nvidia GPU 型号的小时租赁费率。

每份期货合约大致代表一块相关 GPU 一个月的租赁容量。合约以金融方式结算，即交易者根据基准结果交换现金，而不是交付实体处理器或预留服务器。

这一差异至关重要。持有人无法借助合约在容量短缺时获得一块 H100。该工具解决的是价格风险敞口，而不是运营层面的可得性。

CME 将这些合约描述为管理波动性算力成本的工具。其算力期货计划将 AI 开发者和超大规模云运营商列为潜在用户。

这些合约可服务于担心租赁费率上升的买方，也可服务于担忧随着供应增加、租赁收入下滑的 GPU 所有者。

CFTC 的职责来自其对指定合约市场的监管，其中包括上市受监管期货的交易所。根据该机构的产品备案框架，交易所可以对产品进行自我认证，或申请正式批准。

自我认证意味着交易所向监管机构表示，其认为该合约符合《商品交易法》和 CFTC 相关规定。这并不等同于监管机构明确认可该产品的商业价值。

CFTC 可以审查一份合约是否容易受到操纵，也可评估合约条款、结算程序、市场监测，以及是否符合适用的核心原则。

公众意见征集则是另一套独立程序。该机构通过其意见提交系统接受针对规则制定、征求意见和部分行业备案的反馈。

然而，在本文审阅的 CFTC 材料中，未见明确标注的算力期货意见征集截止日期。因此，在该机构公布案卷、备案文件或公告前，有关公众意见征集的说法应视为未经证实。

这一核实缺口并不会抹去监管审查，只会改变对该事件的表述方式。

已获证实的事实是：一家大型衍生品交易所已提议推出两种新的 GPU 租赁期货。CFTC 现在必须在计划上线前处理相关备案。

未经证实的部分在于，这一流程是否包含专门的公众咨询。读者应关注 CFTC 的案卷编号，而非依赖二手快讯。

这种区分也揭示了第一层紧张关系：CME 已为市场给出上线日期，而最终监管路径仍未确定。

为何 CFTC 算力期货让基准承压

CFTC 对算力期货的审查，正将一种鲜为人知的定价方法推向受监管市场的基础位置。

期货合约将许多不同交易归结为一个标准化价格。这种简化是其主要优势，也是其最大的脆弱点。

石油市场有不同等级、交割地点和运输限制。期货交易所通过详细的合约规格和结算规则处理这些差异。广泛使用的合约随后成为相关现货交易的参考点。

算力具有更多维度。即使租用的是同一型号 GPU，网络性能、内存配置、处理器使用方式、软件支持、地理位置和合约期限仍可能不同。

供应商可能出租单块 GPU、整台服务器，或通过高速网络连接的集群。这些产品支持不同的工作负载，不应自动具有同一经济价值。

可用性同样重要。位于客户数据或工程团队附近的容量，可能比其他地区成本更低的容量更有价值。监管限制还可能进一步限制客户可使用的处理器或地区。

服务可靠性又增加了一层差异。名义上相同的 H100，背后可能接入不同的编排软件、存储系统、正常运行时间承诺和技术支持。

这使基准构建成为产品的核心。Silicon Data 必须决定哪些观测数据符合条件、采集频率如何，以及如何处理异常报价。

它还必须判断，公开发布的租赁报价是否反映客户实际能够执行的交易。尤其对大额承诺而言，挂牌报价可能与协商费率不同。

若基准主要基于报价，其走势可能与大型商业用户支付的成本不同。若基准聚焦已完成交易，则可能时效性较差，或覆盖的供应商更少。

这些选择会带来基差风险。基差风险是指对冲工具的结算价格与被对冲实际成本之间的不匹配。

例如，一家 AI 公司根据私人协议租用大型 B200 集群。其合约可能包括网络、存储、技术支持和最低承诺量。追踪较小规模按需租赁的公开指数，未必会紧密跟随该公司的账单。

