Finanzierung der KI-Rechenleistung: Open-Source-Modelle bringen Rechenleistung auf die Kapitalmärkte (Teil 2)

Dieser Artikel ist ein tiefgehender Bericht von OKX Ventures. Aufgrund der Länge wird er in zwei Teile veröffentlicht: Der erste Teil konzentriert sich auf die Vermögenswerte der Rechenleistung, das Risiko und die Preisbildungslogik von Derivaten; der zweite Teil analysiert die Finanzinfrastruktur der Rechenleistung, die Möglichkeiten der Vermögensverlagerung und Branchentrends. Dies ist der zweite Teil.

IV. Finanzinfrastruktur des Rechenleistungsmarktes: Preise, Risiken und Lieferung

Die verschiedenen Schichten der Finanzinfrastruktur des Rechenleistungsmarktes beginnen sich zusammenzufügen. Indizes komprimieren die verstreuten GPU-Mieten zu einem einheitlichen Benchmark; Börsen organisieren standardisierte Risiken rund um diesen Benchmark; Händler übernehmen die spezifischen Basisrisiken, die aus Rechenzentren, Laufzeiten und SLA resultieren; Kapazitätsplattformen bringen die finanziellen Positionen zurück zur physischen Rechenleistung. Wer zuerst genügend echte Aufträge und Vertragsreferenzen ansammelt, kommt dem Preisbildungsrecht des frühen Marktes näher.

4.1 Rechenleistungsindex: Wer kann der Standardreferenzpreis werden

Der Verkaufspreis desselben GPU-Modells wird weiterhin durch Clustergröße, Verbindungsmethode, Region, Mietdauer, Vorauszahlungsquote, SLA und Kreditwürdigkeit des Anbieters beeinflusst. Für Indexanbieter besteht die Herausforderung darin, diese Unterschiede so zu verarbeiten, dass der Markt bereit ist, sie für Vertragsabrechnungen, Kreditbewertungen und Derivate zu verwenden.

Derzeit sind drei Ansätze erkennbar. Silicon Data und Ornn sind näher an unabhängigen Benchmark-Anbietern, die hauptsächlich Marktpreise und Vertragsdaten sammeln und standardisieren, um Benchmarks zu bilden; Compute Desk fungiert sowohl als Rechenleistungsvermittler als auch als Abwickler, sodass er direkt auf bereits abgeschlossene Spot- und Terminkontrakte zugreifen kann, einschließlich Preis, Laufzeit und tatsächlicher Abwicklungsbedingungen; SemiAnalysis hingegen erstellt TCO-Modelle basierend auf Strom, Chipbeschaffung, Abschreibung und Rechenzentrumskosten, was besser für die Vermögensbewertung und Forschung geeignet ist, aber weiter von den finanziellen Abwicklungsbenchmarks entfernt ist.

4.2 Börslicher Handel/Standardisierte Futures: Traditionelle und neue regulierte Börsen betreten den Rechenleistungsmarkt

Der Kernwert, den Börsen bieten, ist Standardisierung, Clearing und Distribution. Für Neocloud, AI Lab und private Kreditinstitute würde eine direkte Anbindung an bestehende FCMs, Margin- und Clearing-Systeme die Kosten für Institutionen erheblich senken. Daher beginnen sowohl traditionelle Börsen als auch neue regulierte Plattformen, Rechenleistungsprodukte zu testen: CME und ICE setzen auf etablierte Futures-Infrastrukturen, während Architect AX/AIX und Pluto/PMEX verschiedene Wege bei unbefristeten Verträgen und festen Futures mit Ablaufdatum ausprobieren.

Der Kaltstart von Rechenleistungsterminen ist viel komplexer als die Notierung eines einzelnen Vertrags. Rechenleistungsverträge neigen zur Fragmentierung. Verschiedene GPU-Modelle, Regionen und Clusterkonfigurationen entsprechen unterschiedlichen Lieferwerten, und die Liquidität ist schwer auf einen einzigen Vertrag zu konzentrieren. Die Preise in der Ferne hängen stark von der Lieferung von Chips, Strom und der Effizienz von Modellen ab, und gewöhnliche Finanzmarktmacher haben nicht die physischen Auftragsinformationen, um über sechs Monate oder ein Jahr hinweg tiefere Angebote zu machen.

