مالی‌سازی قدرت محاسباتی AI: مدل‌های متن‌باز در حال سوق دادن قدرت محاسباتی به بازار سرمایه (بخش دوم)

این مقاله گزارشی عمیق از OKX Ventures است. به دلیل طولانی بودن، به دو بخش تقسیم شده است: بخش اول بر روی دارایی‌های قدرت محاسباتی، ریسک و منطق قیمت‌گذاری مشتقات تمرکز دارد؛ بخش دوم به تحلیل زیرساخت‌های مالی قدرت محاسباتی، فرصت‌های دارایی‌سازی و روندهای صنعتی می‌پردازد. این مقاله بخش دوم است.

چهار، زیرساخت‌های مالی بازار قدرت محاسباتی: قیمت، ریسک و تحویل

زیرساخت‌های چندگانه بازار مالی قدرت محاسباتی در حال شکل‌گیری است. شاخص‌ها اجاره‌های پراکنده GPU را به یک معیار واحد تبدیل می‌کنند؛ بورس‌ها حول معیارها ریسک‌های استانداردسازی شده را سازماندهی می‌کنند؛ Dealer به تفاوت‌های ناشی از مراکز داده، دوره‌ها و SLA می‌پردازد؛ پلتفرم‌های ظرفیت دوباره موقعیت‌های مالی را به قدرت محاسباتی فیزیکی متصل می‌کنند. هرکسی که ابتدا بتواند تعداد کافی از سفارشات واقعی و ارجاعات قرارداد را جمع‌آوری کند، به قیمت‌گذاری اولیه بازار نزدیک‌تر خواهد بود.

4.1 شاخص قدرت محاسباتی: چه کسی می‌تواند به قیمت مرجع پیش‌فرض تبدیل شود

قیمت‌های معامله شده برای GPU‌های یکسان هنوز تحت تأثیر مقیاس خوشه، روش‌های اتصال، منطقه، مدت اجاره، نسبت پیش‌پرداخت، SLA و اعتبار تأمین‌کننده قرار دارد. برای تأمین‌کنندگان شاخص، چالش این است که آیا می‌توانند این تفاوت‌ها را به گونه‌ای مدیریت کنند که بازار حاضر به استفاده از آن برای تسویه قرارداد، ارزیابی وام و تحویل مشتقات باشد.

در حال حاضر سه مسیر کلی قابل مشاهده است. Silicon Data و Ornn به عنوان تأمین‌کنندگان مستقل معیار نزدیک‌تر هستند و عمدتاً از طریق جمع‌آوری قیمت‌های بازار و داده‌های قرارداد، استانداردسازی را انجام می‌دهند تا معیار را شکل دهند؛ Compute Desk هم به عنوان واسطه قدرت محاسباتی و تسویه عمل می‌کند و بنابراین می‌تواند معاملات واقعی و قراردادهای آتی را شامل قیمت، مدت و شرایط تسویه واقعی مشاهده کند؛ SemiAnalysis از هزینه‌های برق، خرید تراشه، استهلاک و هزینه‌های مراکز داده برای مدل‌سازی TCO استفاده می‌کند که بیشتر مناسب ارزیابی دارایی و تحقیق است و از معیار تسویه مالی فاصله بیشتری دارد.

4.2 معاملات درون‌بورسی/مشتقات استاندارد: بورس‌های سنتی و نوظهور وارد بازار قدرت محاسباتی می‌شوند

ارزش اصلی که بورس‌ها ارائه می‌دهند، استانداردسازی، تسویه و توزیع است. برای Neocloud، AI Lab و مؤسسات اعتباری خصوصی، اگر پوشش ریسک بتواند به طور مستقیم به سیستم‌های موجود FCM، حاشیه و تسویه متصل شود، هزینه‌های مؤسسات به طور قابل توجهی کاهش می‌یابد. بورس‌های سنتی و پلتفرم‌های نوظهور نیز به همین دلیل شروع به آزمایش محصولات قدرت محاسباتی کرده‌اند: CME و ICE زیرساخت‌های مشتقات بالغ را ادامه می‌دهند، در حالی که Architect AX/AIX و Pluto/PMEX در قراردادهای دائمی و مشتقات با تاریخ انقض ثابت مسیرهای مختلفی را آزمایش می‌کنند.

راه‌اندازی سرد مشتقات قدرت محاسباتی بسیار پیچیده‌تر از ثبت یک قرارداد است. قراردادهای قدرت محاسباتی به راحتی می‌توانند تکه‌تکه شوند. مدل‌های مختلف GPU، مناطق و پیکربندی‌های خوشه‌ای به ارزش تحویل متفاوتی مربوط می‌شوند و نقدینگی به سختی می‌تواند به طور طبیعی در یک قرارداد متمرکز شود. قیمت‌های دور به شدت به تحویل تراشه، برق و کارایی مدل وابسته است و سازندگان بازار مالی معمولی فاقد اطلاعات سفارش فیزیکی هستند و به سختی می‌توانند در دوره‌های شش ماهه یا یک ساله قیمت‌های عمیق را ارائه دهند.

