Ez itt az on the other hand, a portfolio vélemény rovata.

Ez itt az on the other hand, a portfolio vélemény rovata. A cikkek a szerzők véleményét tükrözik, amelyek nem feltétlenül esnek egybe a Portfolio szerkesztőségének álláspontjával. Ha hozzászólna a témához, küldje el cikkét a velemeny@portfolio.hu címre. A megjelent cikkek itt olvashatók.

Az MI energiaéhsége átírja az árampiacot

A MESTERSÉGES INTELLIGENCIA (MI) HASZNÁLATÁNAK GYORS ELTERJEDÉSE NAGYKAPACITÁSÚ ADATKÖZPONTOK LÉTESÍTÉSÉVEL ÉS EZEK ÁRAMFOGYASZTÁSÁNAK NÖVEKEDÉSÉVEL JÁR EGYÜTT.

Az adatközpontok létesítésére világszerte fordított beruházások értéke 2022 óta több mint kétszeresére nőtt. Ez a beruházási fellendülés növekvő aggodalmat keltett az egekbe szökő áramigény miatt. A Nemzetközi Energia Ügynökség adatai szerint az MI céljait szolgáló adatközpontok a világ áramfogyasztásának körülbelül 1,5%-át tették ki 2024-ben. Ebből az Egyesült Államokra jutott a legnagyobb hányad (45%), ezt követte Kína (25%) és Európa (15%). Az adatközpontok globális áramfogyasztása 2017 óta azonban évente körülbelül 12%-kal nőtt, ami több mint négyszerese a teljes áramfogyasztás növekedésének. Az MI-re összpontosító adatközpontok manapság ugyanannyi áramot fogyaszthatnak, mint az energiaigényes gyárak, például az alumíniumkohók, de földrajzilag sokkal koncentráltabban. Az Egyesült Államokban az adatközpontok kapacitásának közel fele például öt regionális klaszterben összpontosul.

Az MI a gazdasági növekedés legfontosabb mozgatórugójává vált. Az Egyesült Államok messze a legnagyobb mértékben részesedik ebből a prognosztizált növekedésből, őt követi Kína. Az évtized végére az Egyesült Államokban az adatközpontok várhatóan már több villamos energiát fognak fogyasztani, mint az alumínium, acél, cement, vegyi anyagok és az összes többi energiaigényes áru előállítása együttvéve.

Noha a villamosenergia különleges áru, hiszen kereslete rugalmatlan, csak korlátozott mértékben és drágán tárolható, nagy távolságra korlátozottan és veszteséggel szállítható, költségesen létesíthető távvezetékhálózaton keresztül, az áramellátásban mégis teret nyert a tőzsdei kereskedés.

Az EU tőzsdei kereskedésen nyugvó belső energiapiaca évente 34 milliárd eurót takarít meg a fogyasztóknak,

az integráció elmélyítésével pedig ez az összeg 2030-ra akár 40-43 milliárd euróra is emelkedhet. Az áramtőzsdék működésének új lendületet ad egyfelől a digitalizáció, vagyis az adatközpontok és az MI-technológiák gyors terjedése, ami jelentős többletenergia-igényt generál, másfelől pedig a megújuló energiaforrásokból, túlnyomórészt nap- és szélenergiából termelt villamos energia arányának a 2020-as 37%-ról 2030-ra több mint 60%-ra való növekedése.

Új árupiac születik az MI körül

A Boston Consulting két munkatársa, Antti Belt és Allen Thomas, egy tanulmányban arra a következtetésre jutottak, hogy nagy esélye van annak, hogy nemcsak az adatközpontok áramellátása történhet árutőzsdék segítségével, hanem

rövidesen az MI céljaira használt adatközpontok szolgáltatása maga is tőzsdei áruvá válhat.