该公司可能正确预期自身成本会上升，并建立期货多头头寸，却仍无法获得充分对冲。基准和私人合约的反应可能不同。

同样的问题也适用于供应方。一家数据中心运营商可能拥有较旧的 GPU、区域性容量或长期客户协议。与 H100 指数挂钩的期货头寸，未必能抵消其收入的变化。

CME 的论点在于，尽管存在这些差异，标准化参考价格仍具有价值。在不存在精确对冲工具时，市场经常使用不完美的基准。

这一论点合乎情理，但需要证据支持。仅凭交易量无法证明商业用户获得了有效保护。

监管机构必须考虑基准弱点是否会创造操纵机会。当少量观测数据影响最终结算时，缺乏深度的标的市场可能较为脆弱。

集中度带来另一项担忧。Nvidia 主导了许多先进 AI 工作负载，而有限数量的云服务商和基础设施提供商控制着大规模容量池。

基准管理机构必须防止任何供数方或参与者施加过度影响。它还需要为数据缺失、观测结果争议和硬件快速迭代制定透明程序。

Silicon Data 表示，其指数为一个买方经常在缺乏共同参考的情况下谈判的市场带来可见性。这是支持这些产品的最有力理由。

但透明度不只意味着公布一个数字。市场参与者需要获得足够的方法论信息，才能理解这个数字代表什么。

他们必须知道，该指数反映的是预留容量、按需租赁，还是二者的混合。同时也需要明确地区、供应商类型和服务配置。

缺少这些背景时，基准看起来可能比实际更具普适性。CFTC 的审查正促使 CME 和 Silicon Data 精确界定这些边界。

对冲逻辑强于商品类比

算力期货具有可信的风险管理用途，但将 GPU 时间描述为石油掩盖了该产品最棘手的局限。

CME 高管曾将算力比作一种核心工业大宗商品。这一类比解释了其预期用途。AI 公司面临重要的投入成本，而期货可以帮助企业管理不确定的支出。

航空公司可以利用能源衍生品降低燃油价格风险。食品生产商可以管理农业投入成本。AI 开发者同样可能对冲 GPU 租赁成本。

但当比较延伸至物理特性时，其说服力便会减弱。石油可以按照既定规格储存、运输、混合和交割。未使用的算力容量则会随时间失效。

一小时闲置的 GPU 无法存入仓库以供日后交付。该小时一旦过去，其服务价值便随之消失。

这种不可储存性会影响定价。传统大宗商品模型通过仓储成本、融资成本和预期供应，将现货与期货价格联系起来。

算力并不存在这种简单关系。一项近期关于算力资产定价的学术分析认为，面对不可储存的容量，熟悉的无套利联系会失效。

GPU 租赁期货价格将更多反映未来租赁条件预期、风险偏好和市场参与者行为，而非持有实物库存的成本。

硬件代际也在快速变化。H100 合约所对应的处理器仍被广泛部署，而 B200 则代表较新的架构。

客户不会将这些芯片视为可互换的单位。性能取决于型号架构、精度要求、软件优化和集群设计。

工作负载可以从一种 GPU 类型迁移至另一种，但经济性可能随之改变。最低的小时租赁费率，并不总是意味着完成单项任务的成本最低。

随着新型加速器不断推出，这一问题会愈发重要。期货合约需要足够的连续性，才能在短暂的硬件周期之外支持对冲。

若客户转向更新的 Nvidia 处理器、定制加速器或竞争对手芯片，H100 合约的流动性可能减弱。届时，该基准可能只代表市场中正在缩小的一部分。

该合约仍有望作为金融参考取得成功。然而，这与打造一个通用的算力市场是两回事。

更有力的应用场景要窄得多。一家支出与同一租赁市场高度相关的公司，可以利用期货降低短期价格不确定性。

例如，某家 AI 服务提供商预计在产品发布期间需要固定数量的 H100 使用量。若基准租赁费率上涨，买入期货或可抵消部分损失。

预计将出现闲置容量的 GPU 运营商则可以采取相反头寸。它可以对冲基准费率下跌的风险，同时继续通过现有渠道销售实体访问服务。

金融机构可以在这两类群体之间提供流动性。投资者也可能利用期货曲线表达对 AI 基础设施需求的看法。

由此形成的期货价格或可揭示市场对供应压力的预期。向下倾斜的曲线可能意味着产能正在扩张，或正迁移至更新的芯片。较高的远期价格则可能表明预计将出现供应紧张。

即使从不交易这些合约，这些信息对企业也很有用。采购团队可以将私下报价与公开市场参考进行比较。

不过，用户不应将参考价值与有保证的履约混为一谈。可见的期货价格并不会创造更多 GPU、电力、网络或数据中心空间。

它同样无法解决实体租赁市场中的交易对手、性能或交付问题。这些仍需通过单独协议处理。

这正是 CME 面临的主要对手：算力服务真实存在的高度异质性。

交易所无需证明算力与石油完全相同。它需要证明，这些差异能够在一份可信的合约框架内得到妥善处理。

这是一道较低的门槛，但仍然要求很高。成功取决于基差表现、基准治理和商业参与度。

CME 并非算力金融化竞赛中的唯一参与者

竞争正围绕两种不同理念展开：通用金融基准，以及与实际产能更紧密相连的市场。

CME 与 Silicon Data 于 2026 年 5 月开始公开讨论其算力市场。8 月的公告增加了两份合约名称，并公布计划于 10 月上线。

其他公司也在推进相关产品。Intercontinental Exchange 已宣布与 Ornn 就 GPU 定价及潜在期货开展合作。新兴交易平台也在探索算力市场。