Die Industriehedge-Positionen sind kurzfristig möglicherweise auch nicht groß genug. Hyperscaler können ein großes Risiko intern absorbieren, und führende Neocloud haben bereits einen erheblichen Teil des Cashflows mit langfristigen Verträgen abgedeckt. Der frühe Börsenmarkt wird wahrscheinlich zuerst Handels- und Spekulationsliquidität ansammeln, und ob die Industriehedge mithalten kann, hängt davon ab, ob kleine und mittlere Betreiber sowie AI-Teams, die Rechenleistung nach Bedarf beschaffen, beginnen, kontinuierlich und wiederholt zu handeln.

4.3 Over-the-Counter-Handel, Market Maker: OTC-Anpassungen und Basisrisikomanagement

Bevor sich eine tiefe Marktstruktur bildet, werden viele Risiken wahrscheinlich zuerst über OTC übertragen. Die physische Rechenleistung ist in Bezug auf Region, Netzwerk, Clustergröße, SLA und Lieferzeit sehr spezifisch und lässt sich schwer in einen einheitlichen Börsenvertrag pressen.

Händler befinden sich daher in einer sehr wertvollen Position. Auf der einen Seite möchte Neocloud die Mieten im Voraus sichern, auf der anderen Seite möchte AI Lab die Beschaffungskosten sichern. Händler können beiden Seiten maßgeschneiderte Angebote machen und dann das Gesamtrisiko mit standardisierten Futures oder anderen Positionen managen. Wenn die Kauf- und Verkaufsanfragen in Bezug auf Zeit und Spezifikationen nicht übereinstimmen, muss der Händler zunächst seine eigene Bilanz nutzen, um Aufträge anzunehmen.

Diese Art von Geschäften verdient nicht nur an der Bid-Ask-Spanne. Rechenzentren, Stromkosten, Netzwerkbedingungen, Lieferbeschränkungen und die Kreditwürdigkeit der Kunden bilden die Basis, und die kontinuierliche Preisgestaltung dieser nicht standardisierten Unterschiede sowie die Bereitschaft, Risiken mit Kapital zu übernehmen, sind Fähigkeiten, die schwer zu replizieren sind. FalconX und Robert Leshners H100-Swap sowie die von Wintermute eingeführten H100-Futures können als frühe Versuche von Market Makern angesehen werden, die Preisgestaltung und Risikotransfer von Rechenleistung zu testen. Finanzintermediäre beginnen, maßgeschneiderte Fristen für physische Rechenleistung anzubieten und die nicht standardisierbaren Teile in ihrem eigenen Buch zu belassen.

Echte Auftragsströme sind daher sehr wichtig. Indizes geben dem Markt den Durchschnittspreis an, während die Anfragen und Abschlüsse der Händler näher an dem liegen, was in einer bestimmten Region, Konfiguration und Laufzeit tatsächlich zu zahlen ist; diese Informationen entscheiden direkt darüber, wie die Basis bewertet wird und wo die Gewinne verbleiben.

4.4 Kapazitätsplattformen und physische Lieferung: Von Papierpositionen zu physischen Erfüllungen

Für AI Lab bedeutet die finanzielle Position, dass der Preis gesichert ist, jedoch nicht garantiert, dass zu diesem Zeitpunkt eine Gruppe von GPUs verfügbar ist, die den Anforderungen entspricht. Bei knapper Rechenleistung ist dieser Unterschied besonders wichtig. Ohne physische Erfüllungsfähigkeit können die Futures-Preise und die tatsächlichen Mieten für Rechenzentren leicht auseinanderdriften.

Es gibt bereits verschiedene Versuche auf unterschiedlichen Ebenen. Plattformen wie Vast.ai, RunPod und Hyperbolic bieten reichhaltigere physische Preisangebote und verfügbare Kapazitätsdaten; SF Compute ermöglicht den Weiterverkauf oder Rückkauf von reservierter Kapazität, wodurch langfristige Kapazitätsverträge eine gewisse Liquidität erhalten; das EFP-Netzwerk versucht, standardisierte Futures mit spezifischen physischen Verträgen zu verbinden, um Futures für die Preisgestaltung des Marktes zu verwenden und Offline-Verträge für Region, Netzwerk und SLA zu behandeln.