Egészen a közelmúltig a nagyvállalati MI-felhasználók az MI-szolgáltatásaikat fix díjas előfizetések formájában vehették igénybe. A kereslet ugrásszerű növekedése és az adatközpontok létesítésének növekvő igénye azonban véget vetettek a fix díjas korszaknak. Olyan jelentős MI-laborok, mint az Anthropic és az OpenAI, áttértek a mérésalapú árazásra. A következő fejlemény valószínűleg a dinamikus árazás elterjedése lesz, amely során az árak a kereslet csúcsidőszakaiban ugrásszerűen emelkednek. A végfelhasználók számára a következmény egyértelmű: az MI-használat költségei megnövekednek.

Ez a kihívás alapvető változást igényel az adatközpont-piacon: mégpedig

elmozdulást az egyedi szerződésektől és az átláthatatlan árazástól egy likvidebb, átláthatóbb rendszer felé.

Hogy meddig jut el a teljes tőzsdei áruvá tétel felé, az egyelőre bizonytalan a számottevő nehézségek miatt – többek között olyan sajátosságok miatt, mint az MI-adatfeldolgozás jelenlegi heterogenitása, a cserélődő hardvergenerációk, az igények időbeli lefutása és a földrajzi elhelyezkedés. A változás mindazonáltal megkezdődött, és már körvonalazódnak az MI-chipbérléshez kapcsolódó benchmarkok és határidős típusszerződések, amelyek átláthatóvá teszik az árakat és a kockázatkezelést.

140 milliárd dolláros „sötét érték" szabadulhat fel

Ahogy a piac egyre likvidebbé és hatékonyabbá válik, új lehetőségeket teremt nemcsak a jelentős adatfeldolgozási kapacitásokat igénybe vevő felhasználók számára. A BCG Institute becslése szerint

ez a változás összességében akár 140 milliárd dollárnyi éves „sötét értéket” is felszabadíthat

– olyan kockázati értéket, amely gyakorlatilag minden iparágban létezik a tőke, áruk és szolgáltatások kínálatának, valamint a kereslet hiányosságai miatt. (Lásd az 1. ábrát.) Az MI-adatfeldolgozási piacon a sötét érték valószínűleg két fő területre koncentrálódik:

• Az ároptimalizálás és a kereskedés a piac három fő összetevőjével: MI-chipekkel – főleg grafikus feldolgozó egységekkel (GPU-k) –, az MI-adatfeldolgozási kapacitások igénybevételi (bérleti) díjaival, valamint a végfelhasználói tokenekkel.
• Hitelfelvételi költségek csökkentése az adatközpontok létesítése során.

Azok a szereplők, akik idejekorán lépnek, lesznek leginkább képesek arra, hogy alkalmazkodjanak a gyorsan változó piachoz és „sötét értéket” tudjanak felszabadítani az MI-számítási piacon.

A MI-adatfeldolgozási kapacitás jelenlegi piacának kihívásai

Az MI-adatfeldolgozási piac szédítő iramban növekszik. A BCG elemzése szerint a 2025-ös 360 milliárd dollárról 2030-ra körülbelül 2,3 billió dollárra nő. Ennek ellenére az ökoszisztéma szereplői számos strukturális kihívással szembesülnek, amelyeket egy likvidebb és átláthatóbb piac jobban tudna kezelni.

MI-végfelhasználók: az MI-költségeknek való növekvő kitettség

Az árképzési módszerek fejlődésével a végfelhasználók egyre inkább ki vannak téve az MI-modelleket futtató MI-adatfeldolgozási piacnak.

Egészen a közelmúltig a fix előfizetési árak nagyrészt elfedték az MI-használat tényleges költségeit. A végfelhasználói kereslet növekedésére az MI-szolgáltatók eddig nem áremeléssel reagáltak, hanem más módszerekkel igyekeztek befolyásolni a keresletet. Amikor az MI-adatfeldolgozási kapacitás szűknek bizonyult, akkor a szolgáltatók tarifakorlátok, kiszolgálási rangsorolás vagy kapacitáskorlátozás bevetésével reagáltak. A felhasználók viszont rosszabb szolgáltatást kaptak, noha a feltételektől függetlenül ugyanazt a fix előfizetést vették igénybe.

