올해 연말 Nvidia B200 GPU의 시간당 임대료는 얼마일까?

예측 시장은 이 질문을 일련의 '예/아니오' 계약으로 쪼갰습니다. 트레이더들은 B200의 임대료가 특정 가격보다 높을지에 베팅하고, 서로 다른 가격과 날짜의 계약을 조합하여 시장의 베팅으로 형성된 GPU 임대료 곡선을 만들어냅니다.

Polymarket은 이전에도 GPU 임대 계약을 상장한 적이 있지만 거래량은 많지 않았습니다. 이번에는 Kalshi의 공동 창업자 Tarek Mansour가 플랫폼이 B200, H200, A100의 예측 시장 가격에서 선물 곡선을 추출했다고 발표했습니다.

예측 시장은 더 이상 선거 결과, 금리 인하 시점, 기업 이벤트에만 답하지 않습니다. 공개 거래 시장이 없었던 산업을 위해 금융 시장을 구축하기 시작한 것입니다.

이 곡선은 전통적인 상품 시장의 선물 곡선과는 아직 거리가 있으며, 예측 시장은 만기 후 구매자에게 GPU 세트를 제공할 수도 없습니다. 하지만 GPU 거래 시장에 가장 부족했던 것, 즉 모든 사람이 볼 수 있는 가격 기준선을 포착했습니다.

지난 몇 년간 자본이 칩, 데이터 센터, 전력으로 끊임없이 유입되면서 컴퓨팅 파워는 AI 산업의 가장 큰 비용 중 하나가 되었지만, 조달 방식은 여전히 전화 예약, 지인 거래, 오프라인 계약에 머물러 있습니다.

컴퓨팅 파워의 금융화가 활발히 진행되고 있습니다.

계약이 먼저, 시장은 그 다음

대규모 언어 모델이 등장하기 전, 기업이 컴퓨팅 파워를 확보하는 방법은 주로 두 가지였습니다: 자체 서버를 구매하거나, 클라우드 업체에 비교적 안정적인 월 사용료를 지불하는 것이었습니다. AI는 이 조달 방식을 바꿨습니다. 훈련과 추론이 막대한 GPU를 소모하면서, 칩, 지역, 계약 기간에 따라 가격이 차별화되기 시작했고, 클라우드 업체의 가격도 수요와 공급에 따라 빠르게 변동합니다.

오늘날의 컴퓨팅 파워 시장에 선물 거래가 없는 것은 아닙니다.

대형 연구소는 미리 미래 용량을 확보하고, neocloud는 클라우드 업체와 브로커로부터 GPU를 사전 구매하며, 초대규모 클라우드 업체 간에도 자원을 서로 예약합니다. 계약은 시간 단위 임대부터 수년에 걸친 장기 계약까지 다양합니다. 이는 석유 장기 판매 계약과 유사한 기능을 수행하지만, 가격은 비공개 협상 속에 숨겨져 있습니다.

한 대형 추론 서비스 제공업체는 컴퓨팅 파워 조달을 공급을 잘 아는 '중개인'을 찾는 것에 비유한 적이 있습니다. 필요한 칩, 카드 수, 사용 지역을 알려주면, 중개인이 관계망에서 재고를 찾아줍니다. 브로커는 정보 비대칭으로 수익을 내고, 대형 보유자는 관계를 통해 용량을 배분하며, 실제 거래 가격은 공개된 화면에 거의 나타나지 않습니다.

이 시장은 인도를 완료할 수 있지만, 연속적인 예측을 형성하지는 못합니다. AI 연구소는 6개월 후의 추론 비용을 알 수 없고, 데이터 센터는 임대 가격을 미리 고정할 수 없으며, 대출 기관도 실시간 업데이트된 데이터가 부족해 담보로 잡힌 GPU가 얼마나 빠르게 감가상각되고 있는지 평가하기 어렵습니다.

자금 규모가 더 이상 이 가격 책정 방식을 그대로 유지하도록 허용하지 않습니다.

