買 GPU 就該像買股票——專訪 Compute Exchange 執行長 Carmen Li

GPU 交易平臺 Compute Exchange 執行長 Carmen Li 主張，採購算力應該像買股票一樣：透過中立、經過驗證的交易所進行，而不是一家一家打給 300 家雲端供應商。她在本集節目大部分時間都在談這個交易所的運作機制——預留型與遠期 GPU 合約、遠期 Token 合約、二手伺服器市場、供應商與客戶驗證——以及她的資料公司 Silicon Data 所發布的遠期價格曲線；她說這條曲線顯示 GPU 價格正從現貨溢價（backwardation）轉為期貨溢價（contango）。「像買股票一樣買 GPU」這個說法只是開場鋪陳，不是訪談主體；真正的重點在合約結構、期限結構資料與殘值模型。

Li 曾任職於芝加哥 DRW Trading，是能源選擇權造市者，她反覆把算力類比為石油：WTI（實物交割）對比 Brent（現金結算）。她同時經營 Silicon Data，形容它是「算力界的 Bloomberg」，並表示該公司向 CME 提供 GPU 期貨結算所需的指數。讀者讀完應該能掌握這個交易所的產品分類、她引用的具體庫存與驗證數字，以及她的期限結構論點——GPU 現在已具備大宗商品特性，其遠期風險可以避險。

中立交易所不持有任何 GPU，而這正是產品本身

Li 的核心設計主張是：Compute Exchange 刻意不持有任何 GPU，因為一個同時持有庫存的交易平臺，會面臨和「Nasdaq 自己持有股票」一樣的利益衝突——它可能偏袒自家供應，或對客戶挑肥揀瘦。在她看來，正因為中立，平臺才能與全球供應商合作，並針對每筆交易挑選最合適的資源，而不是推銷自家貨。

她把這個交易所的定位，放在算力市場高度碎片化的背景之下：她引用全球超過 300 傢俬有雲供應商，再加上「Token 工廠」與 API 路由器。她的說法是：買家若需要未來 48 小時的算力、走預留合約，不該還得打給 300 家賣方；他們應該到一個流動性與成交都有保障的單一平臺，就像買股票會去 Nasdaq 一樣。

平臺對外宣稱的營運承諾：

| 專案 | Compute Exchange 的說法 |
|---|---|
| GPU 持有 | 設計上完全不持有 |
| 已驗證供應商 | 100 家以上 |
| 現貨 GPU 數量 | 80,000 顆以上 |
| 地理涵蓋 | 除中國以外的所有地區 |
| 回應承諾 | 收到需求後 24 小時內 |
| 最小合約 | 一個節點、一個月 |
| 最大合約 | 最長 3–5 年，視供應商而定 |
| 隨選現貨 | 不提供 |
| 每月 RFQ 量 | 超過 10 億筆需求（她提供的數字） |

她強調每筆交易都個別評估，且交易所不隱藏聯絡方式——買賣雙方直接媒合。註冊免費，瀏覽也不需要先購買。

驗證能力，是它與「所謂仲介」的分野

Li 把交易所與仲介劃出清楚界線：交易所會實際測試 GPU。對於營運中機房裡的既有預留算力，它會檢查 UID、庫存與效能，並跑 NVIDIA DGX、Inference X 與 MLPerf 基準測試，確認買家拿到的是承諾的資源。對於遠期算力——她舉例是 2027 年 1 月 1 日起需要的 GPU——則會審查訂單與供應商的承諾，以支援買家的盡職調查。

驗證是雙向的。新的雲端供應商會面對源源不絕上門找算力的客戶，卻很難判斷誰真的付得起合約價格；Compute Exchange 對客戶執行 KYB 與 KYC，「就像任何交易所會做的事」，讓供應商知道交易對手的身分屬實。她把遠期市場的佈局形容為實物交割期貨的前身。

「我們和其他所謂仲介最大的不同，是我們真的會測試 GPU。」

她也提到一套雙邊評分制度——客戶與供應商都會被評分——不過供應商評分目前尚未對使用者公開。她說年底將舉辦頒獎活動，表揚亞太、歐洲與美國的頂尖供應商。

三條產品線：GPU 遠期、Token 遠期、二手伺服器

Li 把產品分成三層算力。第一層是預留型與遠期 GPU 合約，最接近實物交割的大宗商品期貨。第二層是遠期 Token 合約，她視為較新的概念：在預留的裸機叢集上做專屬部署，針對特定模型，在特定期間內鎖定 SLA、量化與精度。她說目的是為瞭解決隨選 API Token 價格劇烈波動的問題。第三層是二手伺服器與 GPU 的開放次級市場。