Modelle wie SF Compute sind besonders bemerkenswert. In traditionellen Take-or-Pay-Verträgen sind nicht genutzte Kapazitäten oft nahe an versunkenen Kosten; nach der Erlaubnis zum Weiterverkauf beginnt die zukünftige Kapazität, handelbare Rechte zu haben. Dies erhöht die Liquidität langfristiger Verträge und sorgt dafür, dass der physische Markt klarere zukünftige Preise aufweist.

EFP löst ein weiteres Problem. AI Lab kann zunächst mit standardisierten Futures den Markt-Beta sichern und bei der tatsächlichen Bereitstellung dann über das Erfüllungsnetz nach spezifischen Rechenzentren suchen und die entsprechenden Basispreise für Region, Netzwerk und SLA zahlen. So muss der Finanzmarkt nicht alle physischen Unterschiede in einen einzigen Futures-Vertrag pressen, kann aber dennoch echte industrielle Lieferungen bedienen.

4.5 Inference Capital Markets: Finanzierung, Dienstleistungsrechte und Ertragsrechte in der Inferenzwirtschaft

Nachdem GPUs von Anbietern von Inferenzdiensten in Token umgewandelt wurden, beginnt die finanzielle Nachfrage, sich von Hardwaremieten auf Betriebskapital und Vertragsrechte der Inferenzdienste auszudehnen. Wenn Anbieter von Inferenzdiensten ihre gesamten Bruttomargen sichern möchten, müssen sie theoretisch sowohl die GPU-Eingangskosten als auch die Token-Ausgangspreise gleichzeitig verwalten.

Die Gewinne der Anbieter von Inferenzdiensten ergeben sich grob aus: Token-Realisierungspreis × Token-Ausgabe pro GPU-Stunde × GPU-Auslastung − GPU-Kosten − andere Betriebskosten

4.5.1 Was sind die Nachfragepunkte für die Entstehung von Inferenzwirtschaftsvermögen?

GPUs und Kapazitäten müssen im Voraus beschafft werden, während API-Einnahmen schrittweise mit den Kundenanfragen entstehen. Eine zu hohe Nachfrageprognose kann zu ungenutzten Maschinen führen und Kapital binden. Große Modellunternehmen und Hyperscaler können diese Schwankungen mit ihrer eigenen Bilanz absorbieren, während kleinere Inferenzplattformen leicht auf Vorauszahlungen von Kunden oder externe Finanzierungen angewiesen sind.

Der zeitliche Unterschied zwischen der Verfügbarkeit von Kapazität und der Nachfrage hat vier Arten von Vermögenswerten hervorgebracht: GPU-Kredite für die Finanzierung der Vorabinvestitionen; Vorauszahlungsdienstrechte zur vorzeitigen Rückgewinnung zukünftiger Einnahmen; Kapazitätsanreize zur Subventionierung des Angebots vor der Bildung der Nachfrage; Vermögenswerte für die Bereitstellung von Modellen, die versuchen, den verbleibenden Gewinn nach Abzug der Betriebskosten zu verteilen.

Der traditionelle Cloud-Markt hat schon früh ähnliche Probleme der Angebot-Nachfrage-Diskrepanz mit Prepaid-Credits und reservierter Kapazität behandelt. So erlaubt OpenAIs Scale Tier Unternehmen, im Voraus Einheiten von Input- und Output-Token für bestimmte Modelle zu kaufen. Dies ist bereits ein standardisierter Prepaid-Inferenzdienst, der jedoch an Unternehmenskonten gebunden ist und nicht frei übertragbar ist.

Krypto fügt auf der Blockchain eine neue Ebene des Eigentumsdesigns hinzu, wobei ursprünglich in den Konten der Anbieter aufgezeichnete Dienstguthaben von Wallets gehalten und weiter übertragen oder finanziert werden können. Wenn Agenten in Zukunft beginnen, selbst Inferenzdienste zu beschaffen, können diese Rechte direkt in das Budget der Maschinen eingehen. Mit der programmatischen Zahlung, die sich zu einer allgemeinen Infrastrukturfähigkeit der Branche entwickelt, liegt der erkennbare Platz auf der Blockchain tatsächlich auf der Rechtebene. Ob eine zukünftige Dienstleistung unabhängig gehalten, übertragen oder finanziert werden kann, wird direkt beeinflussen, ob sie sich von gewöhnlichen Credits zu finanziellen Vermögenswerten entwickeln kann.