Tarek가 제시한 수치에 따르면, 초대규모 클라우드 제공업체는 올해 컴퓨팅 파워에 7000억 달러 이상을 투자할 것이며, 2030년 시장 규모는 7조에서 10조 달러에 이를 수 있습니다. 더 보수적인 기관의 예측도 마찬가지로 큽니다. Morgan Stanley는 2028년까지 전 세계 데이터 센터 자본 지출이 약 2조 9000억 달러에 이를 것으로 예상하며, 그중 약 2조 5000억 달러가 AI에 사용될 것이라고 밝혔습니다. McKinsey는 2030년까지 데이터 센터 자본 지출을 6조 7000억 달러로 추정합니다. Goldman Sachs는 2026년부터 2031년까지의 AI 인프라 투자를 7조 6000억 달러로 평가합니다.

이 수치들은 서로 다른 연도와 통계 기준을 사용하며, 일부는 데이터 센터를 포함하고, 다른 일부는 컴퓨팅 파워와 전력을 동시에 계산합니다. 공통점은 컴퓨팅과 하드웨어가 각 추정치의 55%에서 67%를 차지하며, 이번 인프라 투자에서 가장 큰 부분을 차지한다는 점입니다.

칩은 가격이 급격히 변동하는 자산입니다. 시장은 GPU의 사용 수명을 3년에서 7년까지 다양하게 추정하며, 신제품이 매년 성능을 갱신하지만 공급 부족으로 인해 구형 칩도 임대 가치를 유지합니다. 데이터 센터는 감가상각 속도에 대한 합의가 없는 장비에 막대한 자금을 투입해야 합니다.

자본의 부담이 클수록 장기 가격이 더 중요해집니다.

GPU 거래 시장의 탐구

GPU 거래 시장의 첫 번째 단계는 이미 수년간 운영되어 온 '비공개 중개'입니다.

구매자는 용량을 미리 예약하고, 판매자는 미래 수익을 고정하며, 브로커는 공급을 찾고 거래를 중개하는 역할을 합니다. 실제 수요와 장기 약속은 이미 존재하지만, 통일된 계약도 공개된 호가도 없습니다.

이러한 매수자와 매도자는 컴퓨팅 파워 금융 시장의 기반을 구성합니다.

초대규모 클라우드 제공업체, 대형 데이터 센터 및 GPU 보유자는 재고를 보유하고 있으며, 미래 임대료 하락을 우려합니다. AI 연구소, 추론 플랫폼, 애플리케이션 회사 및 하류에 용량을 약속한 neocloud는 지속적인 구매가 필요하며, 미래 가격 상승을 우려합니다. 한쪽은 장비 수익을 보호하려 하고, 다른 쪽은 컴퓨팅 파워 비용을 통제하려 하며, 이로 인해 시장에 초기 거래 수요가 생겼습니다.

두 번째 단계는 표준화된 가격 지수를 구축하는 것입니다. Ornn의 Compute Price Index는 실제 GPU 임대 거래에서 가격을 추출하여 다양한 주요 칩을 포괄합니다. Silicon Data는 매일 H100, A100 및 B200의 온디맨드 임대 지수를 발표하고 데이터를 블룸버그 터미널에 공급합니다. Compute Desk도 유사한 제품을 구축 중입니다.

지수 제공자가 정의하는 것은 단순한 숫자에 불과하지 않습니다. 어떤 칩, 지역, 네트워크 구성 및 계약 유형이 포함될지, 이상 거래는 어떻게 처리될지, 칩 세대가 교체된 후 기존 지수는 어떻게 폐기될지 등이 궁극적으로 시장에서 말하는 'GPU 가격'을 결정합니다. 거래소는 거래 장소를 제공하고, 지수 제공자는 사람들이 실제로 무엇을 거래하는지 정의합니다.

Ornn은 최근 a16z로부터 3300만 달러의 투자를 유치했습니다. 분산된 거래 데이터를 시장이 수용하는 벤치마크로 정리할 수 있는 사람이 컴퓨팅 파워 시장의 가격 진입점이 될 기회를 잡을 것입니다.