她說次級市場的起點，是有人寫信給她，表示想脫手大批資產——她舉例，某方在資料中心裡有約 20,000 顆 H100。這個市場現在從 RTX 4090 到 B200 都有，也包含 AMD，庫存即時更新。她提到部分二手伺服器成交價高於建議售價，並用疫情期間的二手車來類比：「這就是新車的價格。」

一個特色是配置彈性：買家若在數量或期間上超額承諾，可以透過變更配置把算力賣回，降低買過頭的風險。

她描述的需求流程：

flowchart TD
    A["買家提交 RFQ 或瀏覽刊登物件"] --> B["交易所媒合 100 家以上供應商"]
    B --> C["供應商回覆價格、規格、SLA"]
    C --> D{"既有算力還是遠期？"}
    D -->|既有| E["UID、庫存、DGX / Inference X / MLPerf 測試"]
    D -->|遠期| F["審查訂單與承諾以支援盡職調查"]
    E --> G["買家比較報價，價格不是唯一考量"]
    F --> G
    G --> H["直接媒合，聯絡方式絕不隱藏"]

她舉的例項：一筆需求是 2027 年 1 月 1 日起、在美東需要 300 顆 V200 GPU，交易所會把需求轉給它判斷應該有貨的三家供應商，由他們透過平臺回覆條件。

遠期曲線從現貨溢價翻轉為期貨溢價

這是整場訪談的分析核心。Li 拿出預留 GPU 合約的期限結構——X 軸是合約期間，Y 軸是每小時美元價格——說明市場已經出現體制轉變。去年（2025 年）曲線向下傾斜：合約越長，每小時費率越便宜。2026 年初以來，曲線整體上移並翻轉為期貨溢價，也就是說，買家長期綁約已拿不到折扣。她解讀為市場預期價格會上漲。

她展示 B200 也有同樣的模式：去年已是期貨溢價，今年整條曲線往上移，每個天期都變貴，而且曲線變平。她用類似美國公債期貨曲線的方法，從期限結構推算隱含遠期利率，結果指向市場共識是未來 36 個月價格會更高——但她附帶提醒，共識不等於正確。

「GPU 的行為就像任何大宗商品，有清楚的期限結構風險，而資料期貨可以完美對沖。」

她提出的避險邏輯是：一家公司資產負債表上有伺服器，背負五到六年的財務義務，但預留合約可能只涵蓋前三年，第四到第六年就暴露在風險中。這個曝險可以用交換契約或大宗交易避險。她說圍繞這條期限結構，大宗交易已經在發生，包括轉售合約——交易對手違約是風險——且部分交易是以浮動利率成交。

Silicon Data 為 GPU 的殘值定價

Li 經營的第二家公司 Silicon Data，她稱之為「算力界的 Bloomberg」。她說該公司向 CME 提供 GPU 期貨結算所需的指數，訪談當時再過幾週就會上線，涵蓋 H100 雲端隨選費率與 V200 價格。她還說，輝達在 9 月的投資人簡報中，把 Silicon Data 列為唯一引用的資料供應商。

估值方法採用現金流折現：取一個租賃費率——她舉例是今天簽下的三年期 A100 租約——把現金流折現到現在，再依使用率與營運費用調整。她說公司會針對全球的 A100、H100 與 B200 伺服器，以標準化基礎計算殘值，再和多數營運商採用的五年直線折舊相比。結果因世代而異：

| GPU | 殘值 vs. 直線折舊 | 她的解讀 |
|---|---|---|
| A100 | 大致沿著會計折舊曲線線性下滑 | 曲線走低，成本跟著折舊走 |
| H100 | 價格上漲 | 「現在漲瘋了」 |
| B200 | 高於建議售價 | 次級市場溢價 |

她說這些資料正逐漸成為銀行持有 GPU 伺服器時的估值工具。疫情期間二手車的類比在這裡再度出現：H100 的價格不跌反漲。

值得觀察的重點

整集的主軸是算力正在金融化，而 Li 把兩門生意分別押在這條線的兩端：一個不持有任何資產的撮合平臺，以及一門為平臺交易標的定價的資料生意。她點出但沒有回答的問題，才是真正懸而未決的部分。她的遠期利率曲線是市場共識，不是預測，她自己也這麼說。CME 結算上線在訪談當時還有幾週，所以「期貨能完美對沖 GPU 期限風險」是個設計論證，不是實績。而交易所的中立性，取決於它自己執行的驗證——MLPerf 測試、UID 檢查、KYB——這套驗證的品質，取決於背後的基準測試與稽核人員。最該追蹤的具體指標，是她描述的期貨溢價會不會持續：若長天期合約持續比現貨貴，把算力當大宗商品避險的理由就更強；若曲線翻回去，這套論點也跟著減弱。