Derzeit ist der Anteil der On-Chain-Inferenz auf der Ausführungsebene noch sehr gering, und Krypto-native Inferenzdienstanbieter hatten in den letzten drei Monaten einen Anteil von etwa 0,5%–1% am täglichen Token-Verkehr von OpenRouter. Das bedeutet auch, dass die realistischeren Chancen in der aktuellen Phase auf der finanziellen Ebene liegen, während die Inferenzdienste weiterhin von den effizientesten Plattformen produziert werden und die Blockchain für den Geld- und Rechtemarkt verantwortlich ist.

4.5.2 Vier Arten von Versuchen zur Vermögensverlagerung in der Inferenz

Derzeit gibt es im Bereich der Inference Capital Markets vier Richtungen für die Vermögensverlagerung.

GPU-Kredit

GPU-Kredit hat sich zuerst in größerem Maßstab entwickelt, einerseits weil es bereits externe Zahler gibt, andererseits weil die Struktur seiner Finanzprodukte sehr nah an traditionellen Kreditvermögen ist, was es institutionellen Kapitalanlegern erleichtert, es zu verstehen.

Ein typischer GPU-Darlehen folgt weiterhin der traditionellen Finanzierungsstruktur: GPU wird von einem Delaware SPV gehalten, der Kreditgeber etabliert das Pfandrecht durch einen Darlehens- und Sicherungsvertrag, UCC-1 und eine Verzichtserklärung des Rechenzentrums. On-Chain werden Darlehensanteile, Rückzahlungen und Ertragsverteilungen aufgezeichnet; im Falle eines Ausfalls muss die Durchsetzung der Forderungen weiterhin auf die Offline-Verträge, die Kontrolle über die Geräte und das Gerichtssystem zurückgreifen.

Nachdem der Kreditnehmer die GPU bereitgestellt hat, zahlen die Endkunden kontinuierlich Gebühren für die Rechenleistung, und dieser Cashflow unterstützt die Rückzahlung des Darlehens. Solange der Kaufvertrag weiterhin erfüllt wird, gibt es eine klare Rückzahlungsquelle für das Darlehen.

Allerdings ist die Richtung des GPU-Kredits relativ leicht von traditionellen Kapitalanlegern absorbierbar. Mit der Zeit, wenn Senior-Darlehen standardisierte Laufzeiten, Zinssätze, LTV und rechtliche Rückgriffsrechte haben, werden die Kapitalkosten von Banken, Versicherungsmitteln und Private-Equity-Krediten weit unter denen von On-Chain-Kapital liegen. Große, investmentfähige, klar strukturierte Darlehen werden wahrscheinlich in traditionelle Bankenkonsortien, ABS oder private Kreditfonds fließen.

On-Chain können langfristig Positionen in Bereichen gehalten werden, in denen die Dienstleistungskosten von TradFi relativ hoch sind, wie z.B.: Initiierung von Darlehen für kleine und mittlere Betreiber, grenzüberschreitende Stablecoin-Finanzierung, Verteilung von Darlehensanteilen, Echtzeitüberwachung von Geräten und Auslastung sowie Übernahme anfänglicher Verluste durch Junior- oder Mezzanine-Ebenen. Eine wahrscheinliche zukünftige Struktur könnte sein, dass On-Chain-Protokolle für die Entdeckung von Kreditnehmern, die Überwachung von Vermögenswerten und die Organisation des ersten Kapitals verantwortlich sind; nachdem die Darlehensleistung stabil ist, wird der Senior-Anteil an traditionelle Kapitalgeber verkauft, während On-Chain weiterhin Servicegebühren, nachrangige Risiken und Datenbeziehungen hält.