پوشش ریسک صنعتی در کوتاه‌مدت نیز ممکن است به اندازه کافی بزرگ نباشد. Hyperscaler می‌تواند حجم زیادی از ریسک را درون‌سازمانی جذب کند و Neocloud پیشرو نیز با قراردادهای بلندمدت بخش قابل توجهی از جریان نقدی را پوشش داده است. بازار اولیه درون‌بورسی احتمالاً ابتدا نقدینگی معاملات و سفته‌بازی را جمع‌آوری خواهد کرد و اینکه آیا پوشش ریسک صنعتی می‌تواند به آن برسد، بستگی به این دارد که آیا اپراتورهای کوچک و متوسط و تیم‌های AI که به قدرت محاسباتی نیاز دارند، شروع به معامله مداوم و تکراری کنند.

4.3 معاملات خارج از بورس، سازندگان بازار: سفارشی‌سازی OTC و مدیریت تفاوت

قبل از شکل‌گیری عمیق درون‌بورسی، احتمالاً حجم زیادی از ریسک ابتدا از طریق OTC منتقل می‌شود. قدرت محاسباتی فیزیکی از نظر منطقه، شبکه، مقیاس خوشه، SLA و زمان تحویل بسیار خاص است و به سختی می‌توان آن را در یک قرارداد بورس واحد جا داد.

بنابراین Dealer در موقعیت بسیار باارزشی قرار دارد. از یک سو، Neocloud امیدوار است که اجاره را زودتر قفل کند و از سوی دیگر، AI Lab امیدوار است که هزینه‌های خرید را قفل کند، Dealer می‌تواند به هر دو طرف قیمت‌های سفارشی ارائه دهد و سپس با استفاده از مشتقات استاندارد یا موقعیت‌های دیگر، ریسک قیمت کلی را مدیریت کند. زمانی که تقاضای خرید و فروش از نظر زمان و مشخصات هم‌خوانی ندارد، Dealer باید ابتدا با ترازنامه خود سفارشات را بپذیرد.

این نوع کسب‌وکار فقط از اسپرد bid-ask درآمد کسب نمی‌کند. هزینه‌های مراکز داده، برق، شرایط شبکه، محدودیت‌های تحویل و اعتبار مشتری می‌توانند پایه‌ای را تشکیل دهند و قیمت‌گذاری مداوم این تفاوت‌های غیر استاندارد و تمایل به پذیرش ریسک با سرمایه، توانایی است که برای Dealer دشوار است که تکرار کند. H100 swap FalconX و Robert Leshner، و H100 آتی که Wintermute ارائه کرده است، می‌توانند به عنوان تلاش‌های اولیه سازندگان بازار برای آزمایش قیمت‌گذاری آتی قدرت محاسباتی و انتقال ریسک در نظر گرفته شوند. واسطه‌های مالی شروع به ارائه قیمت‌های سفارشی با دوره‌های مشخص برای قدرت محاسباتی کرده‌اند و بخش‌هایی که نمی‌توانند استاندارد شوند را در دفتر خود نگه می‌دارند.

بنابراین جریان واقعی سفارشات بسیار مهم است. شاخص به بازار قیمت متوسط را می‌گوید، در حالی که استعلام و معاملات در دست Dealer نزدیک‌تر به این است که در یک منطقه، پیکربندی و مدت خاص چه مقدار حق‌الزحمه واقعی باید پرداخت شود؛ این بخش اطلاعات به طور مستقیم تعیین می‌کند که چگونه پایه قیمت‌گذاری می‌شود و سود کجا باقی می‌ماند.

4.4 پلتفرم‌های ظرفیت و تحویل فیزیکی: تحویل قراردادهای کاغذی به فیزیکی

برای AI Lab، موقعیت‌های مالی قیمت را قفل می‌کند، اما تضمینی نیست که در آن زمان یک مجموعه GPU مطابق با نیازها در دسترس باشد. در زمان‌های کمبود قدرت محاسباتی، این تفاوت به ویژه مهم است. بدون توانایی تحویل فیزیکی، قیمت‌های آتی و اجاره واقعی مراکز داده به راحتی می‌توانند به سمت‌های مختلف حرکت کنند.

