AIコンピューティングの金融化：オープンソースモデルがコンピューティングパワーを資本市場に押し上げる（下）

本稿はOKX Venturesが制作した詳細な調査レポートです。ボリュームが多いため、上下2編に分けて公開します。上編では算力の資産化、リスクエクスポージャー、デリバティブの価格決定ロジックに焦点を当て、下編では算力の金融インフラストラクチャ、推論の資産化の機会、業界動向を重点的に分析します。本稿は下編です。

四、算力市場の金融インフラ：価格、リスク、そして受渡し

算力金融市場の数層にわたるインフラが組み上がり始めている。指数は分散したGPUレンタル価格を統一ベンチマークに圧縮し、取引所はベンチマークを中心に標準化されたリスクを組織化し、ディーラーは特定のデータセンター、期間、SLAによって生じるベーシスを引き受け、キャパシティプラットフォームは金融ポジションを物理的な算力に接続し直す。これらの層のうち、どれが先に十分な量の実際の注文と契約参照を蓄積するかが、初期市場における価格決定権を握る鍵となる。

4.1 算力指数：誰がデフォルトの参照価格になれるか

同じ型番のGPUでも、実際の成約価格はクラスター規模、インターコネクト方式、地域、リース期間、前払い比率、SLA、サプライヤーの信用状態によって乖離する。指数プロバイダーにとっての難題は、これらの差異を市場が契約決済、融資評価、デリバティブ受渡しに利用しても良いと認めるレベルまで処理できるかどうかだ。

現在、大まかに3つのアプローチが見られる。Silicon Data、Ornnは独立系ベンチマークプロバイダーに近く、主に市場の見積もりと契約データを収集し、標準化処理を経てベンチマークを形成する。Compute Deskは算力仲介と決済を兼ねているため、成立済みのスポットおよびフォワード契約（価格、期間、実際の決済条件を含む）を直接見ることができる。SemiAnalysisは電力、チップ調達、減価償却、データセンターコストからTCOモデリングを行い、資産評価や調査により適しており、金融決済ベンチマークからはやや距離がある。

4.2 取引所取引/標準化先物：伝統的および新興の準拠取引所が算力市場に参入

取引所が提供する中核的価値は、標準化、清算、そして販売網である。Neocloud、AI Lab、プライベートクレジット機関にとって、ヘッジが既存のFCM、証拠金、清算システムに直接接続できれば、導入コストは大幅に低下する。伝統的取引所と新興の準拠プラットフォームは、そのため同時に算力商品のテストを開始している。CME、ICEは成熟した先物インフラを継続し、Architect AX/AIX、Pluto/PMEXは無期限契約と固定満期先物で異なる道筋を模索している。

算力先物のコールドスタートは、単に契約を上場するよりもはるかに複雑である。算力契約は断片化しやすい。異なるGPU型番、地域、クラスター構成は異なる受渡し価値に対応するため、流動性が単一の契約に自然に集中することは難しい。 遠期価格はチップの納入、電力、モデル効率に大きく依存するため、一般的な金融マーケットメーカーは物理的な注文情報を持たず、6ヶ月や1年の期間で継続的に深みのあるクォートを提示するのは難しい。

産業界のヘッジ需要も短期的には十分に大きくない可能性がある。Hyperscalerは内部で多くのリスクを吸収でき、トップクラスのNeocloudは長期契約でかなりの部分のキャッシュフローを既にカバーしている。初期の取引所市場はまず取引・投機的な流動性を蓄積する可能性が高く、産業界のヘッジが追いつくかどうかは、中小規模のオペレーターやオンデマンドで算力を調達するAIチームが継続的かつ反復的な取引を開始するかどうかにかかっている。

4.3 店頭取引、マーケットメーカー：OTCのカスタマイズとベーシス管理

取引所内での十分な流動性が形成される以前は、多くのリスクはまずOTCを通じて移転される可能性が高い。物理的な算力の地域、ネットワーク、クラスター規模、SLA、納入時期は非常に具体的であり、統一された取引所契約に直接押し込むことは難しい。

そのため、ディーラーは非常に価値のある位置にいる。一方には早期にレンタル料を固定したいNeocloud、もう一方には調達コストを固定したいAI Labがいる。ディーラーはそれぞれにカスタマイズされた価格を提示し、標準先物や他のポジションで全体的な価格リスクを管理できる。買い需要と売り需要のタイミングや仕様が合致しない場合、ディーラーはまず自らのバランスシートで注文を引き受ける必要もある。