Az utóbbi időben viszont sok szolgáltató áttért a mérésalapú árazásra. Az Anthropic 2026 áprilisában átállította az alkalmazásprogramozási felület (API) használatáért felszámított tarifáját egy 20 dolláros alapdíjra és tokenenkénti díjra. A vállalat kifejezetten az MI-adatfeldolgozás terén egyre növekvő túlkereslettel indokolta a változást. Hasonlóképpen, az OpenAI április elején átállította a Codexet az átalánydíjas árazásról a tokenek mérésére, a GitHub néhány nappal később szigorította a Copilot-használatának korlátait, a Windsurf pedig márciusban a fix krediteket kemény heti limitekre cserélte.

A piac fejlődésének következő lépése a dinamikus token-alapú árazás lehet, amikor az inferencia ára az MI-célú adatfeldolgozás kínálatával és keresletével együtt mozog,

hasonlóan ahhoz, ahogy a nagykereskedelmi villamosenergiaárak a forró délutánokon emelkednek, éjszaka pedig csökkennek.

Tokeneknél a dinamikus árazás mind a keresleti munkaterhelés jellemzőit, mind a kínálati oldali feltételeket tükrözi. A keresleti oldalon persze nem minden inferencia-terhelés azonos értékű: egy valós idejű, ügyfélkapcsolatot kezelő, reggel 9:00-kor futó ágens és egy kötegelt összesítő feladat éjszakai elvégzése nem azonos áron lesz számlázva. A kínálati oldalon a rendelkezésre álló szabad MI-adatfeldolgozási kapacitás folyamatosan ingadozik. Azok a vevők, akik elviselik a késleltetést vagy rugalmasan tudják ütemezni a munkát, kevesebbet fizetnek; azok viszont, akiknek egy adott időpontban garantált kapacitásra van szükségük, felárat kell fizetniük.

Ez az árazás hatékonyan működhet olyan környezetben, ahol az MI-modellek egymást helyettesíthetik. Például egy fejlesztő, aki chatbotot, összefoglaló eszközt vagy kódolóasszisztenst épít, gyakran futtathatja azt a Claude-on, a GPT-n vagy egy nyílt forráskódú alternatíván, mégpedig hasonló eredményekkel. Ez erős versenyt teremt és szorosabban köti az árakat a szolgáltató aktuális MI-adatfeldolgozási költségéhez.

Azonban nem minden MI-tevékenység „csereszabatos”. A mélyebb ökoszisztéma-integráció – például egyedi chip vagy finomhangolt modellek használata, az adatrezidencia-megállapodások és vállalati támogatási megállapodások – olyan költségekkel járhat, amelyek megszüntetik azt a helyettesíthetőséget, amelyen a spot piacok működése alapszik. Ezekben az esetekben a tokenek árai ugyanúgy tükrözik majd a MI-adatfeldolgozás megállapodásos értékét, mint a határköltségeket, de kevésbé fognak a nagykereskedelmi áramárhoz hasonlítani; inkább egy hosszú lejáratú közüzemi szerződéshez hasonlóan fognak viselkedni: ragadósabbak és kevésbé átláthatóak lesznek, s kevésbé reagálnak a valós idejű ellátási feltételekre.

Ahogy a vállalatok fokozzák az MI használatát, egy fejlettebbé váló piac segíthet alkalmazkodni a dinamikus árazáshoz több gyakorlati intézkedés alkalmazásával:

• Időben rugalmas munkaterhelések stratégiai kezelése. A helyettesíthető, késleltetéstűrő feladatok esetében a vállalatok úgy kezelhetik a MI-adatfeldolgozást, mint bármely más, előre kiszámítható árciklusokkal rendelkező árucikket – a kötegelt munkát, a modellértékeléseket és a nem sürgős feldolgozást alacsony spotárakra kell alapozni.
• Határidős piacok használata az árkockázat kezelésére a rugalmatlan munkaterhelések esetén. Azokban az esetekben, amikor a vállalatok nem tudják késleltetni az igénybevétel időpontját, de a szolgáltatók továbbra is helyettesíthetők, a vállalatoknak meg kell ismerniük a valós idejű MI-adatfeldolgozás költségeit és a hedgelési lehetőségeket, hogy védekezhessenek a költségek ingadozása ellen.

