SF Compute创始人：为什么英伟达和云厂商结构上无法建立中立的算力交易市场

算力交易市场的核心悖论在于：最有可能建立它的公司恰恰是最不适合它的。在Latent Space播客的最新一期节目中，SF Compute创始人Evan Conrad提出了一个结构性的解释——为什么英伟达、超大规模云厂商、CoreWeave、Crusoe、Lambda、Base10、Fireworks和Modal都无法创建中立的算力交易所。

Conrad的论证区分了两类不同的结构性障碍。对英伟达而言，问题在于独立性：芯片制造商如果同时运营交易所，交易者就不会认为它足够中立，从而不愿意在其上交易。对CoreWeave、Crusoe等云厂商和推理服务商而言，问题在于利益冲突：它们自身就是算力需求方，拥有大量推理合同和云业务，天然偏向需求侧。Conrad用一句话概括了后者的困境——「你必须杀死自己的业务才能做这件事」，只有放弃所有大额推理收入和云合约，才能成为人们愿意在其上交易的独立平台。

这个论证的实际意义在于解释AI基础设施的融资瓶颈。Conrad指出，集群的融资周期通常是三到五年，而要让贷款人愿意提供这种长期资金，需要一个有足够流动性的远期市场——交易者必须在上面交易，贷款人才敢以远期市场为基准来融资。没有中立交易所，就没有人在上面交易；没有交易，就没有流动性；没有流动性，贷款人就无法以远期市场为锚来放贷，融资成本就会居高不下。

Conrad同时承认，英伟达从这种独立交易所的存在中获益巨大——它降低了整个行业的融资成本。但英伟达自己无法同时扮演制造商和中立交易场所两个角色。SF Compute的策略是不拥有任何硬件，通过「成为瑞士」来维持独立性，尽管这意味着它必须自己完成数据中心运维、供应链咨询、集群架构设计、背板管理等全部物理结算工作。

关于市场现状，Conrad给出的数据是：SF Compute目前仅有总容量的5%放在订单簿上，但在这部分容量上实现了高度集中的流动性。他使用一个客户指标来衡量流动性质量：客户花100美元购买算力后，平均能通过转卖给他人回收25美元。他还描述了一个引人注目的套利现象——目前B300芯片运行推理服务每小时可产生约40美元收入（即使按50%利用率计算也有25美元），而购买B300算力的成本仅为每小时5到6美元。他称这是一个巨大的套利空间，但也表示「其中一个数字必须改变」。

Conrad对远期曲线的形状给出了一个直觉类比：「就像牛奶快过期时你会降价一样。」他描述算力远期曲线呈「驼峰」形状——当前未售出的容量价格会下降（因为它无法在过去被卖掉），然后上升到均衡水平，再往远期方向可能略有下降（因为人们愿意为更短的交付周期支付溢价）。他称之为「正常健康的曲线」，但也承认不同参与者看到的曲线方向可能不同。

这一论点面临的最强反驳是：Conrad的论证假设需求侧参与必然损害中立性，但治理结构、监管框架或足够分散的所有权可能提供另一种路径。在算力这个特定领域，由于技术迭代极快（GPU代际差异导致无法抽象为统一计量单位——vRAM、NVLink域大小等都不同）、物理结算复杂（需要现场验证、供应链协调、背板管理），中立性门槛确实比传统商品市场更高，但这是否构成不可逾越的结构障碍仍有待观察。

对AI产业投资者而言，Conrad的论证提供了一个评估框架：算力市场的金融化程度取决于是否有人能解决「必须杀死自己业务才能做交易所」这个结构性矛盾。SF Compute选择的路径是承担全部物理结算成本来换取独立性，而Silicon Data和Compute Change则选择现金结算路径。Conrad认为两条路最终会互补，但前提是物理结算必须先建立起来——否则过早的金融化会产生严重的基差风险，就像LIBOR被少数银行操纵一样。