اکنون چندین تلاش در سطوح مختلف آغاز شده است. پلتفرم‌های موجود مانند Vast.ai، RunPod و Hyperbolic قیمت‌گذاری فیزیکی و داده‌های ظرفیت قابل استفاده بیشتری را ارائه می‌دهند؛ SF Compute اجازه می‌دهد ظرفیت‌های رزرو شده دوباره فروخته یا خریداری شوند و به قراردادهای ظرفیت بلندمدت مقداری نقدینگی می‌دهد؛ شبکه EFP سعی می‌کند قراردادهای استاندارد و قراردادهای فیزیکی خاص را به هم متصل کند، با استفاده از قراردادهای آتی برای مدیریت قیمت‌های کلان و قراردادهای آفلاین برای مدیریت منطقه، شبکه و SLA.

مدل‌هایی مانند SF Compute به ویژه قابل توجه هستند. در قراردادهای سنتی Take-or-Pay، ظرفیت‌های استفاده نشده معمولاً نزدیک به هزینه‌های غرق شده هستند؛ پس از اجازه فروش مجدد، ظرفیت‌های آینده شروع به داشتن ویژگی‌های قابل معامله می‌کنند. این امر نقدینگی قراردادهای بلندمدت را افزایش می‌دهد و همچنین به بازار فیزیکی اجازه می‌دهد قیمت‌های آتی واضح‌تری را ایجاد کند.

EFP همچنین یک مشکل دیگر را حل می‌کند. AI Lab می‌تواند ابتدا با استفاده از قراردادهای آتی استاندارد، بتای بازار را قفل کند و در زمان واقعی‌سازی، از طریق شبکه تحویل به دنبال مراکز داده خاص برود و هزینه‌های مربوط به منطقه، شبکه و SLA را پرداخت کند. به این ترتیب، بازار مالی نیازی به گنجاندن تمام تفاوت‌های فیزیکی در یک قرارداد آتی ندارد و می‌تواند به تحویل واقعی صنعتی خدمت کند.

4.5 بازارهای سرمایه‌گذاری استنتاج: تأمین مالی، حقوق خدمات و حقوق درآمد در اقتصاد استنتاج

پس از تبدیل GPU به توکن توسط ارائه‌دهندگان خدمات استنتاج، تقاضای مالی از اجاره سخت‌افزار به سرمایه در گردش و حقوق قراردادهای کسب‌وکار استنتاج گسترش می‌یابد. اگر ارائه‌دهندگان خدمات استنتاج بخواهند حاشیه ناخالص کامل را قفل کنند، به طور نظری باید همزمان هزینه ورودی GPU و قیمت خروجی توکن را مدیریت کنند.

سود ارائه‌دهندگان خدمات استنتاج تقریباً برابر است با: قیمت تحقق توکن × تولید توکن در هر GPU-hour × نرخ استفاده از GPU − هزینه GPU − سایر هزینه‌های عملیاتی

4.5.1 نقاط تقاضا برای ظهور دارایی‌های اقتصادی استنتاج چیست؟

GPU و ظرفیت باید از قبل خریداری شوند و درآمد API به تدریج با درخواست‌های مشتری ایجاد می‌شود. قضاوت تقاضا اگر بیش از حد باشد، می‌تواند منجر به ماشین‌های بلااستفاده شود و همچنین نقدینگی را اشغال کند. شرکت‌های مدل بزرگ و Hyperscaler می‌توانند از ترازنامه‌های خود برای جذب این نوسانات استفاده کنند، اما پلتفرم‌های استنتاج کوچک و متوسط به راحتی به پیش‌پرداخت مشتری یا تأمین مالی خارجی وابسته هستند.

تفاوت زمانی که ظرفیت قبل از تحقق تقاضا ایجاد می‌شود، چهار نوع دارایی را به وجود می‌آورد: اعتبار GPU برای تأمین مالی سرمایه‌گذاری اولیه؛ حقوق خدمات پیش‌پرداخت برای بازپرداخت درآمد آینده؛ مشوق‌های ظرفیت برای یارانه تأمین قبل از شکل‌گیری تقاضا؛ دارایی‌های استقرار مدل برای تلاش در تخصیص سود باقی‌مانده پس از کسر هزینه‌های عملیاتی.

بازار ابری سنتی مدت‌هاست که از اعتبارهای پیش‌پرداخت و ظرفیت‌های رزرو شده برای حل مشکلات مشابه عدم تطابق عرضه و تقاضا استفاده می‌کند. به عنوان مثال، مقیاس OpenAI به شرکت‌ها اجازه می‌دهد تا از قبل واحدهای ورودی و خروجی توکن مدل‌های خاص را خریداری کنند. این یک نوع خدمات استنتاج پیش‌پرداخت استاندارد شده است، فقط محدود به حساب‌های شرکتی است و نمی‌توان به راحتی منتقل کرد.