• Felül kell vizsgálni a kapacitáslekötési megállapodásokat.

  Az olyan kritikus fontosságú munkaterhelések esetében, ahol magas a szolgáltatóváltás költsége, a vállalatoknak meg kell érteniük, hogy valójában mit fizetnek meg egy konkrét szolgáltatóval kötött fix szerződésért. Kulcsfontosságú, hogy a lekötött kapacitás árazási feltételeiről az alternatívák teljes ismeretében tárgyaljanak, és ezzel elkerüljék az olyan árazást, amely elszakad az MI-adatfeldolgozás tényleges költségeitől.

MI-laborok és más nagy MI-számítástechnikai felhasználók – kockázatkezelés és áralakulás

Az MI-laboroknak, beleértve az Anthropicot és az OpenAI-t is, hatalmas MI-számítási kapacitásra van szükségük az új modellek kifejlesztéséhez, valamint a végfelhasználók munkaterhelésének támogatásához. A jelenlegi piaci struktúra két kihívást jelent számukra:

• Először is az árfeltárás lehetősége korlátozott. A MI adatfeldolgozási szolgáltatók weboldalain található árak ritkán egyeznek meg a ténylegesen felszámított árakkal. Az MI-laboratóriumok és az MI-számítástechnika más nagy felhasználói (például az önvezető járművek és a biotechnológiai vállalatok) esetében a szolgáltatók gyakran kétoldalúan állapítják meg az árakat tárgyalásos kedvezmények, kapacitáslekötési kötelezettségvállalások és a piacon kívüli, nem nyilvános kétoldalú megállapodások révén. A piacok ugyanakkor sikeresen létrehoztak benchmarkokat az árfeltárás támogatására. Az olyan piacokon, mint a nyersolajpiac, az árjelentő ügynökségek valós tranzakciós adatokat gyűjtenek a piaci szereplőktől, szabványosítják azokat, és referenciaként közzéteszik, amelyekhez a piac többi része az árait igazíthatja. Egy fix benchmark a mesterséges intelligencia számítástechnikai szolgáltatásaihoz lehetővé tenné az MI-laboratóriumok számára, hogy felmérjék, fair piaci árat fizetnek-e. Ugyanakkor referenciaárral szolgálna a határidős piacok számára és ezzel megteremtené az árindexált megállapodások alapjait, amelyekben a díjak a valós kínálathoz és kereslethez igazodnak, ahelyett, hogy a vevőket a piaci feltételektől elszakadt fix árakhoz kötnék.
• Másodszor, az MI-laboratóriumoknak és más nagy felhasználóknak korlátozott lehetősége van a kínálati- és árkockázat kezelésére. Ezért nemcsak azt vásárolják meg, amire az adott időben szükségük van, hanem olyan hosszú távú kétoldalú megállapodásokat kötnek, amelyek rögzített vagy kiszámítható árakon biztosítják a kapacitást jóval azelőtt, hogy pontosan tudnák, mekkora kapacitásra lesz ténylegesen szükségük.

A kapacitásfoglalásáért folytatott verseny az adatközpontok 1%-os üresedési arányában is megmutatkozik,

ahol az új kapacitásnak nagyjából 92%-a már előre lekötött, mielőtt az adatközpont egyáltalán megépülne.