Vorauszahlungsdienstrechte

Vorauszahlungsdienstrechte lösen den heutigen Finanzierungsbedarf des Emittenten. Die Plattform verkauft im Voraus zukünftige API-Kapazitäten, erhält zuerst Bargeld und erfüllt dann weiterhin in der Zukunft. Wenn die Laufzeit verlängert wird, wird das Risiko, das der Käufer trägt, immer offensichtlicher. Wird das Modell in ein paar Jahren noch wettbewerbsfähig sein? Auf welchem Preisniveau wird der Dienstpreis sinken? Kann die Kaufkraft der Credits aufrechterhalten werden? All dies wird die heutige Bewertung beeinflussen.

Daher wird es wahrscheinlicher, dass solche Produkte allmählich näher an standardisierte Kapazitätsverträge rücken. Die Laufzeiten werden kürzer, die Dienstleistungsstandards klarer, und das Modell kann gemäß den vereinbarten Regeln ersetzt werden. Je klarer der Vertrag, desto einfacher wird es, dass Vorauszahlungsdienstrechte einen relativ unabhängigen Marktpreis bilden.

Darüber hinaus gibt es hier ein Problem der negativen Selektion. Plattformen, die das beste Modell, die stärkste Kundennachfrage und die stabilste Preissetzungsmacht haben, haben normalerweise keinen Anreiz, langfristige, übertragbare Dienstrechte auszugeben. Sie möchten eher die Preisdifferenzierung für Kunden, die Einnahmen aus ungenutzten Credits und die Fähigkeit zur Preisänderung beibehalten. Die Plattformen, die am dringendsten langfristige Dienstrechte im Voraus verkaufen müssen, sind oft diejenigen, die Finanzierungen benötigen und neue Kunden gewinnen möchten, deren zukünftige Wettbewerbsfähigkeit jedoch noch nicht bewiesen ist.

Kapazitätsanreize

Kapazitätsanreize lösen das Problem der Bereitstellung in den frühen Phasen des Inferenznetzwerks. Knoten müssen im Voraus GPUs und Modelle bereitstellen und auch Betriebskosten tragen. Wenn die Nachfrageseite noch nicht stabil ist, haben die Knoten nicht genügend Anreiz, um im Voraus online zu gehen; die Token-Emission kann der Angebotsseite eine gewisse Einkommensgarantie bieten, damit das Netzwerk zunächst verfügbare Kapazitäten erhält.

Ob es langfristig bestehen kann, hängt immer davon ab, ob die Zahlungen von externen Kunden schrittweise die Einnahmen der Knoten abdecken können. Protokolle können überprüfen, ob eine Inferenzaufgabe tatsächlich ausgeführt wurde, und sie können auch überprüfen, ob Knoten ein bestimmtes Modell verwendet haben, aber die Berechnung selbst erzeugt keinen wirtschaftlichen Wert. Die Token-Emission kann für eine gewisse Zeit Angebot kaufen, aber die Kundennachfrage benötigt weiterhin echte Bestellungen, um dies zu beweisen.

Ein vernünftigeres Anreizsystem könnte allmählich an echte Einnahmen gebunden werden. Kunden zahlen zunächst mit Stablecoins für die Aufgaben, die Knoten führen die Inferenz durch und erhalten nach der Validierung Einnahmen, das Protokoll bietet dann zusätzliche Belohnungen basierend auf externen Einnahmen und senkt schrittweise die Subventionen, während das Netzwerk reift. Dies kann die Emission dazu bringen, die Kosten für den Kaltstart zu tragen und gleichzeitig dem Markt ein klareres Signal zu geben: Wie viel der Knoten-Einnahmen stammt von Kunden und wie viel stammt weiterhin aus Kapitalzuschüssen. Langfristig muss der Kapazitätsanreiz tatsächlich den Übergang von der Verwendung von Token zum Kauf von Angebot hin zu den Einnahmen der Kunden, die das Angebot unterstützen, vollziehen; dieser Übergang muss stattfinden, bevor das Netzwerk eine wirtschaftliche Basis unabhängig von den Zyklen des Token-Marktes hat.

