如果计算资源不可互换,还能成为商品吗?(5分钟阅读)
摘要
分析了AI算力因非可互换性而无法成为商品的观点,用商品市场类比表明标准参考加基差交易可能实现商品化。
CoreWeave的联合创始人Brannin McBee最近声称,算力不像商品那样具有可互换性。他的论点有一定道理,但非商品化的框架正是其公司价值的关键。虽然他似乎在说市场不存在,但实际上他正在为市场定价,并揭示价差仍隐藏在哪里。
查看缓存全文
缓存时间: 2026/06/12 14:50
# 如果计算资源不可互换,它还能成为商品吗?
来源:https://davefriedman.substack.com/p/can-compute-commoditize-if-its-not
*请参阅相关声明[此处](https://davefriedman.substack.com/about)。*
在最近一期彭博社的*OddLots*播客中,CoreWeave联合创始人[Brannin McBee](https://www.coreweave.com/leadership/brannin-mcbee)被问及计算资源是否终将成为一种可交易的大宗商品。他的回答是审慎的“现在不行,或许以后”,并基于一个论断:计算资源不像商品所必须的那样具备可互换性。为了说明这一点,他以黄金为例。黄金由其化学成分定义;一盎司就是一盎司。他认为,在某家云服务商那里的一个H100-小时,并不等同于另一家服务商的H100-小时。它们有着不同的[有效吞吐](https://en.wikipedia.org/wiki/Goodput)、不同的[模型浮点运算利用率](https://lmms-engine.readthedocs.io/en/latest/reference/mfu.html),同样的标称下却有着不同的实际运营状况。没有可互换性,就没有商品化。
黄金是一个方便的类比,因为它把可互换性变成了一个非此即彼的问题。但商品市场很少如此运作,而McBee——他比大多数人都更清楚这一点。在创立CoreWeave之前,他交易过天然气、电力和农产品。电力具有地点基差,意味着同一兆瓦电在不同节点价值不同,而节点间的拥塞本身就是一个可交易的产品。它存在稳定性(稳定供电与可中断供电)和时间形态(峰值与非峰值)。天然气有亨利枢纽,然后还有一整套基差掉期合约,为每个交付点相对于亨利枢纽定价。这些是地球上最深的衍生品市场之一,它们的发展并非因为同质性,恰恰是克服了不可互换性。商品市场设计从来不需要完全相同。它需要一个标准化的**参考基准**,加上一个单独定价的**基差**。其艺术在于发明一个可互换的参考基准,并围绕它交易偏差。
因此,反驳McBee的简单版本(“他不理解商品市场”)是错误的。他理解得完美无缺。正因如此,他的反对意见才值得仔细拆解。
对商品化的实质性反对意见是,计算资源缺乏一个清晰的**收敛机制**。天然气有管道、存储、申报和交付点。电力有节点、拥塞、调度和输电权。这些是迫使一个庞大的实体市场收敛到某个价格的基础设施。而计算资源有集群、队列、软件环境、故障域、数据引力、安全要求以及特定工作负载的性能表现,并且没有既定的基础设施来使它们收敛。这并不意味着市场不可能存在。它告诉我们第一个可交易产品可能是什么样子:一种现金结算的参考风险敞口,包裹在宽泛、混乱且明确标价的价差中,涵盖运营方、拓扑结构、规模、时长和服务等级协议。
这才是解读McBee自己透露出的信息正确方式。“我们一切都是按照DGX参考规格构建的,”他说。那是英伟达的蓝图,是最具性能的、标准化的GPU部署方式。那不是枢纽;那是**品级**。它就像管道级天然气、.995纯度的黄金,是可以据此编写合同的规格。而枢纽是建立在其之上的指数和结算惯例。他反复强调的有效吞吐和MFU差异呢?那些就是基差。将可互换性分层解析,画面就清晰了:物理/规格层面的可互换性(GPU类型、DGX规格、网络架构、散热)基本存在;运营层面的可互换性(有效吞吐、故障恢复、软件栈)和合约层面的可互换性(时长、SLA、优先级、规模、交付窗口)尚未成熟。McBee说后两层尚未定型,这是对的。但这并非反对市场存在的论据,而是对市场将要定价的**基差**的规格说明。
那么,他为什么要提出这个论点呢?因为“非商品化”的框架是整个估值体系的基石,市场据此赋予了CoreWeave价值:GPU的较长使用寿命、其运营商的护城河、合同现金流而非市场现货现金流,以及已降至足够低、使CoreWeave今年迄今已筹集超过210亿美元的资金成本。关于折旧的争论和关于可互换性的争论,只是穿着不同外衣的同一场斗争:市场现货曲线上的商品化,意味着残酷的折旧、价格接受者式的利润率以及公用事业级估值倍数;而差异化运营商的合同现金流,则带来温和的折旧、定价权以及软件级估值倍数。
McBee的前沿观点是真实的,他的谨慎是理性的,而且他显然是在以老练的方式兜售自己的立场,而非犯错。但这位先生知道什么是基差掉期。当一个前电力交易员告诉你地点差异证明了市场不可能存在时,他并不是在描述商品。他是在给商品定价,并告诉你在哪里还隐藏着价差。
如果你喜欢这份简报,请考虑与同事分享。
分享 [Buy the Rumor; Sell the News](https://davefriedman.substack.com/?utm_source=substack&utm_medium=email&utm_content=share&action=share)
我始终欢迎评论、问题和反驳。如果你想直接联系我,你可以:
- 在Twitter上**关注我**:[@friedmandave](https://x.com/friedmandave)
- 在LinkedIn上**与我联系**:[frieddave](https://www.linkedin.com/in/frieddave/)
- **发送电子邮件**至 dave [at] davefriedman dot co.(注意不是 .com!)
相似文章
AI之长,AGI之短(3分钟阅读)
本文认为,AI智能正变得像计算和存储一样商品化,最有价值的公司将不是模型构建者,而是那些拥有客户关系、专有数据和工作流程的公司。
智能商品化:好、坏、丑陋的AI循环交易
一篇分析文章认为,AI领域的循环交易(例如OpenAI与微软、英伟达与CoreWeave之间的交易)标志着智能的商品化,将其与传统大宗商品市场相提并论,并警告偏离该模式的交易存在风险。
Sam Altman 认为 AI 将变得极其丰富。如果真是这样,什么才真正有价值?
关于 Sam Altman 观点的讨论,他认为 AI 将变得随处可得,这引出了一个问题:当顶级模型商品化之后,什么才能提供持久的竞争优势。
Clouded Judgement 7.3.26 - 计算稀缺性的终结?没那么快(14分钟阅读)
本文分析了SpaceX和Meta出售过剩AI计算能力的最新举措,质疑这是否意味着计算稀缺性的终结。文章认为这些交易是短期的且价格高昂,潜在需求依然强劲,从而反驳了看空论调。
@jaesmail: 核心观点是,人工智能将昨日的技能变成商品,导致同质化,进而催生了对差异化的需求……
一条 Twitter 讨论串指出,AI 将昨日的技能商品化,导致同质化,并通过叙事框架和组织世界观增加了对人类差异化的需求。