세 번째 단계는 지수를 거래 가능한 계약에 포함시키는 것입니다. CME는 Silicon Data를 데이터 제공자로 선택하여 일일 GPU 임대 벤치마크로 결제되는 컴퓨팅 파워 선물을 출시할 계획입니다. 뉴욕증권거래소의 모회사인 ICE는 Ornn을 선택하여 또 다른 GPU 선물 세트를 준비 중입니다. 두 전통 거래소 모두 제품을 AI 연구소, 클라우드 업체, 데이터 센터 및 금융 기관을 위한 위험 관리 도구로 포지셔닝하고 있지만, 제품은 여전히 규제 심사를 기다리는 단계에 있습니다.

예측 시장은 다른 길을 택했습니다. 트레이더에게 '특정 칩이 특정 날짜에 특정 임대 가격보다 높을까?'라는 동일한 질문을 계속 던지게 합니다. 인접한 임계값 간의 가격 차이를 계산하면 해당 가격 구간에 대한 시장의 판단을 대략적으로 반영할 수 있습니다. 다른 날짜에 걸쳐 이 계산을 반복하면 기간 구조가 나타납니다.

전통적인 상품 시장은 일반적으로 먼저 인도 가능한 계약을 정의한 다음 선물 거래를 통해 곡선을 형성합니다. 예측 시장은 먼저 이벤트 계약을 통해 공개된 기대치를 형성한 다음, 이 기대치를 장외 거래, 선물 및 무기한 계약에 활용하는 방안을 고려합니다.

전통적인 컴퓨팅 파워 선물은 아직 규제 승인을 기다리고 있지만, 예측 시장은 이미 기간 구조를 제시했습니다.

하나의 곡선이 해결할 수 있는 문제

시장이 지수, 선물 및 선도 곡선을 구축하는 데 노력을 기울이는 이유는 무엇일까요? 이 모든 것이 일반 AI 회사에게 어떤 문제를 해결해 줄 수 있을까요?

추론 플랫폼이 6개월 후 고객에게 서비스를 제공하기로 약속했다고 가정해 보겠습니다. 그 시점에 필요한 GPU를 알고 있지만, 임대료가 얼마나 오를지 알 수 없습니다. 임대료가 갑자기 오르면 이미 합의된 고객 가격은 변하지 않으므로, 증가된 비용을 자체적으로 부담해야 합니다. GPU 임대료 상승에 따라 가치가 오르는 계약을 매수하면, 클라우드 청구서는 비싸지지만 계약에서 발생하는 수익이 차액의 일부를 보전해 줄 수 있습니다. 데이터 센터는 반대의 문제에 직면합니다. 이미 장비를 구매했는데, 미래 임대료가 하락하면 수익이 줄어듭니다. 선도 익스포저를 매도하면 장비 수익의 일부를 미리 고정할 수 있습니다.

이 계약은 기업이 실제로 구매하는 모든 카드와 완전히 동일할 필요는 없습니다. 기업이 뉴욕 지역의 H200을 사용할 수도 있지만, 시장에서 거래되는 것은 여러 공급업체를 포괄하는 H200 지수일 수 있습니다. 두 가격이 대체로 동시에 오르내리기만 하면 이 계약은 효과를 발휘합니다. 분석가들은 두 가격의 상관계수가 0.7에 도달할 경우 적절히 구성된 헤징이 변동성의 절반 가까이를 제거할 수 있다고 추정합니다. 항공사가 자체 항공유 지출과 완전히 동일한 계약을 구매할 수 없음에도 원유 선물로 비용을 통제하는 이유도 마찬가지입니다.

대출 기관도 이 곡선이 필요합니다. 데이터센터가 GPU를 담보로 대출을 신청할 때, 은행은 이 칩이 2년 후에도 얼마나 많은 임대 수익을 창출할 수 있을지 판단해야 합니다. 과거에는 제조사 견적, 산발적인 거래, 자체 가정에만 의존할 수밖에 없었지만, 공개 곡선이 생기면 대출 기관은 시장 변화에 따라 담보 가치를 조정할 수 있고, 데이터센터도 미래 수익을 더 쉽게 입증할 수 있습니다.