この種のビジネスは単なるbid-askスプレッドの獲得ではない。データセンター、電気代、ネットワーク環境、納入制約、顧客の信用状態はすべてベーシスを形成する。これらの非標準的な差異に対して継続的に価格を付け、資本を使ってリスクを引き受ける意志を持つことこそが、ディーラーにとって複製が難しい能力である。 FalconXとRobert LeshnerによるH100スワップ、Wintermuteが提供するH100フォワードは、マーケットメーカーが算力フォワードの価格提示とリスク移転を試み始めた初期の試みと言える。金融仲介業者が物理的な算力に対してカスタマイズされた期間の価格を提供し始め、標準化できない部分を自らのブックに保持し始めたのだ。

そのため、実際の注文フローが非常に重要になる。指数は市場の平均価格を示すが、ディーラーが持つ見積もり依頼や成約情報は、特定の地域、構成、期間において実際に支払われるプレミアムにより近い。この情報がベーシスがどのように価格設定され、利益がどこに残るかを直接決定する。

4.4 キャパシティプラットフォームと物理的な受渡し：紙上のポジションから実物の履行・受渡しへ

AI Labにとって、金融ポジションが価格を固定したとしても、その時点で要件を満たすGPUが利用可能であることは保証されない。算力が逼迫しているとき、この違いは特に重要になる。物理的な履行能力がなければ、先物価格と実際のデータセンターのレンタル料は互いに乖離しやすくなる。

現在、いくつかの異なるレベルの試みが登場している。Vast.ai、RunPod、Hyperbolicといったスポットプラットフォームは、より豊富な物理的価格情報と利用可能なキャパシティデータを提供する。SF Computeは、予約済みキャパシティの転売や買い戻しを許可し、長期キャパシティ契約に一定の流動性をもたらしている。EFPネットワークは、標準先物と具体的な物理的契約を接続し、先物で市場全体の価格を処理し、オフライン契約で地域、ネットワーク、SLAを処理しようと試みている。

SF Computeのようなモデルは特に注目に値する。従来のTake-or-Pay契約では、未使用のキャパシティはほぼサンクコストに等しかった。転売が可能になると、将来のキャパシティは取引可能な権利属性を持ち始める。これにより長期契約の流動性が高まり、物理市場自体にもより明確なフォワード価格が生まれる。

EFPは別のレベルの問題を解決する。AI Labはまず標準先物で市場ベータを固定し、実際の展開時に履行ネットワークを通じて具体的なデータセンターを探し、地域、ネットワーク、SLAに対応するベーシスを支払うことができる。これにより、金融市場はすべての物理的差異を単一の先物契約に詰め込むことなく、実際の産業界の受渡しにサービスを提供できる。

4.5 Inference Capital Markets：推論経済における資金調達、サービス権、収益権

GPUが推論サービスプロバイダーによってトークン化されると、金融ニーズはハードウェアのレンタルから、推論ビジネスの運転資金と契約権利へと拡大し始める。推論サービスプロバイダーが完全な粗利益を固定したい場合、理論上はGPUインプットコストとトークンアウトプット価格の両方を管理する必要がある。

推論サービスプロバイダーの利益はおおよそ次の式で表される： トークン実現価格 × GPU時間当たりのトークン産出量 × GPU稼働率 − GPUコスト − その他の運用コスト

4.5.1 推論経済における資産の需要ポイントはどこにあるのか？

GPUとキャパシティは事前に調達する必要があり、API収入は顧客のリクエストに応じて後から徐々に発生する。需要予測が高すぎるとアイドルマシンが残り、現金も拘束される。大手モデル企業やHyperscalerは自らのバランスシートでこの変動を吸収できるが、中小規模の推論プラットフォームは顧客からの前払いや外部資金調達に依存しやすい。

生産能力が需要の顕在化に先行するというタイムラグは、4つのタイプの資産を生み出す：GPU信用（前期投資の資金調達）、前払いサービス権（将来収入の早期回収）、生産能力インセンティブ（需要形成前の供給サイドへの補助）、モデル展開資産（運用コスト控除後の残余利益の分配を試みる）。

