算力为什么值得金融化？万亿市场的底层逻辑

我一直在想一个问题：算力凭什么值得金融化？

历史上，任何一种资产能够被金融化——从原油、黄金到电力、碳排放权——都需要具备三个核心条件：市场规模足够大、供需矛盾足够突出、价格波动足够剧烈。

算力恰好三项全占。

一、市场规模：三个顶级机构的预测，指向同一个结论

先看一组数字。

摩根士丹利在其最新半导体报告中预测，全球AI半导体市场规模将在2026年达到约4850亿美元，并有望于2030年进一步增长至约7530亿美元，占全球半导体产业约1.5万亿美元市场规模的一半左右。

在摩根士丹利的供应链数据驱动牛市情境中，预计2026年云资本开支为7960亿美元，其中AI服务器资本开支约6000亿美元。五家头部科技公司的可用算力将由2025年的30.5GW增至2028年的116.6GW，接近四倍。

摩根士丹利还警告，算力需求的指数级增长将超过供应扩张速度，推动数据中心经济学发生根本性变化。该行预测，未来的算力需求增速将是英伟达预测年复合供应增长的3倍，算力短缺情况将持续且更激烈。

麦肯锡的视角更加聚焦基础设施。麦肯锡测算，全球数据中心容量将从2025年的82吉瓦增至2030年的219吉瓦，相当于现在的2.7倍。如果只考虑AI工作负载，容量将从44GW扩大到156GW，到2030年AI将占数据中心总容量的70%。

在资本支出方面，麦肯锡预计到2030年，数据中心基础设施（不含IT硬件）的资本支出将超过1.7万亿美元。

高盛给出了最宏大的数字。高盛预计，2026年至2031年，全球围绕计算、数据中心和电力的AI资本开支将达到约7.6万亿美元，年度投入将从2026年的7650亿美元升至2031年的1.64万亿美元。超大规模云厂商到2030年的AI投资或超过6万亿美元。

把三家机构的预测放在一起对比：

三家顶级机构用不同的方法论、不同的口径，指向了同一个结论：这是一个百万亿级别（人民币）的市场。

更值得注意的是，这些数字还在不断上调。摩根士丹利称，一年前市场预计五大超大规模云服务商2026年和2027年资本支出合计各约4500亿美元，但在最新财报季后，该行已将预测大幅上修。亚马逊、微软、Alphabet、Meta四大科技巨头2026年合计AI资本支出预计达到7250亿至7700亿美元，较2025年增长超77%。

二、供需错配：根源不在“不够”，在“结构性紧缺”

市场规模大是一回事，供需失衡是另一回事——而后者才是金融化的真正催化剂。

总量层面：需求增速远超供给。

2026年一季度国内AI算力需求同比暴涨417% ，而供给增速仅128%。缺口之大，可见一斑。中国信通院数据显示，2026年一季度国内算力租赁市场规模已达680亿元，全年有望突破2600亿元。

摩根大通跟踪的数据显示，6月大模型Token总量环比增长70% ，同比增长20倍。Token支出也同步回升，6月环比增长70% ，同比增长16倍。模型价格下降并未削弱需求，反而通过更低门槛推动推理需求进一步扩张。

结构层面：高端GPU“一卡难求”。

赛迪研究院电子所先进计算研究室副主任徐子凡指出，当前算力租赁行业处于高景气、结构性紧缺的阶段，高端GPU出租率超过90%。

有从业者反映，某国家级智算中心“冰火两重天”——装了英伟达GPU的机柜出租率90%以上，国产GPU服务器出租率不足50%。高端与低端、训练与推理之间的供需鸿沟正在扩大。

供给瓶颈：交付排期长达一年以上。

据AI推理基础设施服务商Baseten首席执行官透露，当前采购1000块GPU的交付排期已普遍延至明年第二季度，等待周期长达12至15个月。英伟达B200等高端GPU芯片在国内市场几乎“隐形”。

高盛的报告提供了一个极具说服力的案例：谷歌在2026年6月同意向SpaceX每月支付约9.2亿美元（到2029年中累计约300亿美元），以获取大约11万颗英伟达GPU的使用权。即便是拥有大规模自建数据中心的科技巨头，也难以完全依靠自身建设节奏满足算力需求。

