AREX Viewpoint Article
The Programmable Data Center — Evan Conrad, SF Compute
导读
9月底，SF Compute官网的更新里出现了两个具体客户的名字：Standard Intelligence与Roboflow，它们通过SF Compute的转售市场拿到了更大规模的GPU集群；同一批更新中，公司还发布了Elastic InfiniBand。对一家以算力交易闻名的公司来说，真正落地的并不是合约定价，而是集群交付、网络互联和转售通道本身。10月12日至14日，公司首席执行官Evan Conrad在AI Engineer New York的演讲题目正是“How Compute Markets Work”；10月20日，Latent Space将这场对谈发布出来。于是问题变成：一门算力生意，为什么必须先学会“经营酒店”，才有资格谈价格？
先看市场结构。Pantera在2026年9月的报告中指出，SF Compute、Vast AI、Runpod这类平台确实已经存在，但大量GPU节点的实际买卖仍通过经纪商完成。名义上的“算力资本市场”在扩张，成交却仍停留在私下撮合，公开订单簿并非主流渠道。这个落差正是本期对谈的起点：如果交易可以绕开平台，平台的价值就只能来自它能否把算力真正交付出去。
Conrad给出的答案很直接：障碍不在合约设计，而在物理交割。他把公司历程概括为从“卖出一个房间”到“经营整座酒店”——最初只是转租自己的集群，客户却不断追问清洁、运维、安全，最终逼着公司把整朵云的运营能力建起来。他强调订单簿必须与物理交割同时设计，才能容纳“可以中断，但需要保留存储以便快速恢复”这类真实约束；现金结算与衍生品也只有从物理交割中生长出来，才不会变成与GPU无关的对赌。
更根本的困难是算力并不均质。Conrad用原油分级作类比：市场上交易的从来不是笼统的“石油”，而是轻质低硫与重质高硫之分；算力同理，芯片代际、VRAM规格、乃至Supermicro盒子里的固件问题都会改变一批硬件的价值，早期批次的H100和GB200都出过问题，精明的买家愿意为较晚部署的机器支付溢价。中断条款也无法统一：批处理任务接受分钟级通知，在线推理客户却要求提前一到三个月，两者的违约成本与定价必须分开，类似电力市场的日前与实时两个市场。
这也解释了为什么现成的强者建不了这个市场。Conrad判断，NVIDIA会从独立算力市场中获益巨大，却做不了它：一旦亲自运营平台，作为硬件供应商的它就不再中立。Crusoe、Coreweave、Lambda、超大规模云厂商，以及Base10、Fireworks、Modal等推理平台同样做不了，因为它们在买方一侧的需求太大。独立运营者的代价是自我限制，必须放弃承接大额推理业务和大型云订单——“你必须杀死自己的业务”。
所以这期节目的价值不在于给出一个算力价格，而在于交出几把尺子：先看物理交割是否跑通，再看订单簿有没有把硬件代际和中断容忍度暴露出来，最后看运营方是否愿意为中立性放弃订单。用这把尺子去量Standard Intelligence、Roboflow的转售接入和Elastic InfiniBand的进展，比追问“算力何时成为原油”更有意义。需要说明的是，上述机制判断大多来自Conrad本人的陈述和SF Compute的自述，属于当事方的解释框架，而非独立验证的市场结论。
核心结论
- 算力商品化的前提是物理交割，而非价格合约：SF Compute的核心判断是，只有先跑通GPU集群的实际交付、中断处理和硬件约束，订单簿才能反映真实可用的算力，后续的现金结算和衍生品才不会沦为脱离实物的对赌。
- NVIDIA和大型云厂商做不了独立算力市场，中立性是稀缺资源：NVIDIA作为硬件供应商、Coreweave和Lambda等作为算力需求方，都无法在买卖双方之间保持中立。独立运营者必须放弃大额推理和云订单，才能获得交易双方的信任和融资支持。
- 算力不是标准化商品，硬件代际和可靠性差异必须被定价：不同代际芯片、VRAM规格、固件bug和早期批次故障导致算力高度异质。市场需要像原油分级一样暴露底层差异，让客户为更可靠的硬件支付溢价，而非压缩成统一算力单位。
- 批处理与在线推理的中断容忍度差异，决定了算力必须分开定价：批处理任务可以接受分钟级中断，而在线推理需要数月提前通知。这种差异类似电力市场的日前市场与实时市场，要求租赁合同和价格机制分开设计，不能用统一价格覆盖所有算力交易。
