Silicon Data i CME Group uruchamiają kontrakty futures powiązane z kosztami mocy obliczeniowej do AI

Silicon Data, spółka śledząca wyceny mocy obliczeniowej oferowanej przez dostawców chmury oraz na rynkach GPU, połączyła siły z CME Group, aby uruchomić kontrakty terminowe (futures) powiązane z kosztami obliczeniowymi niezbędnymi do trenowania i uruchamiania systemów AI. Rozwiązanie ma umożliwić firmom zabezpieczanie się przed wahaniami cen za dostęp do mocy obliczeniowej. Kontrakty pozostają jednak jeszcze bez formalnej zgody regulatorów.

Już kilka dni po ogłoszeniu współpracy z CME Group do swojego kolejnego kroku przygotowują się wybrani gracze finansowi. ProShares i Rex Shares złożyły propozycje uruchomienia funduszy ETF powiązanych z planowanymi kontraktami, w tym także z produktami typu lewarowane oraz odwrotne (które dążą do uzyskania wyniku odwrotnego do tego, co dzieje się z bazową ekspozycją).

Szef spółki Carmen Li przekonuje, że docelowy rynek mógłby dorównać skalą największym segmentom rynków towarowych.

„Myślę, że będzie większy” niż rynek futures na ropę — powiedziała w wywiadzie, dodając, że zapotrzebowanie energetyczne związane z działaniem sztucznej inteligencji w przyszłości przewyższy wszystkie pozostałe zastosowania energii łącznie.

„Jak paliwo lotnicze”

Pomysł opiera się na podobieństwie do ubezpieczenia kosztów paliwa w branży lotniczej. Większość firm nie posiada na własność najwydajniejszych procesorów graficznych (GPU) wykorzystywanych do nowoczesnych systemów AI. Zamiast tego wynajmuje dostęp do mocy obliczeniowej przez dostawców usług chmurowych oraz rozwijający się ekosystem tak zwanych neocloudów.

Wraz z rosnącym popytem na infrastrukturę AI koszty dostępu do obliczeń mogą się wyraźnie zmieniać, co utrudnia planowanie budżetów. „Jesteśmy obecnie w punkcie wysokiej niepewności — powiedziała Seoyoung Kim, profesor finansów na Santa Clara University. — Wiele osób nie wie, jaką moc obliczeniową będzie musiało mieć w przyszłym roku, a wielu dostawców mocy nie wie, ile GPU i o jakiej pojemności zamówić. Producentom — na przykład Nvidia — też trudno oszacować, ile powinni wyprodukować.”

Silicon Data zbudowała zestaw indeksów cen GPU, które śledzą godzinowy koszt wynajmu konkretnych układów u różnych dostawców. Spółka liczy, że takie benchmarki staną się fundamentem przyszłego rynku futures — podobnie jak West Texas Intermediate (WTI) jest punktem odniesienia dla instrumentów rynku energii.

Żeby futures mogły działać, muszą znaleźć się zarówno kupujący, jak i sprzedający ryzyko. Firmy, które obawiają się wzrostu kosztów obliczeń, szukałyby ochrony przed wyższymi cenami. Z kolei dostawcy dysponujący dużymi zasobami mogliby zabezpieczać się przed ryzykiem spadku cen.

Benchmarki zaczęły już pojawiać się w dokumentach firm. Przykładowo SpaceX odwołało się do danych Silicon Data dotyczących stawek wynajmu GPU w prospekcie związanym z ofertą.

Wejście spekulantów

Nie chodzi jednak wyłącznie o hedging. Podobnie jak na innych rynkach futures kontrakty na obliczenia mogłyby też przyciągać spekulantów — inwestorów, którzy nie potrzebują mocy obliczeniowej, ale obstawiają, w którą stronę pójdą ceny.

Zwolennicy podkreślają, że spekulanci mogą zwiększać płynność i poprawiać proces odkrywania cen (price discovery). Krytycy zwracają uwagę, że spekulacja może nasilać wahania i odrywać wyceny od faktycznego popytu i podaży.

Carmen Li oceniła, że spekulanci są elementem potrzebnym do sprawnego działania rynku: „To ważna część ekosystemu. Potrzebujesz naturalnych hedgerów, market makerów i spekulantów. Oni mają swoje zdanie i chcą je wyrazić — to jak najbardziej w porządku.”

Jak zaznaczyła, uczestnicy rynku, którzy uważają, że mają przewagę w ocenie przyszłej równowagi popytu i podaży, powinni móc przekładać te przekonania na notowania. Jej zdaniem sprzyja to wyznaczaniu cen dla całej branży.

Złożone wnioski ProShares i Rex Shares dotyczące ETF-ów są uzależnione od zatwierdzenia przez regulatorów samego rynku futures. Mimo to fakt, że instytucje już inicjują procedury, sugeruje, iż część inwestorów traktuje koszty obliczeń w AI jako potencjalną klasę aktywów do obrotu, a nie tylko jako koszt technologiczny.

Benchmarking kosztu obliczeń w AI

W przeciwieństwie do baryłki ropy AI nie jest towarem fizycznym o znormalizowanej specyfikacji. Silicon Data wskazuje, że nawet w przypadku samego chipa Nvidia H100 istnieje ponad 50 różnych konfiguracji, a ceny różnią się zależnie od procesorów, pamięci, sieci, wskaźników wykorzystania oraz lokalizacji centrum danych.

Żeby taki rynek futures mógł działać, traderzy muszą mieć przekonanie, że jeden benchmark będzie w stanie rzetelnie odzwierciedlać te różnice.

„To, co robimy, polega na codziennym normalizowaniu cen trafiających na naszą platformę do bazowego scenariusza z H100. To bardzo skomplikowany etap normalizacji, nawet zanim pojawi się krok wyliczania indeksu” — powiedziała Carmen Li.

Seoyoung Kim zwróciła uwagę, że standaryzacja jest od dawna jednym z największych wyzwań rynku futures. Dla przykładu kontrakty na kukurydzę precyzują dokładną klasę ziarna możliwego do dostarczenia w ramach umowy. W przypadku mocy obliczeniowej rynek musi rozwiązać podobny problem — zdefiniować, co dokładnie jest przedmiotem obrotu między kupującymi i sprzedającymi.

„CFTC będzie chciała wiedzieć dokładnie, jaki to produkt — powiedziała. — Specyfikacje kontraktu, sposób rozliczeń i konstrukcja benchmarków najpewniej będą poddane szczegółowej ocenie, zanim rynek będzie mógł ruszyć.”