کریپتو یک لایه طراحی مالکیت جدید را به زنجیره اضافه می‌کند، که در آن مقادیر خدماتی که قبلاً در حساب‌های تأمین‌کننده ثبت شده بودند، می‌توانند توسط کیف پول نگهداری شوند و همچنین می‌توانند بیشتر منتقل و تأمین مالی شوند. اگر در آینده Agent‌ها شروع به خرید خدمات استنتاج کنند، این حقوق نیز می‌توانند به طور مستقیم وارد سیستم بودجه ماشین‌ها شوند. با توجه به اینکه پرداخت‌های برنامه‌ریزی شده در آینده به عنوان زیرساخت عمومی صنعت تبدیل می‌شود، موقعیت‌های زنجیره‌ای در واقع در سطح حقوق قابل شناسایی‌تر هستند. اینکه آیا یک خدمت آینده می‌تواند به طور مستقل نگهداری شود، منتقل شود و تأمین مالی شود، به طور مستقیم بر توانایی آن برای تبدیل شدن به دارایی مالی از اعتبارهای عادی تأثیر می‌گذارد.

در حال حاضر سهم اجرای استنتاج زنجیره‌ای هنوز بسیار کوچک است و ارائه‌دهندگان خدمات استنتاج بومی کریپتو در سه ماه گذشته تنها حدود 0.5% تا 1% از حجم توکن روزانه OpenRouter را تشکیل می‌دهند. این همچنین به این معنی است که در حال حاضر فرصت‌های واقعی‌تر زنجیره‌ای ممکن است در سطح مالی ظاهر شوند، در حالی که خدمات استنتاج همچنان توسط کارآمدترین پلتفرم‌ها تولید می‌شود و زنجیره مسئول گردش مالی و حقوق است.

4.5.2 چهار نوع تلاش برای دارایی‌سازی استنتاج

در حال حاضر در بازارهای سرمایه‌گذاری استنتاج چهار نوع جهت‌گیری برای دارایی‌سازی حقوق وجود دارد

اعتبار GPU ابتدا به دلیل وجود پرداخت‌کنندگان خارجی و ساختار محصولات مالی آن که به شدت به دارایی‌های اعتباری سنتی نزدیک است، به مقیاس رسید. بنابراین، سرمایه‌گذاری مؤسسات به راحتی می‌تواند آن را درک کند.

یک وام معمولی GPU هنوز از ساختار تأمین مالی دارایی‌های سنتی پیروی می‌کند: GPU توسط SPV دلاور نگهداری می‌شود و وام‌دهنده از طریق توافق‌نامه وام و امنیت، UCC-1 و واگذاری حق وثیقه مرکز داده، حق وثیقه را برقرار می‌کند. وام‌ها، بازپرداخت‌ها و توزیع درآمدها در زنجیره ثبت می‌شوند؛ در صورت عدم پرداخت، اجرای حق طلبی همچنان به قراردادهای آفلاین، کنترل تجهیزات و سیستم قضایی بازمی‌گردد.

پس از استقرار GPU توسط وام‌گیرنده، مشتریان پایین‌دستی به طور مداوم هزینه‌های محاسباتی را پرداخت می‌کنند و این جریان نقدی، وام اصل و بهره را پشتیبانی می‌کند. تا زمانی که قرارداد خرید ادامه یابد، وام منبع مشخصی برای بازپرداخت دارد.

با این حال، این جهت اعتبار GPU نسبت به سایرین به راحتی توسط سرمایه‌گذاری‌های سنتی جذب می‌شود. با توجه به اینکه وام‌های ارشد در آینده دارای دوره‌های استاندارد، نرخ بهره، LTV و پیگیری قانونی خواهند بود، هزینه‌های سرمایه بانک‌ها، سرمایه‌های بیمه و اعتبار خصوصی به طور قابل توجهی کمتر از سرمایه‌های زنجیره‌ای خواهد بود. وام‌های بزرگ، با درجه سرمایه‌گذاری و ساختار واضح در نهایت به احتمال زیاد وارد کنسرسیوم‌های سنتی، ABS یا صندوق‌های اعتبار خصوصی خواهند شد.

مکان‌هایی که می‌توانند به طور طولانی در زنجیره حفظ شوند عمدتاً در بخش‌هایی هستند که هزینه‌های خدمات TradFi نسبتاً بالا است، مانند: آغاز وام‌گیری برای اپراتورهای کوچک و متوسط، تأمین مالی استیبل‌کوین‌های فرامرزی، توزیع سهم وام، نظارت بر تجهیزات و بهره‌وری به صورت لحظه‌ای، و تحمل خسارت اولیه در لایه‌های junior یا mezzanine. ساختار محتمل‌تر در آینده این است که پروتکل‌های زنجیره‌ای مسئول شناسایی وام‌گیرندگان، نظارت بر دارایی‌ها و سازماندهی اولین دور سرمایه باشند؛ پس از پایدار شدن عملکرد وام، بخش ارشد به سرمایه‌های سنتی فروخته می‌شود و زنجیره به نگهداری هزینه خدمات، ریسک‌های ثانویه و روابط داده ادامه می‌دهد.