A Cast.AI szerint azonban egyes vállalati MI-adatközpont-felhasználók által bérelt vagy saját tulajdonú GPU-klaszterek kihasználtsági aránya akár 5% is lehet. A kihasználtság valószínűleg jóval magasabb a vezető MI-laboratóriumokban, de még ott sem teljesen megoldott a probléma. Ez kívülről nézve nem tűnhet hatékonynak, különösen akkor, ha bizonyos kapacitások folyamatosan kihasználatlanok maradnak. A vevő szemszögéből azonban az alternatíva rosszabb lehet. Az aluligénylés ugyanis azt jelentheti, hogy nem áll rendelkezésre elegendő MI-adatfeldolgozási kapacitás a következő modell betanításához, a felhasználók következő hullámának kiszolgálásához vagy a versenytársakkal való lépéstartáshoz.

A hosszú távú szerződések az árkockázat kezelésében is segíthetnek. A Silicon Data H100 bérleti indexe szerint egy H100 GPU ára 2025. januárja óta havonta körülbelül 2,2%-kal emelkedett. Ugyanebben az időszakban az árak egy ponton akár 11%-kal is csökkentek, egy másikon pedig nagyjából 25%-kal a kiindulási szintjük fölé emelkedtek.

Egy fejlettebb piac két kritikus kockázatkezelési típust tenne lehetővé:

• Kínálati kockázatkezelés. A piacokon a vállalatok hosszú távú, kétoldalú szerződéseket használnak az alapellátás tervezéséhez, míg a likvid, rövid távú piac lehetővé teszi a vevők számára, hogy a kereslet változásához igazodva növeljék vagy csökkentsék a vásárolt kapacitást. A másodlagos piac mindkét irányban rugalmasságot tesz lehetővé: azok a cégek, amelyeknek több kapacitásra van szükségük, megvásárolhatják, míg a kihasználatlan kapacitással rendelkező cégek eladhatják azt. Az MI-adatfeldolgozási piac azonban egyelőre még nem így működik.
• Árképzési kockázatkezelés. Az árupiac határidős árai lehetővé teszik a vállalatok számára a jövőbeli árak anélkül történő rögzítését, hogy fizikailag meg kellene vásárolniuk az olajat, a gázt vagy a búzát.

  Az MI-adatfeldolgozás likvid piaca lehetővé tenné az MI-laborok számára, hogy jobban kezeljék az áringadozási kockázatot azáltal, hogy határidős ügyletekkel fedezik az MI-számítás jövőbeli költségeit.

Adatközpont szereplői: Magas hitelfelvételi költségek

Eddig a MI-adatközpontok feltörekvő piaca nagymértékben támaszkodott a hiperskálázható saját tőkére és cash flow-ra alapuló finanszírozásra. Ahogy a piac fejlődik, a hitelfinanszírozás iránti igény valószínűleg gyorsan növekszik. A hiperskálázók és a neofelhők ma viszonylag magas kamatlábak mellett vesznek fel hiteleket adatközpont-befektetéseik finanszírozására. A hitelezők ugyanis a kiszámítható cash flow-t és a minimális teljesítménykockázatot részesítik előnyben, ám jelenleg az MI-adatközpontok nem képesek ezeket az elvárásokat teljesíteni.

Az adatközpontokra felvett hitelek biztosítékát a grafikus feldolgozóegységek és kapacitáslekötési (bérleti) szerződések jelentik. A grafikus feldolgozó egységek maradványértéke bizonytalan, mert gyorsan avulnak, átlagosan ugyanis kétévente jelennek meg új generációk. A kapacitáslekötési szerződések díjai is változékonyak: a H100 óránkénti díja 2024 elején, a csúcsponton, körülbelül 8 dollár volt, ami 2025 végére óránként 1,96 dollárra zuhant, majd 2026 áprilisában óránként 2,64 dollárra kapaszkodott vissza. Ezenkívül ezek az ügyfélszerződések gyakran egy vagy két ügyfélre koncentrálnak, ami megnöveli az esetleges újratárgyalásoknak vagy az ügyfél fizetésképtelenségének hatását.