OneChronos 描述了一种采用组合拍卖的不同方案。这类拍卖让参与者能够表达对相互关联资源的偏好，而不是将每个单位都视作完全相同。

这种结构直接针对异质性问题。买方可能需要将特定处理器、地点、网络和时间窗口作为一个整体配置。

单一基准合约会将这些特征简化为标准化的金融敞口。组合式市场则试图保留其中更多特征。

两条路径并不存在天然优劣。标准化可以集中流动性，并形成广为理解的价格；更细化的市场则能更好匹配运营需求，但会将交易活动分散到更多产品中。

CME 拥有显著优势。它已运营受监管的衍生品市场、清算基础设施、监控系统，并通过成熟交易机构进行分销。

这些特征降低了多项采用门槛。机构参与者可以通过熟悉的系统接入，而不必加入一个新市场。

Silicon Data 提供底层 GPU 租赁基准。该公司表示，这些指标针对的是一个碎片化市场，在其中，类似买家往往会收到不同报价。

这一组合为 CME 提供了形成早期参考价格的合理路径。交易所可以分发合约，而指数提供方则提供结算指标。

但这种关系也引发疑问。市场参与者会希望看到清晰的治理机制，将合约运营与基准管理分离。

他们还会审视指数覆盖范围。只有当一个基准代表有意义、可复现的市场活动，而非狭窄样本时，它才会获得权威性。

竞争对手可以在这一点上挑战 CME。基于不同交易来源的竞争性指数，可能会为同一 GPU 类别得出不同价格。

这种差异未必意味着任何一个基准有误。它可能表明，每个基准衡量的是碎片化市场中的不同细分领域。

不过，多个彼此不兼容的基准会使对冲变得复杂。参与者可以选择最匹配自身敞口的合约，但流动性可能因此分散。

更广泛的算力竞赛已包含不同市场结构的提案。这种竞争将促使每家运营方说明其方法论。

它也将检验哪些客户真正需要这些产品。金融层面的兴趣并不保证持续的商业参与。

由于概念新颖，早期交易可能会吸引投机者。长期成功需要拥有真实 GPU 敞口的企业反复使用这些合约。

这些企业包括 AI 开发商、云服务提供商、数据中心运营商和基础设施融资方。它们的需求存在显著差异。

模型开发商可能希望防范租赁费率上涨。云平台则可能对冲利用率下降或库存价值变化的风险。

为数据中心建设提供融资的贷款机构，可能需要一个预期收入的参考指标。投资者则可能只是想获得算力价格方向的敞口。

一份合约无法完美满足所有这些目的。市场必须找出哪一种用途会成为主导。

CME 对 H100 和 B200 的划分是务实的起点。它为参与者提供了两代重要硬件的独立参考。

不过，Nvidia 的型号名称并未涵盖所有相关变量。合约表现将取决于这些指数对可实际执行的租赁市场的跟踪程度。

这种竞争有利于价格发现。它也避免第一份上市期货合约自动成为算力的权威衡量标准。

CFTC 的任务并非选出商业赢家。它关心的是，拟议合约是否满足监管要求并能抵御操纵。

市场将决定该基准是否有用。这一决定将通过未平仓合约量、商业参与度和对冲表现逐步显现。

算力期货提案无法解决的问题