حق خدمات پیش‌پرداخت

حق خدمات پیش‌پرداخت نیاز مالی امروز ناشر را حل می‌کند. پلتفرم ظرفیت API آینده را پیش‌فروش می‌کند، ابتدا پول نقد دریافت می‌کند و سپس در آینده به طور مداوم به تعهدات خود عمل می‌کند. هرچه مدت زمان بیشتر شود، ریسک پلتفرم که خریدار متحمل می‌شود، بیشتر نمایان می‌شود. آیا مدل چند سال بعد هنوز رقابتی خواهد بود؟ قیمت خدمات به چه سطحی کاهش خواهد یافت؟ آیا قدرت خرید credits حفظ خواهد شد؟ همه این‌ها بر ارزیابی امروز تأثیر می‌گذارد.

بنابراین، این نوع محصولات به تدریج به سمت قراردادهای ظرفیت استاندارد نزدیک‌تر خواهند شد. مدت زمان کوتاه‌تر خواهد بود، استانداردهای خدمات واضح‌تر خواهند بود و مدل‌ها می‌توانند طبق قوانین توافق شده جایگزین شوند. هرچه قرارداد واضح‌تر باشد، حق خدمات پیش‌پرداخت راحت‌تر می‌تواند قیمت بازار نسبتاً مستقلی را شکل دهد.

علاوه بر این، یک انتخاب معکوس نیز وجود دارد. پلتفرم‌هایی که بهترین مدل‌ها، قوی‌ترین تقاضای مشتری و پایدارترین قدرت قیمت‌گذاری را دارند، معمولاً انگیزه‌ای برای صدور حقوق پیش‌پرداخت بلندمدت و قابل انتقال ندارند. آن‌ها بیشتر تمایل دارند که قیمت‌گذاری متفاوت مشتریان، درآمد ناشی از credits استفاده‌نشده و توانایی تنظیم قیمت را حفظ کنند. پلتفرم‌هایی که بیشتر نیاز به پیش‌فروش حقوق خدمات بلندمدت دارند، معمولاً به تأمین مالی و جذب مشتری نیاز دارند، اما رقابت‌پذیری آینده آن‌ها هنوز اثبات نشده است.

تشویق ظرفیت

تشویق ظرفیت مشکل سازماندهی تأمین در اوایل شبکه استنتاج را حل می‌کند. گره‌ها باید GPU و مدل‌ها را پیش‌تنظیم کنند و همچنین هزینه‌های عملیاتی را متحمل شوند. هنگامی که سمت تقاضا هنوز به طور پایدار شکل نگرفته است، گره‌ها انگیزه کافی برای آنلاین شدن پیش از موعد ندارند، و انتشار توکن‌های شبکه می‌تواند به سمت تأمین درآمدی را تضمین کند و به شبکه اجازه دهد تا ظرفیت قابل استفاده را به دست آورد.

اینکه آیا در بلندمدت می‌توان این وضعیت را برقرار کرد، بستگی به این دارد که آیا پرداخت‌های مشتریان به تدریج می‌تواند درآمد گره‌ها را پوشش دهد. پروتکل می‌تواند تأیید کند که یک وظیفه استنتاج واقعاً اجرا شده است و همچنین می‌تواند تأیید کند که گره از مدل مشخص استفاده کرده است، اما خود وقوع محاسبات ارزش اقتصادی ایجاد نمی‌کند. انتشار توکن‌ها می‌تواند تأمین را برای یک مدت معین خریداری کند، اما تقاضای مشتری هنوز به سفارشات واقعی نیاز دارد تا اثبات شود.

مکانیسم تشویق منطقی‌تر ممکن است به تدریج با درآمد واقعی مرتبط شود. مشتری ابتدا با استیبل‌کوین هزینه‌های وظیفه را پرداخت می‌کند، گره پس از تکمیل استنتاج و تأیید درآمد را دریافت می‌کند، سپس پروتکل بر اساس درآمد خارجی پاداش اضافی ارائه می‌دهد و با رشد شبکه به تدریج یارانه‌ها را کاهش می‌دهد. این می‌تواند هزینه‌های شروع سرد را تحمل کند و در عین حال سیگنال واضح‌تری به بازار بدهد: چه مقدار از درآمد گره‌ها از مشتریان ناشی می‌شود و چه مقدار هنوز از یارانه‌های سرمایه است. در بلندمدت، تشویق ظرفیت واقعاً نیاز دارد که از خرید تأمین با توکن به تأمین با درآمد مشتریان منتقل شود، و این تغییر زمانی رخ می‌دهد که شبکه شروع به داشتن پایه اقتصادی مستقل از چرخه بازار توکن کند.