伝統的なクラウド市場は、この種の需給ミスマッチを処理するために、以前からprepaid creditsやreserved capacityを活用してきた。例えば、OpenAIのScale Tierは、企業が特定モデルのインプットおよびアウトプットトークンのスループット単位を事前購入することを可能にする。これはすでに標準化された前払い推論サービスであり、ただクレジットが企業アカウントに紐付けられており、自由に譲渡することはできない。

Cryptoはチェーン上に新たな財産権設計の層を追加する。以前はサプライヤーのアカウントに記録されていたサービス枠が、ウォレットで保有できるようになり、さらに譲渡や資金調達も可能になる。将来的にエージェントが自ら推論サービスを調達するようになれば、こうした権利は機械の予算システムに直接入ることもできる。プログラムによる支払いが将来的に業界共通のインフラ能力となるにつれ、チェーン上でより明確な位置づけを持つのは権利レイヤーである。将来のサービスが独立して保有できるか、譲渡できるか、資金調達に利用できるかは、それが単なるクレジットから金融資産へと発展できるかを直接左右する。

現在、チェーン上の推論は実行レイヤーでのシェアは依然として非常に小さい。cryptoネイティブの推論サービスプロバイダーの過去3ヶ月のOpenRouterにおける日次トークン流量のシェアは約0.5%〜1%に過ぎない。これはまた、チェーン上における現段階のより現実的な機会は金融レイヤーにある可能性が高いことを意味する。推論サービスは引き続き最も効率的なプラットフォームが生産し、チェーン上は資金と権利の流通を担当する。

4.5.2 4つのタイプの推論資産化の試み

現在、Inference Capital Marketsは4つのタイプの権益資産化の方向性に分かれている。

GPU信用

GPU信用が最初に規模を形成したのは、一つには既に外部の支払い者が存在するからであり、もう一つにはその金融商品の構造が伝統的な信用資産に非常に近く、機関投資家が理解しやすいからである。

典型的なGPU融資は依然として伝統的な資産ファイナンス構造を踏襲している：GPUはDelaware SPVが保有し、貸し手はLoan and Security Agreement、UCC-1、データセンターのlien waiverを通じて担保権を設定する。チェーン上では融資のシェア、返済、収益分配が記録されるが、デフォルトが発生した場合、債権の執行は依然としてオフラインの契約、デバイス管理、裁判所システムに依存する。

借り手がGPUを展開した後、下流の顧客が継続的に算力費用を支払い、このキャッシュフローが融資の元本と利息を支える。オフテイク契約が履行され続ける限り、融資には明確な返済原資が存在する。

ただし、GPU信用という方向性は、伝統的な資本に最も吸収されやすいという特徴も比較的持っている。将来的にシニアローンが標準的な期間、金利、LTV、法的な償還請求権を持つようになれば、銀行、保険資金、私募信用の資本コストはチェーン上の資金をはるかに下回るだろう。大口、投資適格、構造が明確な融資は、最終的には伝統的なシンジケートローン、ABS、またはプライベートクレジットファンドに入る可能性が高い。

チェーン上が長期にわたって保持できる位置は、主にTradFiのサービスコストが高い部分、例えば中小規模オペレーター向けの融資組成、クロスボーダーのステーブルコイン資金、融資シェアの分配、リアルタイムのデバイス・稼働率モニタリング、そして初期損失を負担するジュニアまたはメザニン層などである。将来的に出現する可能性が高い構造は、チェーン上のプロトコルが借り手の発見、資産の監視、初期資本の組織化を担当し、融資のパフォーマンスが安定した後、シニア部分を伝統的な資金に売却し、チェーン上はサービス手数料、劣後リスク、データ関係を保持し続けるというものだ。

前払いサービス権

前払いサービス権は、発行主体の今日の資金ニーズを解決する。プラットフォームは将来のAPIキャパシティを前もって販売し、現金を先に受け取り、将来にわたって継続的に履行する。期間が長くなればなるほど、買い手が負担するプラットフォームリスクはより顕著になる。数年後のモデルはまだ競争力を持っているだろうか？ サービス価格はどの水準まで下がるだろうか？ creditsの購買力は維持できるだろうか？ これらはすべて今日の評価に影響を与える。

そのため、この種の商品は今後、標準化されたキャパシティ契約に徐々に近づいていく可能性が高い。期間はより短くなり、サービス基準はより