受监管的期货合约可以管理价格信号，但无法消除稀缺性、保证产能，也无法让每一 GPU 小时都具有同等价值。

第一项不确定性涉及流动性。当潜在买家和卖家彼此等待对方参与时，新期货市场往往会陷入困境。

订单簿稀薄会造成更大的买卖价差和更不可靠的价格。它也可能令商业对冲成本高昂。

CME 现有的分销网络或许有所帮助，但对许多衍生品交易台而言，算力是一种新的敞口。企业在交易前需要风险限额、模型和内部审批。

AI 公司也面临自身障碍。较小型开发商可能缺乏期货专业知识，或与期货佣金商的合作关系。

较大的云公司可能已经通过长期供应协议管理成本。这些私下合约可能降低它们对交易所交易对冲工具的需求。

第二项不确定性是基差风险。由于地区、规模、配置或合约条款等因素，买方的实际支出可能与 Silicon Data 指数出现偏离。

如果这种偏离保持稳定，参与者可以将其纳入考量。若其变化难以预测，对冲就会变得不那么可靠。

第三项不确定性涉及基准完整性。现金结算使最终指数值具有相当大的权重。

CME 和 Silicon Data 必须说明，基准将如何处理稀疏观测、异常交易、供应商不可用，以及市场结构的突发变化。

方法论还必须考虑硬件老化。即使整体算力需求仍然强劲，GPU 租赁价格也可能因其吸引力下降而走低。

因此，即使 AI 需求繁荣，H100 期货的多头头寸仍可能因客户转向更新处理器而亏损。

这种结果在经济逻辑上是合理的。但若有人将该合约视为对 AI 增长的广泛押注，可能会感到意外。

第四项不确定性是可获得性。一家公司可能从对冲中获利，却仍无法获得所需产能。

现金结算补偿的是基准价格变动，并不会预留服务器或执行实体租赁协议。

运营团队仍必须继续管理云账户、区域可用性、数据迁移、安全要求和服务可靠性。

第五项不确定性是投机。流动性充足的合约会吸引那些并无 GPU 租赁直接敞口的参与者。

投机者通常会通过增加流动性和承接风险来改善市场。当头寸变得拥挤时，他们也可能放大价格波动。

CFTC 和 NYMEX 将需要具备监控能力，以将期货活动与底层基准形成过程联系起来。持仓控制和报告要求可能有助于这项工作。

第六项不确定性是市场集中度。少数大型云服务商和基础设施所有者影响着可用产能。

一个由集中市场构成的基准可以反映真实状况，但也可能对少数参与者较为敏感。在这种情况下，治理尤为重要。

这些问题均不足以证明合约必然失败。每个衍生品市场都需要处理标准化产品与复杂实体活动之间的某种不匹配。

关键问题在于，这些不匹配是否始终可衡量且有限。监管机构和用户需要来自实际交易的证据。

CME 应避免宣称这些合约将算力转变为一种完全标准化的商品。这种说法超出了两项特定型号租赁指数所能证明的范围。

更可辩护的说法是，它们为选定的 GPU 租赁基准提供标准化金融敞口。

这一表述既保留产品潜力，也不掩盖其局限。它还为用户判断合约是否匹配自身风险提供了更清晰的依据。

10 月上线前值得关注的三个信号