حق درآمد مدل‌های منفرد

حق درآمد مدل‌ها به نزدیک‌ترین حالت به آنچه که در بالا گفته شد، یعنی crack spread نزدیک است:

سود باقی‌مانده از استقرار مدل = درآمد API − هزینه GPU − هزینه‌های شبکه، ذخیره‌سازی و مهندسی − هزینه جذب و یارانه

بسیاری از Model Token‌ها به دارندگان خود عمدتاً انگیزه‌های خرید و استیکینگ می‌دهند و لزوماً به یک حق درآمد قانونی قابل ادعا مرتبط نیستند. اگر بین درآمد API و ارزش توکن رابطه قراردادی روشنی وجود نداشته باشد، ارزیابی به سختی می‌تواند یک نقطه لنگر پایدار شکل دهد.

عمر مدل همچنین این مشکل را بیشتر بزرگ می‌کند. سرعت به‌روزرسانی مدل‌ها بسیار سریع است، یک دارایی به محض اینکه تأمین مالی و استقرار را کامل کرد، ممکن است مدل پایه توسط جایگزین‌های جدیدی دنبال شود. بنابراین، یک مدل منفرد به سختی می‌تواند یک دارایی مالی بلندمدت را پشتیبانی کند.

جهت‌گیری توسعه محتمل‌تر این است که واحدهای پایه به تدریج به استراتژی بار کاری گسترش یابند. به عنوان مثال، یک استراتژی استنتاج کدنویسی می‌تواند به طور مداوم مدل‌های پایه را تغییر دهد و بر اساس کیفیت و هزینه، مسیر را تنظیم کند. بنابراین، دارندگان یک استراتژی استنتاج پایدار را به عهده می‌گیرند و عمر دارایی با تقاضای مشتری و بار کاری همراه است.

علاوه بر این، اگر این نوع محصولات بخواهند به بازار مؤسسات وارد شوند، به نهادهای قانونی مشخص، درآمد API حسابرسی شده و جریان نقدی waterfall واضح نیاز دارند. در غیاب این پایه‌ها، ارزیابی Model Token همچنان به شدت به حجم استفاده آینده و سیاست خرید ناشر وابسته خواهد بود.

4.5.3 Router پیش از توکن‌های آتی مدیریت ریسک سمت تقاضا را ارائه می‌دهد

Router لایه‌ای است که در مالی‌سازی استنتاج کمتر مورد توجه قرار گرفته است.

شرکت‌ها در نهایت نگران این هستند که یک وظیفه چقدر هزینه خواهد داشت. اینکه کدام مدل به کار رفته، در بسیاری از سناریوها فقط یک مسیر اجرایی است. Router می‌تواند به طور مداوم مدل‌ها و تأمین‌کنندگان مختلف را مقایسه کند و در زمان تغییر قیمت، جریان را مجدداً تخصیص دهد. خدمات پایه به طور طبیعی بسیار ناهمگن است و پس از مدیریت Router، قابلیت جایگزینی به تدریج افزایش می‌یابد.

این به طور مستقیم بر مقیاس مشتقات سمت تقاضا تأثیر می‌گذارد. بسیاری از نوسانات هزینه می‌توانند ابتدا از طریق تغییر مدل و بهینه‌سازی نرم‌افزار جذب شوند. تنها نوساناتی که نمی‌توان از این طریق مدیریت کرد، نیاز به مداخله ابزارهای مالی دارند.

Router همچنین یک مزیت داده‌ای بسیار مهم دارد: می‌تواند صورت‌حساب‌های واقعی را ببیند. قیمت‌های رسمی API عمومی به سختی می‌تواند هزینه‌های واقعی خرید شرکت‌ها را نمایندگی کند، Router می‌تواند ببیند مشتری واقعاً چقدر پرداخت کرده و این قیمت به چه کیفیت خدماتی مربوط می‌شود. پس از جمع‌آوری سفارشات، این داده‌ها می‌تواند فرصتی برای شکل‌گیری شاخص هزینه بار کاری با تنظیم کیفیت فراهم کند.

یک قدم جلوتر، Router می‌تواند به طور مستقیم به شرکت‌ها هزینه‌های حداکثر را ارائه دهد. به عنوان مثال، شرکت می‌تواند بودجه بار کاری کدنویسی آینده خود را برای سه ماه آینده قفل کند، Router در پس‌زمینه انتخاب مدل و تأمین ظرفیت را مدیریت می‌کند و در صورت نیاز از مشتقات GPU برای مدیریت ریسک باقی‌مانده استفاده می‌کند. مشتری در نهایت به قطعیت بودجه دست می‌یابد و نیازی به مدیریت سبد مدل‌ها، موقعیت‌های آتی و پایه ندارد. این نوع محصول ممکن است بیشتر با عادات خرید شرکت‌ها سازگار باشد تا توکن‌های آتی عمومی. Router می‌تواند پیچیدگی‌های پایه را در داخل نگه دارد و به مشتری قیمت پایدارتر و قابل پیش‌بینی‌تری ارائه دهد.