Einzelmodell-Ertragsrechte

Die Ertragsrechte von Modellen sind am nächsten an dem, was zuvor als Crack Spread erwähnt wurde:

Modellbereitstellung verbleibender Gewinn = API-Einnahmen − GPU-Kosten − Netzwerk-, Speicher- und Ingenieurskosten − Kundenakquise und Subventionen

Viele Model Tokens bieten den Inhabern hauptsächlich Rückkauf- und Staking-Anreize, die möglicherweise nicht mit einem rechtlich durchsetzbaren Einkommensrecht übereinstimmen. Wenn es an einer klaren vertraglichen Beziehung zwischen API-Einnahmen und Token-Wert mangelt, wird es schwierig sein, einen stabilen Anker für die Bewertung zu bilden.

Die Lebensdauer des Modells verstärkt dieses Problem weiter. Modelle aktualisieren sich sehr schnell, und ein Vermögenswert, der gerade finanziert und bereitgestellt wurde, könnte bereits von neuen Alternativen eingeholt werden. Daher ist es für ein einzelnes Modell sehr schwierig, ein langfristiges Finanzvermögen zu stützen.

Eine wahrscheinliche Entwicklung ist, dass die zugrunde liegende Einheit schrittweise auf die Workload-Strategie ausgeweitet wird. Zum Beispiel kann eine Coding-Inferenzstrategie kontinuierlich das zugrunde liegende Modell wechseln und die Routen basierend auf Qualität und Kosten anpassen. So übernimmt der Inhaber eine Reihe von kontinuierlich betriebenen Inferenzstrategien, und die Lebensdauer des Vermögenswerts folgt der Kundennachfrage und der Arbeitslast.

Darüber hinaus, wenn solche Produkte in den institutionellen Markt eintreten sollen, sind klare rechtliche Einheiten, geprüfte API-Einnahmen und ein klarer Cashflow-Wasserfall erforderlich. Ohne diese Grundlagen wird die Bewertung von Model Tokens weiterhin stark von der zukünftigen Nutzung und den Rückkaufrichtlinien des Emittenten abhängen.

Router bietet vor Token-Futures Risikomanagement für die Nachfrageseite

Router ist eine oft unterschätzte Schicht in der Finanzialisierung von Inferenz.

Unternehmen sind letztendlich daran interessiert, wie viel eine Aufgabe kostet. Welches Modell konkret verwendet wurde, ist in vielen Szenarien nur ein Implementierungsweg. Router kann kontinuierlich verschiedene Modelle und Anbieter vergleichen und den Datenverkehr bei Preisänderungen neu verteilen. Die zugrunde liegenden Dienste sind ursprünglich hochgradig heterogen, aber nach der Router-Planung wird die Austauschbarkeit allmählich steigen.

Dies wird sich direkt auf die Größe der Derivate auf der Nachfrageseite auswirken. Viele Kostenänderungen können zunächst durch Modellwechsel und Softwareoptimierung verarbeitet werden. Die verbleibenden offenen Positionen, die nicht auf diese Weise behandelt werden können, benötigen eher das Eingreifen von Finanzinstrumenten.

Router hat auch einen wichtigen Datenvorteil: Er kann die tatsächlichen Rechnungen sehen. Öffentliche API-Preise repräsentieren oft nicht die tatsächlichen Beschaffungskosten von Unternehmen; Router kann sehen, wie viel die Kunden tatsächlich bezahlt haben und weiß, welche Dienstleistungsqualität diesem Preis entspricht. Nach der Akkumulation von Bestellungen haben diese Daten die Möglichkeit, einen qualitätsbereinigten Arbeitskostenindex zu bilden.

Darüber hinaus kann Router Unternehmen direkt eine Kostenobergrenze bieten. Zum Beispiel kann ein Unternehmen das Budget für die Coding-Arbeitslast der nächsten drei Monate im Voraus festlegen, während Router im Hintergrund die Modellwahl und die Kapazitätsbeschaffung verwaltet und bei Bedarf die verbleibenden Risiken über GPU-Derivate abwickelt. Der Kunde erhält letztendlich eine Budget-Sicherheit und muss nicht selbst den Modellkorb, die Futures-Positionen und die Basis verwalten. Solche Produkte könnten besser mit den Beschaffungsgewohnheiten von Unternehmen übereinstimmen als allgemeine Token-Futures. Router kann die zugrunde liegende Komplexität intern belassen und den Kunden einen stabileren und vorhersehbaren Preis bieten.