- SF Compute的路径是把数据中心变成可编程的超级计算云：通过“超级计算即服务”模式，SF Compute帮助持有电力、土地或数据中心的合作方成为云服务商，并承担SLA和集群交付责任。其目标是虚拟化整个数据中心，让客户像编程一样扩展和收缩算力。
观点拆解
1. GPU算力要真正商品化，必须先解决“物理交割”而非只做价格合约
-
从转租集群到运营整朵云：物理交付逼着SF Compute补齐全部基础设施：SF Compute的起点只是转租自己的GPU集群，但客户不断提出清洁、客房服务、安全等实际运维需求，最终迫使他们把整朵云的运营能力都建起来。这说明算力交易无法停留在“卖房间”的层面，必须成为“经营整座酒店”的运营商，才能真正把算力交付出去。
“这就像你在酒店里，想卖掉那个酒店房间。然后有人问你：“嘿，你会打扫我的房间吗？”于是你说：“哦，我想我大概也需要那个清洁间。””
“到了某个节点，你其实就是在经营整座酒店。而我们过去几年所做的，就是建设一整朵云的运营能力，以便真正以可靠的水平交付算力。”
-
订单簿必须与物理交割共同设计，才能纳入中断、存储等真实算力约束：SF Compute借鉴电力市场的经验，把物理交割和订单簿同时设计，而不是先做价格撮合再事后补交付。这样订单簿才能反映“可中断但需要快速恢复存储”等真实约束，使交易标的更接近实际可用的GPU算力。
“所以我们同时设计了物理交割和订单簿，这意味着我们能够真正处理算力的现实约束，比如：“我可以接受被中断，但前提是上面有存储，能让我很快恢复。””
-
先跑通物理交割，现金结算和衍生品才不会是脱离实物的“对赌”：Evan Conrad承认现金结算作为未来概念很好，但坚持它必须从物理交割中衍生出来。否则现金结算就会像《大空头》里的对赌合约，可能与底层GPU毫无关系，甚至被当作其他东西的代理，最终失控。
“需要明确的是，我们认为现金结算作为未来概念是个好主意。我们只是认为它应该从物理交割中衍生出来。”
“因为正如你所说，它是对赌，而且有点像你在建立物理交割之前，就先做了现金结算期货。”
2. NVIDIA和大型云厂商做不了独立算力市场，因为它们不够中立
-
NVIDIA做不了独立算力市场，因为它无法保持中立：Evan Conrad认为，NVIDIA虽然会从独立算力市场的存在中获益巨大，但它自己无法建立这个市场。原因是NVIDIA作为硬件供应商，一旦亲自运营交易平台，买卖双方就不会认为它是中立的，也就不会愿意在其平台上交易。
“我们的印象是，NVIDIA做不了这件事，但会从它的存在中获益巨大。它做不了的原因是，那样它就不够中立，人们不会愿意在上面交易。”
-
大型云厂商和推理平台也做不了，因为它们自身需求过大：Conrad进一步指出，Crusoe、Coreweave、Lambda、超大规模云厂商，以及Base10、Fireworks、Modal等推理平台，都无法成为独立的市场运营方。原因是它们自身对算力的需求太大，无法在买卖双方之间保持中立。
“这也是为什么Crusoe、Coreweave和Lambda，为什么超大规模云厂商做不了，为什么Base10、Fireworks和Modal也做不了，因为它们在那一侧有太多需求。”
-
独立运营者必须放弃大额推理和云订单才能获得信任：要成为独立的市场运营方，必须放弃承接大额推理业务和大型云订单的能力。这种自我限制是建立中立性的代价，也是让买卖双方愿意在平台上交易、进而让贷款方愿意基于远期市场提供融资的前提。
“但没有人能做这件事，除非他们放弃做所有大额推理业务和所有大型云订单的能力。你必须杀死自己的业务才能做成这件事。”
3. 算力不是标准化商品，硬件代际、固件问题和性能差异必须被定价
-
算力像原油一样存在等级差异，无法被抽象成统一计算单位：Evan Conrad 用大宗商品的分级逻辑说明，算力并非同质化商品。就像原油分为轻质低硫原油和重质高硫原油、玉米分为 A 级和 B 级一样，不同代际和规格的芯片必须被区别对待。这意味着市场不能把算力简单压缩成一个通用单位，而必须暴露底层差异。
“对于任何交易过大宗商品的人来说，商品是有不同等级的，对吧？它不是笼统的石油，而是轻质低硫原油对某种完全相反的东西，或者像玉米 A 级或玉米 B 级之类的。”
“所以，根本没有办法把这一切抽象成某种通用的计算单位，让你可以随意调配。就像你说的石油，连石油都不是石油，石油实际上就是一堆不同类型的油。”
-
早期批次芯片存在更高故障风险，客户愿意为可靠硬件代际支付溢价：Evan Conrad 指出，早期批次的 H100 和 GB200 都出现过故障，因此精明的客户会偏好特定时间之后部署的硬件，并愿意为此支付更高价格。这说明硬件生产批次本身就是一个定价维度，可靠性差异会直接反映在客户付费意愿上。
