算力价格正在从企业采购时的一项成本，逐渐变成市场共同关注的价格基准。企业租用图形处理器（Graphics Processing Unit，GPU）时，当然还会关心一张H100一个月多少钱，但随着算力租赁规模扩大、合同期限拉长，价格也越来越多地进入采购预算、长期合同和风险管理。
2026年7月3日，上海有色网（Shanghai Metals Market，SMM）开始发布算力租赁现货价格指数和挂牌价；一个多月后，芝加哥商业交易所集团（CME Group）宣布计划于10月5日推出H100和B200租赁指数期货，相关安排仍待监管审查。
现货指数和期货产品接连出现，把一个原本分散在企业询价和合同谈判中的问题推到了台前：市场能不能形成一套买卖双方都能使用、可以持续跟踪，并且能够反映未来成本变化的算力价格？
同样是H100，市场上的价格未必能够直接放在一起比较。机房所在地区、租用期限、网络配置和服务保障不同，企业最终拿到的算力服务也会不同。于是，一个平均价格的上涨可能有两种原因：一类是同样条件下的算力真的变贵了，另一类是成交中高配置、高服务等级的订单变多了。两种变化对企业采购的含义完全不同。如果价格指数无法把它们区分开来，企业看到的“市场价格”就可能偏离自己真正需要支付的成本。
因此，一个算力价格能不能成为市场基准，最终要看它能否比较同类产品、能否建立在真实成交之上，以及能否长期跟踪企业实际采购成本。只有这样的现货价格，才有可能进一步成为长期合同乃至期货风险管理的基础。
一、同一型号也可能差很多：配置、地区和合同条件都会改变价格
SMM的算力价格体系已经同时覆盖成交端和挂牌端。2026年7月3日，SMM新增“算力租赁现货价格指数”和“算力租赁现货挂牌价”。价格采集进一步分为A轨和B轨：A轨设置19个价格点，主要依据合同级信息和机构深访；B轨设置36个价格点，主要依据公开平台挂牌信息，并覆盖五大区域。两条数据轨道对应不同信息功能，前者更接近实际成交，后者扩大市场覆盖并提高价格变化的可见度。如果不区分成交价和挂牌价，成交较少时，大量挂牌报价可能把指数推离企业真正支付的价格。
当前，日度和周度价格已经可以看到明显的区域和型号分化。2026年7月20日至24日，H100 80G长三角整机月租均价由7.25万元升至7.95万元，单周上涨约9.7%，而西部同期价格基本稳定；7月31日当周，A100 80G长三角均价由3.20万元升至3.60万元，周内上涨12.5%。同月，西部部分910B2报价从此前高位明显回落。这说明算力市场很难用一个全国平均价格概括：一个地区资源趋紧时，另一个地区可能仍然供给宽松；一种芯片涨价时，另一种芯片也可能正在降价。如果把这些价格合并成一个平均数，企业看到的市场走势就可能与本地实际采购成本并不一致，也很难据此判断自己需要的算力资源的真实价格。
为什么同一型号还不能直接比价格？原因在于，一张GPU只是整套算力服务中的一个部分。芯片型号、显存和数量决定基础计算资源，组网、存储和实际运行能力决定系统性能；地区和资源独占方式影响交付条件，租期、付款和违约安排则会改变合同成本。如果这些条件混在同一个指数里，指数上涨可能来自市场供不应求，也可能来自高配置样本变多。对企业来说，两种变化对应完全不同的采购判断：前一种说明同类资源真的涨价了，后一种只说明成交样本变成了更高配置或更高服务等级。两种情况对企业采购的含义完全不同。
二、算力价格最好拆开看：基础价之外，地区、租期和服务都会形成价差
算力价格可以拆成两部分：一部分是标准配置的基础价格，另一部分是地区、租期和服务条件带来的价差。这里的“升贴水”，就是相对于基础价格增加或减少的部分。例如，同样一台H100服务器，更低时延的网络、更高的可用率或者更灵活的租期，都可能带来额外价格。这样拆开以后，买方能够看清自己为哪一项服务付了更多钱，价格指数也更容易反映市场本身究竟涨了多少。
同一型号在不同地区为什么会卖出不同价格？跨区调用要经过主干网络和远程运维，时延、稳定性以及当地可用资源都会影响实际使用体验。2026年7月，长三角H100价格快速上涨，而西部价格相对稳定，说明同一型号在不同地区面对的供需情况并不一样。如果把这些价格直接平均，全国价格看起来可能变化不大，但长三角企业实际面对的采购压力已经明显上升。单独看区域价格，企业更容易判断本地资源是否紧张，也能减少全国平均价对采购预算的误导。
租得越久为什么通常越便宜？长期合同能让供应商更早确定未来一段时间的资源会被谁使用，空置风险随之下降，所以供应商愿意用折扣换取客户的长期承诺。东南亚H100的按需、一年承诺和三年承诺价格依次下降，就体现了这种关系。如果把长期合约价格和按需价格直接放在一起，长期折扣很容易被看成市场价格下跌。把不同租期分开看，就能区分市场即期价格和长期合同折扣。
