从算力期货看AI时代的金融工具创新

当算力开始进入期货市场，一个新的金融命题也随之而来。

当地时间8月11日，芝商所宣布，计划于10月推出两只算力期货合约，分别挂钩英伟达H100和B200 GPU租赁价格指数。几个月前，洲际交易所也已布局相关算力衍生品。随着人工智能产业加速发展，算力这一重要生产要素开始进入标准化金融交易市场。

把GPU租赁价格做成期货，看似只是全球衍生品市场多了一个新品种，背后却折射出一个更值得关注的问题：当AI不断改变企业的生产方式、成本结构和资产形态，金融工具能否跟上产业风险变化的速度？

算力期货首先回应的是价格风险。从大模型训练、推理到智能体运行，AI企业需要持续投入大量算力。然而，算力资源难以储存，不同芯片型号、租赁期限和服务条件下的价格差异明显，供需变化还会带来价格波动。芝商所此次推出算力期货，正是试图通过标准化合约建立公开的远期价格，让算力需求方能够提前锁定成本，让供应方管理价格波动风险，同时为市场提供一个观测未来算力供需的价格信号。

这也是期货市场最基本的功能。就像大宗商品企业可以管理原油、铜等原材料价格风险，当算力成为AI产业越来越重要的投入要素，产业自然会产生相应的价格风险管理需求。因此，算力期货真正值得关注的，并不是“算力也可以炒了”，而是金融市场开始尝试为一种新的生产要素建立定价和风险管理机制。

国内也已开展前瞻性布局。今年6月，上海印发《关于深化上海全球资产管理中心建设的若干意见》，明确提出做好电力期货、算力期货研发准备，并提出研发更多代表新质生产力发展方向的新型期货品种。

但AI带给金融体系的新问题，显然不只有算力价格波动。过去谈金融支持科技创新，更多关注“钱从哪里来”：通过信贷、股权投资、债券市场等为科技企业研发和成长提供资金。进入AI时代后，还需要回答一个问题：怎样看懂一家与传统企业越来越不一样的AI企业？

传统制造企业拥有厂房、设备和存货，金融机构可以据此进行抵押和信用评价。但一家由几个人组成的AI创业企业，核心价值可能存在于模型、算法、数据以及持续增长的用户调用量之中。它们缺少传统抵押物，却并不意味着缺少价值。

这正在推动金融机构寻找新的信用评价标准。今年6月，北京提出开发“OPC贷”，综合运用Token消耗数据、赛事获奖情况、创始人征信、自主知识产权、自研技术成果等信息为企业增信；8月，广州海珠区发布“Token贷”，尝试根据企业合同或Token实际消耗量核定融资额度。金融机构开始尝试从AI企业的新型经营数据中识别其真实经营状况和信用水平。

与此同时，金融创新还在向资产化和风险保障延伸。今年8月，安徽提出鼓励银行推出“Token贷”“模型贷”，支持以数据知识产权、算法模型著作权作为质押物，并探索覆盖技术研发失败、核心数据泄露等风险的OPC科创保险。

这些探索看似名称各异，背后逻辑却高度一致：随着企业价值更多沉淀于数据、模型和算法之中，金融体系也需要寻找适应新产业特点的信用评价和风险管理方式。

当然，Token消耗量不能简单等同于收入，更不能天然代表偿债能力。但如果能够与客户数量、订单、收入以及模型使用频率等数据相互验证，它就可能成为判断AI企业经营活跃度的新变量。

进一步看，变化的还不只是信用评价标准，金融意义上的“资产”边界也正在延伸。今年6月，国家数据局提出探索以词元（Token）为基础的价值体系，推动数据集交易，并鼓励探索数据集质押融资、作价入股、资产证券化、数据信托、数据保险等多元资产化模式。

这意味着，数据、算法、模型、未来算力收益等过去难以进入传统金融评价体系的资源，正在被探索转化为能够定价、交易乃至融资的新型资产，成为金融创新所依托的底层资产。

由此再回头看算力期货，就会发现它并不是一个孤立事件。从“算力贷”解决“如何获得算力”，到“OPC贷”“Token贷”探索“如何识别AI企业信用”，再到算力期货回答“如何管理未来价格波动”，AI产业正在提出一系列传统金融工具难以完全覆盖的新需求，这也是AI时代金融创新真正需要关注的方向。

技术革命改变产业，也会重塑金融需求。进一步看，未来需要管理的可能也不只是某一种要素的单一价格风险。算力的价格与芯片、电力等成本高度相关，AI产业面临的实际上是一条相互关联的成本链。哈佛大学贝尔弗中心近期研究指出，随着AI数据中心成为大型电力负荷，算力市场与电力市场将越来越紧密地联动。这也带来一个新的启示：AI时代的金融创新不能停留在为每一种新要素分别设计一个产品。随着产业链上的成本关联越来越紧密，金融工具也需要从管理单一价格波动，逐步走向识别和管理更加复杂的产业风险组合。

不过，无论是哪一种金融创新，都不能脱离基本规律。算力期货要真正发挥作用，需要相对成熟、透明的现货市场，需要获得产业认可的标准和价格指数，更需要AI企业、云服务商、数据中心等真实产业主体参与套期保值。“Token贷”“模型贷”同样面临新的风控问题。Token与企业收入之间如何建立稳定关系，模型和数据如何确权、估值，技术快速迭代后质押物价值如何调整，都需要进一步探索。

金融创新不能只是给传统产品换一个带有AI色彩的名称，更不能因为追逐新概念而放松风险管理标准。创新的边界最终仍然要依托于实体经济的真实需求。从这个意义上说，算力期货带来的最大启示，或许并不是未来还会有多少种“AI金融产品”，而是金融体系必须提高理解新产业的能力。当AI时代生产要素被重新定义，金融体系也需要重新认识资产、信用与风险。

金融时报：张弛