가격은 오히려 기업이 어떤 칩을 선택할지에 영향을 미칠 수도 있습니다. Nvidia GPU의 임대 거래가 더 많고, 지수가 더 신뢰할 수 있으며, 헤징 도구도 더 활성화되어 있다면, 은행은 이를 담보로 더 기꺼이 받아들일 것이고, 보유자는 필요할 때 더 쉽게 임대하거나 판매할 수 있습니다. 따라서 장비에 대한 자금 조달이 더 쉬워지고, 더 많은 구매자가 계속해서 이를 선택하게 됩니다. 이러한 Nvidia 주변에 집중된 거래 유동성은 경쟁사가 따라잡기 어려운 강점이 될 수 있습니다.

따라서 하나의 가격 곡선은 거래자에게만 서비스를 제공하는 것이 아닙니다. 사용자는 비용을 더 일찍 알 수 있고, 보유자는 수익을 더 일찍 확정할 수 있으며, 대출 기관은 장비와 데이터센터에 가격을 매길 용기를 얻을 수 있습니다.

병목 현상 및 과제

첫 번째 문제는 지수입니다.

Ornn은 실제 거래를 강조하고, Silicon Data는 주문형 임대 가격에 주목하며, 다른 방식은 에너지 비용을 표준화하기도 합니다. 각 방법은 일부 정보를 유지하는 동시에 다른 일부를 포기합니다. 어떤 지수도 칩, 지역, 기간, 네트워크 및 거래 상대방을 동시에 포괄할 수 없습니다.

동시에 칩은 빠르게 세대교체됩니다.

석유의 측정 단위는 계속 사용할 수 있지만, GPU 시장은 H100에서 H200, B200, GB200, Rubin으로 업그레이드됩니다. AMD, Google TPU, Amazon Trainium 및 전용 칩은 계속해서 연산 수요를 분산시킵니다. 기존 지수가 언제 퇴출되고, 신구 칩이 어떻게 연결될지는 계약의 기초 자산 자체를 지속적으로 변화시킬 것입니다.

두 번째 문제는 인도입니다.

현금 결제 계약은 만기 후에 돈만 정산하고 GPU를 인도하지 않습니다. 비용을 통제해야 하는 기업은 계약 수익으로 임대료 상승을 상쇄할 수 있지만, 이미 고객에게 용량을 약속한 neocloud는 여전히 시장에서 직접 카드를 찾아야 합니다.

또 다른 위험은 거래량에서 비롯됩니다.

GPU 임대 시장에서 매일 공개적으로 기록되는 실제 거래량은 매우 적을 수 있으며, 공급은 소수의 판매자에게 집중되어 있습니다. 이로 인해 단일 거래가 지수를 크게 움직일 수 있으며, 공급을 장악한 측이 최종 정산 가격에 더 쉽게 영향을 미칠 수 있습니다.

이것은 예측 시장을 통해 그려진 곡선의 문제이기도 합니다.

전통적인 선물 곡선은 인도 또는 현물 교환 메커니즘을 통해 선물 가격을 실제 수요와 공급으로 되돌립니다. 예측 시장의 이진 계약에는 이러한 경로가 없기 때문에, 곡선은 참가자의 기대치를 반영할 뿐, 인도 가능하거나 차익 거래가 가능한 용량 가격이 아닙니다.

세 번째 문제는 유동성입니다.

판매자는 장기 계약을 선호합니다. 데이터 센터가 수익을 미리 확보하려 하기 때문입니다. 반면 구매자는 단기 계약을 선호합니다. AI 기업이 칩과 공급업체를 교체할 자유를 유지해야 하기 때문입니다. 양측의 기간 선호도는 자연스럽게 불일치합니다. 브로커와 대규모 보유자는 불투명한 시장에서 이익을 얻으며, 모든 거래를 공개 시장에 내놓을 동기가 부족합니다.

많은 장애물이 있지만, 컴퓨팅 파워 시장에서 공개 가격에 대한 수요는 후퇴하지 않을 것입니다. 아마도 머지않아, 어떤 스마트 머니가 체인에서 '컴퓨팅 파워 5배 레버리지 롱'을 했다는 보도를 보게 될지도 모릅니다.

BlockBeats 공식 커뮤니티에 참여하세요:

Telegram 구독 그룹：https://t.me/theblockbeats

Telegram 토론 그룹：https://t.me/BlockBeats_App

Twitter 공식 계정：https://twitter.com/BlockBeatsAsia