下一阶段将由监管文件、基准披露和商业需求证据决定。

第一个信号是 CFTC 的备案文件或针对算力的公开案卷。该文件应明确审查路径，并解决当前的报告缺口。

读者应关注提交交易所、备案日期、法律程序、合约条款以及任何意见征集截止日期。公开征求意见应包含可识别的案卷。

如果该机构发布此类案卷，则其正式征求外部意见的说法将得到确认。若未出现案卷，报道则应将其描述为常规监管审查。

程序上的差异很重要。公开咨询可能会在上线前暴露来自云服务提供商、基准专家、交易员和 AI 开发商的担忧。

自行认证路径将使更多责任落在 CME 的合规分析上。它也遵循一种允许交易所在无需单独制定规则的情况下推出新产品的流程。

第二个信号是详细的基准方法论。市场参与者需要了解 H100 和 B200 指数背后的观测数据。

重要披露包括供应商覆盖范围、地理范围、符合条件的租赁结构、数据频率、加权规则，以及缺失信息的处理方式。

用户还应审视利益冲突控制和修订政策。结算基准必须在波动剧烈或市场异常稀薄时保持可信度。

更高程度的披露将有助于证明，标准化期货能够代表所选的租赁细分市场。披露有限则会加大基差和操纵风险方面的不确定性。

第三个信号是交易启动后的商业参与度。最有参考价值的指标包括未平仓合约、交易量、报价价差以及参与者多样性。

未平仓合约显示仍未结清的持仓数量。相较于首日交易量的短暂爆发，它更能反映持续使用情况。

来自 AI 开发商、云服务提供商和数据中心运营商的参与，将强化其对冲逻辑。若交易活动主要由短期金融交易者主导，则可能意味着这是一个更狭窄的投机市场。

期货价格与观测到的租赁费率之间的关系同样重要。稳定的关联将帮助采购和财务团队解读价格曲线。

持续偏离并不必然意味着该产品无效。它可能表明，该基准仅代表实体市场的一部分。

因此，10 月 5 日是一个起点，而非最终结论。监管批准将确认这些合约可以在适用框架下挂牌交易。

但这并不能证明市场具有深度流动性、基准具备代表性，或对冲能够有效发挥作用。这些结果需要数月可观察的市场表现来验证。

随着 AI 基础设施支出推动算力进一步进入金融市场，CFTC 的审查也随之而来。贷款机构、交易所、指数提供商和数据中心运营商都希望获得更清晰的价格信号。

CME 的提案提供了一种答案：定义特定的 GPU 租赁指数，再让买卖双方围绕这些指数交易预期。

与之相对的现实是，算力仍是一项服务，其价值并非仅由处理器型号决定。地点、网络、软件、支持服务和可用性仍会影响其价值。

因此，开发者和企业买家应将该合约视为新的信息来源，而不是 AI 容量的通用定价。

在依赖它之前，应将指数方法与自身实际工作负载和租赁协议进行比较。请判断你的成本是否随相同硬件、市场细分和时间跨度而变化。

如果答案是肯定的，受 CFTC 监管的算力期货可能成为有用的对冲工具。如果答案是否定的，该价格仍可为规划提供参考，但无法保护实际支出。

决定性问题不在于华尔街能否交易算力，而在于由此形成的价格是否足以代表真实市场，从而值得信赖。