Token selbst hat vorerst keinen einheitlichen Standard gebildet, aber Router kann weiterhin nach alternativen Angeboten für eine bestimmte Arbeitslast suchen. Wenn der Handel eine bestimmte Größe erreicht, könnte die Arbeitslast selbst zu einer neuen Preisgröße werden.

Wenn dieser Weg funktioniert, wird Router allmählich von einem Verkehrsumverteilungswerkzeug zu einem Beschaffungs- und Risikomanagement-Tool übergehen. Seine langfristig wertvollsten Vermögenswerte werden ebenfalls immer klarer: echte Bestellungen, echte Transaktionspreise und die Fähigkeit, Kosten und Qualität zwischen verschiedenen Modellen zu verwalten. Der Preisstandard für die Arbeitslast wird wahrscheinlich zuerst auf dieser Ebene gebildet, bevor er in den Index- und Derivatemarkt eintritt.

Das Fenster für Krypto öffnet sich, bevor Standards gebildet werden

Wenn ein Recht noch keine einheitliche Spezifikation hat, sind die Kosten für traditionelle Finanzierungen sehr hoch. Die Vertragsbeträge sind klein und die Strukturen zerstreut, On-Chain kann schneller neue Eigentumsformen ausprobieren. Wenn Agenten in Zukunft beginnen, Dienstverträge direkt zu halten und auszuführen, wird der Wert solcher Infrastrukturen weiter steigen.

Sobald eine Art von Vermögenswerten reife Verträge bildet, werden große Mittel allmählich in Banken und institutionelle Märkte fließen. Senior GPU-Kredite zeigen bereits diese Richtung. Nach der Reifung standardisierter Futures werden auch Börsen und institutionelle Market Maker eintreten. On-Chain-Protokolle sollten in dieser Übergangszeit echte Bestellströme (Kunden- und Transaktionsdaten) ansammeln, und ihre Vertragsstandards und Erfüllungsdaten werden allmählich Barrieren bilden.

Die heute bereits existierenden Produkte entsprechen grob den verschiedenen Phasen der schrittweisen Standardisierung von Risikoeinheiten:

Die frühesten Produkte sind immer noch stark von der Kreditwürdigkeit eines bestimmten Unternehmens abhängig. Wenn Verträge allmählich den Austausch von Dienstleistungen erlauben, wird das Risiko des Emittenten sinken. Wenn der Markt in der Lage ist, einen Korb von qualitativ ähnlichen Arbeitslasten stabil zu definieren, wird die Nachfrageseitenindexierung die Möglichkeit haben, sich zu bilden. Futures und Optionen müssen auf solchen stabilen Risikoeinheiten basieren.

Agenten könnten die Nutzung von On-Chain-Verträgen weiter ausweiten. Wenn Software in Zukunft beginnt, Inferenzdienste autonom zu kaufen, wird ein Unternehmens-API-Vertrag in viele Echtzeit-Einkaufsentscheidungen für Maschinen aufgeteilt. Zu diesem Zeitpunkt werden Dienstrechte, Budgetbeschränkungen und Erfüllungsvalidierungen in den Entwurf der finanziellen Infrastruktur einfließen.

Die Finanzialisierung der Inferenzschicht muss letztendlich das Ziel erreichen, hochgradig maßgeschneiderte KI-Dienste allmählich in Rechte zu verwandeln, die von den Kapitalmärkten verstanden und bewertet werden können. Die Preisgestaltung der frühen Märkte wird davon abhängen, wer diese Rechte zuerst definiert.

Fazit

1. Timing/Warum jetzt?

---

Im Jahr 2026 beginnen traditionelle Finanzinstitute wie CME und ICE intensiv in den Markt für Rechenleistungspreisgestaltung und Derivate einzutreten, und die Marktinfrastruktur wird bereits aufgebaut. Im Vergleich zu den Produkten, die von den Börsen angekündigt werden, konzentrieren wir uns mehr auf das Tempo der Veränderungen in zwei Richtungen.