买一台GPU和租用一个月GPU，反映的是两类不同的价格。设备采购价主要受硬件稀缺、供货节奏和资产预期影响；月租价格更接近客户当前愿意为使用算力支付多少。部分高端GPU曾出现设备采购价格上涨明显快于月租价格的情况，静态回本周期，也就是按当前租金估算收回设备投入所需的时间，随之拉长。如果只看到设备涨价，就容易高估租赁业务的盈利改善；对运营商和金融机构来说，这会进一步影响投资回报和未来现金流判断。把设备资产价格和租赁服务价格分开看，才能知道涨的是资产价值，还是算力服务本身。
服务质量也会进入最终价格。服务等级协议（Service Level Agreement，SLA）是供应商和客户事先约定的可用率、故障恢复和补偿规则。两台配置相同的服务器，如果一台承诺更高可用率、更快故障恢复，客户实际获得的服务就不同，所以价格不同并不奇怪。如果这部分差异没有单独标明，高服务等级订单增加时，平均价格会被抬高，市场很容易把服务升级看成普遍涨价。把服务条件和对应加价写清楚，价格变化才更容易解释。这样形成的指数，才能把市场涨跌和服务升级尽量分开。
三、型号价回答“买什么”，任务成本回答“值不值”
GPU型号仍然是采购和交付时最直观的价格标签，因为H100、H200、B200以及不同国产芯片对应不同的显存、互联方式和软件兼容条件。问题在于，芯片更新很快，几年后市场主流型号可能已经变化。如果一个长期指数始终跟着某一个逐步退出主流市场的型号走，指数变化里就会同时混入技术换代和市场涨跌。市场还可以增加一条“标准有效算力价格”：在相同任务和服务条件下，比较不同芯片完成任务要花多少钱。型号价格告诉企业实际买到的是什么，标准有效算力价格则帮助企业判断完成同一件事谁更划算。
不同芯片放在一起比价格，先要保证它们完成的是同一类任务。MLCommons是一个开放的机器学习性能基准组织，其MLPerf Endpoints基准会同时观察系统总吞吐量、单用户交互速度和首词元时延（Time to First Token，TTFT），并考察这些指标在不同并发量下如何变化。原因很容易理解：一套系统即使总吞吐量很高，如果用户每次都要等待很久，也很难说它提供了同等质量的服务。跨芯片比较价格时，把模型、计算精度、上下文长度和时延要求固定下来，再比较完成同一任务的成本，结果会更接近用户真正关心的经济性。
GPU卡时（GPU-hour）和词元（Token）看起来都能计价，但它们计量的是两件不同的事。GPU卡时表示一张GPU运行一小时，更接近底层计算资源的租赁；Token是大模型处理信息时使用的基本计量单元，更接近模型服务收费。两者之间还受到模型效率、推理框架和系统优化影响。同样100万个Token，不同模型和不同系统消耗的GPU时间可能差别很大，所以Token价格不能直接等同于算力资源价格。因此，某个模型每百万Token更便宜，并不能直接推出它使用的GPU算力也更便宜。
芯片换代还会带来一个更现实的问题：同一条价格指数怎样保持前后可比。Silicon Data在2025年12月调整A100和H100租赁指数方法，引入互联类型、集群规模、地区和性能差异等标准化因素，并同步扩展B200和Hyperscaler基准；其H100指数目前还分别发布Neo-Cloud与Hyperscaler读数。Neo-Cloud主要指以GPU算力租赁为核心业务的新型云服务商，Hyperscaler则指拥有大规模数据中心和云基础设施的超大规模云服务商。方法一改，指数的计算逻辑会出现很大的变动，而这个变动并不一定来自市场价格本身。如果市场不知道变化来自真实价格，还是来自计算方法，长期合同和衍生品结算都会增加不确定性。保留历史版本和新旧口径之间的转换关系，可以让市场看懂指数为什么变化。
四、中美价差不能只看数字：统计口径和供应条件都会改变比较结果
中国和美国目前观察算力价格的方式并不完全相同。SMM更强调地区差异，并用A、B两条数据轨道分别观察成交端和挂牌端；Silicon Data更强调供应商类型，还会区分Neo-Cloud与Hyperscaler，并对租期、集群规模和互联方式进行标准化。两套指数如果直接比较，看到的价差可能同时包含地区结构、供应商结构和合同结构差异。这样得到的“中国更贵”或“美国更便宜”很容易过度简化实际情况。看到中美价差时，先确认两边比较的是不是同一种产品、同一类交易，才能判断价差有多少来自真实价格、有多少来自统计口径。