电力正在成为新的约束条件。高盛指出，数据中心并网排队期在部分核心市场已长达8至12年，远长于GPU更新周期。算力扩张正在从“缺芯”转向“缺电、缺设备、缺工人”。

摩根士丹利预计，算力需求的指数级增长将超过供应扩张速度。巴克莱的预测更加激进：当前市场对AI训练与推理所需GPU及定制芯片数量的预估可能严重偏低，预计到2025年实际需求量将较现有预期高出约250% ；而到2027年，这一数字更可能飙升至原先预期的14倍。

供需错配的本质不是“不够”，而是“结构性紧缺”——高端算力极度稀缺，低端算力相对过剩。这种结构性矛盾，恰恰是金融工具最能发挥作用的地方。

三、价格波动：从“温和上涨”到“剧烈震荡”

有了足够大的市场、足够深的供需缺口，第三个条件自然浮现——价格波动足够剧烈。

H100：半年涨40%。

根据SemiAnalysis数据，H100 GPU一年期租约合同价格已从2025年10月的低点每小时每GPU 1.70美元，大幅上涨至2026年3月的2.35美元，涨幅接近40%。2026年1月底，H100一年期合约价格率先突破2美元/小时/卡关口，2月单月环比涨幅达到15%-20%。

到2026年5-6月，H100一年期合约租金一度升至约2.6-2.7美元/GPU·小时。有研报指出，H100一年期合同价格已从1.77美元涨至2.40美元，涨幅达35.6%。

B200：单次涨价94%。

更夸张的是新一代芯片。2026年6月，Baseten首席执行官透露，其云服务商已提前通知，英伟达B200 GPU的每小时租赁单价将在10月合同续约时，从现行的2.63美元涨至5.10美元，涨幅约94%。

综合来看，据SemiAnalysis数据，自2025年8月有统计以来，B200现货及合约综合租赁价格已由约4.0美元/GPU·小时升至2026年7月的约5.0-5.2美元/GPU·小时，累计涨幅约25%-30%。

Blackwell系列：两个月涨48%。

Ornn Compute价格指数显示，英伟达Blackwell系列芯片单小时租金已达4.08美元，较两个月前的2.75美元上涨48%。

所有GPU容量售罄。

长江证券研报指出，所有种类的GPU按需租赁容量已经售罄，算力涨价已具备一定普遍性。国内外云服务商已提前数月主动通知涨价，算力租赁行业已由买方市场转向卖方市场。

价格波动的后果：经营计划随时可能被打断。

全国人大代表、东方财富董事长其实指出，算力及关联要素价格波动，持续放大企业经营风险敞口，直接影响企业算力投入与长期战略布局。

南华期货指数发展部经理曹扬慧表示，算力期货能够为现货市场提供锁定远期算力成本的工具，避免因价格大幅波动导致经营计划中断。

一个AI创业公司今天算好了18个月的研发预算，明天H100租金涨了40%，预算就要重做。一个数据中心今天签了租赁合同，明天B200价格翻倍，利润模型就要推翻。没有价格发现和风险对冲工具，整个行业就是在“裸奔”。

四、金融化的必然：当三大条件同时满足

回顾历史，原油期货的诞生背景高度相似。

20世纪70年代石油危机后，原油价格从每桶约3美元暴涨至近40美元，剧烈的价格波动让航空、化工等下游产业叫苦不迭。1983年，纽约商品交易所推出原油期货——不是为了“炒石油”，而是为了让企业锁定成本、管理风险。

今天的算力市场，正在复制同样的路径。

中信证券研报判断，全球算力市场已具备衍生品市场成立的三大核心前提：万亿级的市场规模、供需错配下的剧烈价格波动、产业链上下游庞大的风险暴露主体。

市场规模足够大——让金融化有利可图；
供需缺口足够深——让价格发现不可或缺；
价格波动足够剧烈——让风险管理成为刚需。

当这三个条件同时满足，金融化就不是“要不要”的问题，而是“什么时候”的问题。

写在最后

算力凭什么值得金融化？

因为它是万亿级的市场，因为它的供需缺口在持续扩大，因为它的价格波动已经让整个产业链难以承受。

摩根士丹利说，算力需求的增速将是供给增速的3倍。高盛说，未来6年AI资本开支将达7.6万亿美元。麦肯锡说，数据中心容量5年要翻2.7倍。而这些数字背后，是90%以上的GPU出租率，是40%的半年价格涨幅，是12到15个月的交付排期。

算力金融化不是金融圈的异想天开，而是AI产业发展到一定阶段的必然产物。 就像当年的原油、后来的电力、再后来的碳排放权一样——当一个生产要素变得足够大、足够稀缺、足够波动，金融市场就会为它而生。