توکن‌ها در حال حاضر استاندارد واحدی را شکل نداده‌اند، اما Router می‌تواند به طور مداوم به دنبال تأمین جایگزین در اطراف یک بار کاری مشخص باشد. پس از جمع‌آوری معاملات به مقیاس معین، بار کاری خود ممکن است به واحد قیمت جدیدی تبدیل شود.

اگر این مسیر برقرار شود، Router به تدریج از ابزار تخصیص جریان به مدیریت تأمین و ریسک گسترش می‌یابد. دارایی‌های با ارزش‌ترین آن نیز به تدریج مشخص‌تر خواهد شد: سفارشات واقعی، قیمت‌های واقعی معامله و توانایی مدیریت هزینه و کیفیت بین مدل‌های مختلف. استاندارد قیمت بار کاری احتمالاً ابتدا در این لایه شکل می‌گیرد و سپس به بازارهای شاخص و مشتقات وارد می‌شود.

4.5.4 پنجره کریپتو قبل از شکل‌گیری استاندارد

زمانی که یک حق هنوز مشخصات یکسانی ندارد، هزینه پردازش آن برای مالیات سنتی بسیار بالا است. مبلغ قرارداد کوچک‌تر و ساختار آن خردتر است، و زنجیره می‌تواند سریع‌تر اشکال جدید مالکیت را آزمایش کند. اگر در آینده Agent‌ها شروع به نگهداری و اجرای قراردادهای خدمات به طور مستقیم کنند، ارزش این زیرساخت‌ها بیشتر خواهد شد.

زمانی که یک نوع دارایی قراردادهای بالغی را شکل دهد، سرمایه‌های بزرگ به تدریج وارد بازارهای بانکی و مؤسسه‌ای خواهند شد. اعتبار GPU ارشد در حال حاضر می‌تواند این جهت را مشاهده کند. پس از بلوغ قراردادهای آتی استاندارد، بورس‌ها و سازندگان بازار مؤسسات نیز وارد خواهند شد. پروتکل‌های زنجیره‌ای در این دوره باید جریان واقعی سفارشات (داده‌های مشتری و معاملات) را جمع‌آوری کنند و استانداردهای قرارداد و داده‌های عملکرد خود را به تدریج به دیوارهای دفاعی تبدیل کنند.

محصولاتی که امروز ظاهر شده‌اند، به طور کلی به مراحل مختلف استانداردسازی واحدهای ریسک مربوط می‌شوند:

محصولات اولیه هنوز به شدت به اعتبار یک شرکت خاص وابسته هستند. با اجازه تدریجی قراردادها برای جایگزینی خدمات، ریسک ناشر کاهش می‌یابد. وقتی بازار بتواند یک سبد از بارهای کاری با کیفیت مشابه را به طور پایدار تعریف کند، شاخص سمت تقاضا فرصتی برای شکل‌گیری خواهد داشت. قراردادهای آتی و گزینه‌ها باید بر اساس این نوع واحدهای ریسک پایدار بنا شوند.

Agent ممکن است استفاده از قراردادهای زنجیره‌ای را بیشتر گسترش دهد. اگر نرم‌افزارها در آینده به طور خودکار خدمات استنتاج را خریداری کنند، یک قرارداد API شرکتی امروز به تعداد زیادی تصمیمات خرید در زمان واقعی تقسیم خواهد شد. در آن زمان، مالکیت حقوق خدمات، محدودیت‌های بودجه، تأیید عملکرد و غیره به طراحی زیرساخت‌های مالی وارد خواهد شد.

مالی‌سازی لایه استنتاج در نهایت باید مشکل تبدیل خدمات AI با سفارشی‌سازی بالا به حقوقی که بازار سرمایه قادر به درک و قیمت‌گذاری آن است، را حل کند. قدرت قیمت‌گذاری بازار اولیه به این بستگی دارد که چه کسی این حقوق را زودتر تعریف کند.

پنج، خلاصه

1. زمان‌بندی/چرا اکنون؟

در سال 2026، مؤسسات مالی سنتی مانند CME و ICE به طور فشرده وارد بازار قیمت‌گذاری قدرت محاسباتی و مشتقات خواهند شد و زیرساخت‌های بازار در حال ساخت است. ما بیشتر به تغییرات در دو جهت و ریتم آن‌ها توجه داریم.