“早期的 GB200 坏了，早期的 H100 也坏了。所以，如果你要买 H100 或 GB200，你可能会非常想要在某个时间点之后部署的那些，因为你不想拿到第一批下线的产品。所以，如果你是一个非常精明的客户，你可能愿意为此支付更多。”
“第一批下线的产品可能有一些故障或问题。所以，如果你是拿到第一批货的人，或者说是第一批出货中的那些，那么它们确实可能会坏掉，或者在某些方面有问题。”
-
固件问题和芯片代际差异是算力异质性的重要来源，客户确实在意芯片代际：除了硬件批次，固件 bug 也会影响整批设备，而且问题可能来自 Supermicro 等非英伟达供应商。同时，Evan Conrad 明确表示客户确实关心芯片代际，部分原因是 VRAM 等规格差异。这说明算力的异质性不仅来自芯片本身，还来自整个供应链的软硬件组合。
“固件 bug 甚至可能跟具体的芯片无关，它们可能不是英伟达的问题。比如 Supermicro 在你买的那个盒子里有一个固件 bug，而且它适用于所有盒子。解决办法是你需要让他们更新固件，或者他们需要在每个新盒子里装一个新的东西。”
“是的，我认为人们完全在意芯片的代际。我觉得部分原因在于 VRAM 之类的东西。”
4. 批处理与在线推理需要完全不同的中断条款和定价机制
-
批处理工作负载可以接受分钟级中断，而在线推理需要数月提前通知：Evan Conrad 指出，批处理推理任务即使随时被切断也影响不大，用户只需要提前一小时甚至一两分钟收到通知即可；但在线推理服务面向实时客户，不能在一分钟内被中断，而需要提前一个月、两个月甚至三个月通知，以便逐步调整容量。这种中断容忍度的巨大差异，是算力合同必须分开设计的根本原因。
“如果是批处理推理，我可以在任何时候被中断，我并不太在意。我被切断的能力大概是，我需要提前一个小时知道我要被切断，然后就没问题了。或者我甚至可以在你知道的一两分钟内收到通知。但如果我有在线推理客户，他们期待我保持在线，那么你可以中断我，但要在一个月后。也许是两个月，也许是三个月。”
-
中断批处理任务与中断在线服务的价格必须分开计算：由于批处理任务和在线服务对中断的容忍度完全不同，用户愿意为中断付出的代价也截然不同。Evan Conrad 强调，这两种情况必须采用不同的定价，因为中断一个批处理任务的价格与中断一个在线任务的价格差异极大，在线服务通常还涉及 SLA 违约成本。
“所以，这两样东西的定价是不同的，而它们定价不同的原因是：你为了中断你的批处理任务愿意支付的价格，与你为了中断你的在线任务愿意支付的价格是非常不同的。如果你有一个在线任务，你很可能在违约时要支付 SLA。”
-
算力市场类似电力市场，需要区分日前市场与实时市场：Evan Conrad 将算力市场与电力市场进行类比：电力市场存在日前市场和实时市场两个独立市场，算力市场也有同样的结构——即将上线的容量与正在使用中的容量具有不同的价格动态。这一类比为理解算力定价机制提供了清晰的框架，也解释了为什么不能用一个统一价格来覆盖所有算力交易。
“一种思考方式是，在电力市场中，实际上有两个市场。有类似日前市场的，还有实时市场。算力也有同样的东西，它有即将上线的容量，或者说即将到达你的容量，然后还有当前正在使用的容量。这些具有不同的价格动态。”
5. 算力价格曲线呈“临近到期降价、远期溢价”的形态
-
临近到期的算力块必须降价清仓，形成价格曲线近端的下探：Evan Conrad 用牛奶即将过期就必须降价的类比说明，算力作为一种无法储存到过去的易逝商品，临近交付时点仍未售出的算力块只能通过降价来出清。这解释了算力价格曲线在临近到期一端出现下探的机制，也说明现货市场上挂出的算力往往是未被提前锁定的剩余供给。
“这基本上就像，如果我有牛奶，而它快过期了，我就会降低它的价格。”
“如果有一块算力正在逼近当下，它不可能在过去被卖掉，所以它必须降低价格，以便在某个价位出清。”
-
远期算力可能因买家预期涨价而出现溢价锁定：Evan Conrad 指出，当买家预期未来算力价格上涨时，他们可能愿意支付比原先预期更高的价格来提前锁定远期算力。这种“怕买不到、怕涨价”的心理会推动远期合约出现溢价，与临近到期的降价清仓形成对照，共同塑造了算力价格曲线的两端形态。
“如果我认为价格要上涨，我可能愿意在未来支付比我之前预期更高的价格，因为我可能会想：“好吧，我现在能买到一个，但如果我再也买不到了，那么如果它稍后上线，我可能愿意在未来买更多，只是为了锁定它。””