Erstens, Schulden dringen tiefer in die KI-Infrastruktur ein. Wenn GPUs und Rechenzentren zunehmend auf externe Finanzierung angewiesen sind, wird die Mietpreisschwankung direkt die DSCR, LTV und Refinanzierungsbedingungen beeinflussen. Kreditgeber haben auch einen stärkeren Anreiz, Preisrisiken in Covenants zu verankern und von Betreibern zu verlangen, einen Teil der zukünftigen Cashflows im Voraus abzusichern. Der Finanzierungsweg von CoreWeave hat bereits gezeigt, wie die Vertragsabdeckung die Kreditpreisgestaltung beeinflusst; wenn sich ähnliche Finanzierungsstrukturen weiter ausbreiten, könnten private Kredite und Banken zu wichtigen Treibern für die Absicherung von Rechenleistung werden.

Zweitens, immer mehr Nachfrage nach Rechenleistung erscheint auf dem öffentlichen Beschaffungsmarkt. Open-Source-Modelle senken die Einstiegshürden für Unternehmen, die Modelle selbst bereitstellen, und die Workloads, die von Drittanbieter-Clouds, Neocloud und Inferenzplattformen übernommen werden, nehmen zu. Je mehr marginale Nachfrage der öffentliche Markt übernimmt, desto leichter wird es, eine kontinuierliche Preisfindung für GPU-Mieten zu erreichen, und mehr Unternehmen werden direkt den Mietpreisschwankungen ausgesetzt sein.

Der Markt ist noch früh. GPUs entwickeln sich schnell weiter, und die Regionen, Netzwerke, Cluster und Vertragslaufzeiten sind stark nicht standardisiert, sodass frühe Transaktionen wahrscheinlich weiterhin im OTC-Bereich konzentriert sein werden, wobei Dealer zuerst die Kundenbedürfnisse und die Basis übernehmen. Ein zu beobachtendes Signal für die Akzeptanz ist, ob Industriekunden begonnen haben, kontinuierlich und wiederholt abzusichern.

2. Perpetual Contracts oder Fixed-Term Futures – Wer findet leichter PMF?

---

Das Risiko von Industriekunden hat in der Regel eine klare Laufzeit. Sechsmonatige Trainingsprojekte, einjährige Kapazitätsverträge und mehrjährige GPU-Darlehen benötigen einen entsprechenden Preis mit Laufzeit. Fixed-Term Futures sind in dieser Hinsicht näher an der Risikomanagementpraxis von Unternehmen und lassen sich leichter über EFP mit physischen Verträgen zu spezifischen Modellen, Regionen und SLAs verbinden.

Daher sind Perpetual Contracts besser geeignet für die Preisfindung und Handelsliquidität auf der nahen Seite, während Fixed-Term Futures besser für Unternehmensabsicherungen, Laufzeitpreise und physische Erfüllung geeignet sind.

3. Welche Ebene wird wahrscheinlich zuerst kommerziellen Wert erfassen?

---

Kurzfristig glauben wir, dass Broker/Dealer, die den physischen Bestellfluss kontrollieren, sowie Midstream-Plattformen, die den Inferenzbestellfluss und die Planung steuern, schneller kommerziellen Wert erfassen werden. Der aktuelle Markt zahlt immer noch häufig hohe Prämien für die Frage „Gibt es Rechenleistungskapazität?“, und der Wert, der durch das Gewinnen von Kapazität entsteht, übersteigt derzeit bei weitem die Kosten für die Optimierung von Dutzenden von BP durch Absicherung. Wer weiß, wo es freie Karten gibt, wer gerade Kapazität gewinnt und bereit ist, Bestellungen mit seiner Bilanz zu übernehmen, hat die Möglichkeit, gleichzeitig Vermittlungsgebühren, Bid-Ask-Spreads und Basisprämien zu verdienen.

Mit der allmählichen Standardisierung des Handels wird der Wert von Preisindizes steigen; sobald ein Benchmark in vielen Verträgen wiederholt zitiert wird, werden die Migrationskosten und Netzwerkeffekte schnell zunehmen.

Später, wenn die Standardverträge und das Volumen der Industriebeschaffung groß genug sind, werden die Börsen in der Lage sein, die Skaleneffekte aus Clearing, Margin und Liquiditätsnetzwerken vollständig zu nutzen.