اول، بدهی به طور عمیق‌تری وارد زیرساخت‌های AI می‌شود. وقتی GPU و مراکز داده بیشتر به تأمین مالی خارجی وابسته می‌شوند، نوسانات اجاره به طور مستقیم بر DSCR، LTV و شرایط تجدید مالی تأثیر می‌گذارد. وام‌دهندگان همچنین انگیزه بیشتری دارند که ریسک قیمت را در قراردادها بگنجانند و از اپراتورها بخواهند که بخشی از جریان نقدی آینده را زودتر قفل کنند. مسیر تأمین مالی CoreWeave نشان داده است که چگونه پوشش قرارداد بر قیمت‌گذاری اعتباری تأثیر می‌گذارد؛ اگر ساختارهای تأمین مالی مشابه ادامه یابند، اعتبار خصوصی و بانک‌ها احتمالاً به نیروی محرکه مهمی برای پوشش ریسک قدرت محاسباتی تبدیل خواهند شد.

دوم، تقاضای بیشتری برای قدرت محاسباتی در بازارهای تأمین عمومی ظاهر می‌شود. مدل‌های متن‌باز آستانه استقرار مدل‌ها را برای شرکت‌ها کاهش داده‌اند و بار کاری که توسط ابرهای شخص ثالث، Neocloud و پلتفرم‌های استنتاج انجام می‌شود، افزایش یافته است. هرچه تقاضای حاشیه‌ای بیشتری در بازار عمومی وجود داشته باشد، اجاره GPU راحت‌تر به کشف قیمت پایدار تبدیل می‌شود و همچنین شرکت‌های بیشتری به طور مستقیم در معرض نوسانات اجاره قرار می‌گیرند.

بازار هنوز در مراحل اولیه است. GPU به سرعت در حال تکامل است و مناطق، شبکه‌ها، خوشه‌ها و دوره‌های قرارداد به شدت غیر استاندارد هستند، بنابراین احتمالاً معاملات اولیه هنوز در OTC متمرکز خواهد بود، جایی که Dealer ابتدا نیازهای مشتری و basis را بر عهده می‌گیرد. سیگنال‌های پذیرش قابل مشاهده این است که آیا مشتریان صنعتی شروع به پوشش ریسک به طور مداوم و تکراری کرده‌اند.

2. قراردادهای دائمی یا آتی با تاریخ انقض ثابت، کدام یک راحت‌تر می‌تواند PMF را پیدا کند؟

ریسک مشتریان صنعتی معمولاً دارای تاریخ انقض مشخصی است. پروژه‌های آموزشی شش‌ماهه، قراردادهای ظرفیت یک‌ساله و وام‌های GPU چندساله همه به یک قیمت با دوره مرتبط نیاز دارند. آتی‌های با تاریخ انقض ثابت در این زمینه به مدیریت ریسک شرکت‌ها نزدیک‌تر هستند و همچنین از طریق EFP به قراردادهای فیزیکی با مدل‌های خاص، مناطق و SLA متصل‌تر هستند.

بنابراین، قراردادهای دائمی بیشتر برای کشف قیمت نزدیک و نقدینگی معاملات مناسب هستند، در حالی که آتی‌های با تاریخ انقض ثابت بیشتر برای پوشش ریسک شرکت‌ها، قیمت‌های دوره‌ای و اجرای فیزیکی مناسب هستند.

3. کدام لایه احتمالاً زودتر ارزش تجاری را به دست می‌آورد؟

در کوتاه‌مدت، ما معتقدیم که کارگزاران / Dealerهایی که جریان سفارشات فیزیکی را در دست دارند و پلتفرم‌های میانی که جریان سفارشات استنتاج و زمان‌بندی را کنترل می‌کنند، سریع‌تر ارزش تجاری را به دست خواهند آورد. بازار فعلی هنوز به طور مکرر برای "آیا ظرفیت قدرت محاسباتی وجود دارد" حق بیمه‌های بالایی پرداخت می‌کند و ارزش به دست آوردن کارت‌ها هنوز به طور قابل توجهی بالاتر از هزینه‌های پوشش ریسک است که بهینه‌سازی چندین BP را شامل می‌شود. هر کسی که بداند کجا کارت‌های خالی وجود دارد، چه کسی در حال رقابت برای ظرفیت است و مایل است با ترازنامه خود سفارش بگیرد، فرصتی برای کسب هزینه‌های تسهیل، spread bid-ask و حق بیمه basis خواهد داشت.

با استانداردسازی تدریجی معاملات در بازار، ارزش شاخص‌های قیمت به طور فزاینده‌ای افزایش خواهد یافت و به محض اینکه یک benchmark به طور مکرر در قراردادهای زیادی ارجاع شود، هزینه‌های انتقال و اثرات شبکه به سرعت افزایش می‌یابد.

پس از آن، پس از اینکه قراردادهای استاندارد و پوشش ریسک صنعتی به اندازه کافی بزرگ شوند، بورس‌ها به طور کامل از مزایای مقیاس ناشی از تسویه، حاشیه و شبکه نقدینگی بهره‌مند خواهند شد.