6. SF Compute的商业模式是把数据中心变成可编程的超级计算云
-
SF Compute以“超级计算即服务”模式，把数据中心持有者变成云服务商：SF Compute的核心商业路径不是自己囤积所有GPU，而是与拥有电力、土地或数据中心的合作方联手：对方提供物理基础设施，SF Compute负责超级计算层的交付与销售。这种分工让原本只能卖数据中心或卖集群的资产持有者，多了一条“成为云”的变现路径。
“我们提供超级计算即服务。也就是说，有人来找我们说，我有X兆瓦的电力，或者我有一个想变成GPU集群的数据中心。我的选择可以是卖掉GPU集群，也可以把数据中心卖给别人，或者我可以成为云。然后我们告诉他们：很好，我们会把你变成云，我们负责超级计算部分，你来做数据中心云。”
“如果这些资源可以变成数据中心，我们基本上会通过合作伙伴把通电的土地或其他资源项目管理到数据中心层级，然后我们在超级计算部分接手。”
-
SF Compute承担SLA和集群交付责任，让客户可以拥有GPU资产而不必承担运营风险：对于希望保留GPU集群残值、将其纳入资产组合的客户，SF Compute提供从建设到运营的全流程服务，并明确承担SLA责任。如果客户后续想退出，SF Compute还能帮助快速转售集群，避免资产长期压在资产负债表上。这降低了拥有算力资产的门槛和风险。
“如果你想拥有一个GPU集群，想获得它的残值，想把它放进你的资产组合里，我们很乐意与你合作来建设这个GPU集群。我们会接手并负责超级计算部分，确保一切正常运行。SLA由我们承担。如果后来发现这是个坏主意，你需要退出这个集群，我们可以立即把它卖给别人，这样它就不会压在你的资产负债表上。”
-
SF Compute的目标是虚拟化整个数据中心，让算力像编程一样可扩展和收缩：SF Compute的产品愿景是把原本只有自持硬件才能获得的能力抽象出来，使客户无需拥有物理设备也能按需调度和伸缩集群。这种“可编程数据中心”的定位，是其区别于传统云厂商和硬件转售商的关键。
“是的，我们正在虚拟化数据中心并让它变得可编程。所有那些你原本只有拥有硬件才能获得的东西，我们都在尝试虚拟化。”
7. 算力市场的流动性目前很小，但订单簿上的交易效率已经很高
-
算力市场仍不成熟，但平台化运营正在为流动性创造条件：Evan Conrad 承认当前算力市场并不成熟、深度不足，但 SF Compute 通过先获取供给、再搭建交易平台，刚刚开始将容量迁移到订单簿上。这说明流动性的前提是先把非标准化的算力运营标准化，市场机制才刚刚起步。
“嗯，还不太成熟，也不够深，流动性也不足。”
“我们总容量的5%已经上了订单簿，而且我们在持续把更多容量放上去，同时也在引入更多容量。”
-
订单簿上的绝对交易量虽小，但流动性效率已经很高：Evan Conrad 修正了自己的表述，强调虽然订单簿上的实际成交量不大，但流动性本身是高的。这意味着在已经进入订单簿的那部分容量中，买卖匹配的效率足以支撑市场机制的初步验证。
“也许我应该说的是，订单簿上的实际成交量很小，但订单簿上的流动性很高。”
-
客户通过转售平均能回收25%的成本，证明市场机制初步跑通：SF Compute 用具体数据衡量流动性：客户花100美元购买容量后，平均能通过转售给他人回收25美元。这个指标说明，即使市场规模还小，已经存在真实的二次交易需求，算力作为可交易资产的属性正在形成。
“从我们这里购买容量的客户，花100美元买下容量后，平均能通过转售给别人收回25美元。”
总结
算力市场的真正门槛不在交易技术，而在物理交付和中立运营。SF Compute的实践表明，只有先解决GPU集群的实际交付、硬件异质性定价和中断条款设计，算力才能从一种模糊的“资源”变成可交易的商品。而NVIDIA和大型云厂商因自身利益无法承担这一角色，独立运营者必须通过放弃大额订单来换取信任。这意味着算力商品化的竞争，本质上是运营能力和中立性的竞争，而非单纯的交易平台之争。
信息源
视频来源
- The Programmable Data Center — Evan Conrad, SF Compute：
外部资料
- SF Compute：
- The Rise of Compute Capital Markets | Pantera：
- The Programmable Data Center — Evan Conrad, SF Compute：
- Latent.Space：
- AI Engineer New York 2026: October 12-14：