A grafikus feldolgozó egységek maradványértéke és a bérleti díjak határidős piacainak megteremtése megváltoztathatja az egyenletet azáltal, hogy két dolgot lehetővé tesz:

• Maradványérték hedgelése. A jövőbeli maradványérték piaci értékének hiányában a hitelezők kénytelenek maguk becsülni a várható értékcsökkenést és ezért konzervatívan kölcsönözni, azaz szűken tartani a hitelfedezeti rátát, valamint magas kamatokat alkalmazni. Az MI-chipek árgörbéjének meghatározása lehetővé tenné az adatközpontok fejlesztői és a hitelezők számára, hogy közvetlenül fedezzék a fennmaradó kockázatot.
• Bérleti díjak fedezése. A bérleti díjbevétel fedezi a vállalat adósságát, amíg az üzlet működik. Egy likvid határidős árfolyamgörbe lehetővé tenné a vállalatok számára, hogy szabványosított szerződéseket kössenek, ami ugyanolyan mértékű biztonságot teremtene számukra, mint amilyet most az átfogó átvételi megállapodásokkal szereznek.

Az ilyen pénzügyi eszközök fejlesztése végső soron alacsonyabb hitelfelvételi költségeket eredményezne, ami lehetővé tenné az adatközpont-fejlesztők számára, hogy saját tőkéjüket a nagyobb adatközpont-kapacitás kiépítésére fordíthassák.

A sötét érték lehetősége

Ahogy az MI-adatfeldolgozási piac fejlődik, az adatközpontok, MI-laborok és a nagy végfelhasználók új mechanizmusokhoz fognak hozzáférni befektetéseik és kiadásaik kezelésére. Ezek a mechanizmusok lehetővé teszik, hogy két területen is csökkentsék a sötét értéket: az arbitrázs és a hitelfelvételi költségek terén.

Optimalizálás és kereskedés

A BCG sötét értékkel kapcsolatos kutatása szerint bármely iparágban a teljes piacméret 3–4%-a is elérhető arbitrázs révén – ez a lehetőség a piac összetettségéből fakad. Ha ezt a rátát a 2030-ra várhatóan 2,2–2,4 billió dolláros MI-adatfeldolgozási piacra alkalmazzák,

akkor ez 66–97 milliárd dolláros potenciális éves értéket jelent.

Ez az érték a piac három fő összetevője között oszlik meg:

• MI-chipek. Ez a szegmens évente 12–17 milliárd dollárnyi értéket hozhatna vissza. Az adatközpont fejlesztői ennek nagy részét realizálhatnák.
• MI-számítási kapacitás bérlése. Az ilyen bérletet általában GPU-órákban mérik. Az éves sötét érték nagysága 22 és 34 milliárd dollár között mozog. Az MI-laborok és a nagy MI-számítási felhasználók lennének ennek az értéknek a fő haszonélvezői.
• Az MI-alkalmazások végfelhasználói által használt tokenek. A nagyvállalati felhasználók jó helyzetben vannak ahhoz, hogy realizálhassák az éves sötét érték nagy részét, amely ezen a területen 32 és 46 milliárd dollár között mozog.

Ez a becslés nem abból indul ki, hogy minden optimális lesz és mindennel kereskedni fognak. Végül is a MI-adatfeldolgozási kapacitás legtöbb vásárlója mesterséges intelligencia alapú munkaterheléseket futtat, és a munkaterheléstől függően az arbitrázs – különösen a földrajzi arbitrázs – sokuk számára a gyakorlatban nem biztos, hogy megvalósítható. Egyes munkák ugyanis a költségkorlátok miatt (az adatátviteli díjak ugyanis felemészthetik az elérhető megtakarításokat) vagy az időkorlát miatt nem vihetők át egy másik régióban található adatközpontba. (Lásd a 2. ábrát.)

Ezek a korlátok azonban idővel kevésbé relevánssá válhatnak, mivel olyan vállalatok, mint például a Lumen Technologies, úgy fejlesztik az MI-infrastruktúrájukat, hogy támogassák a nagy kapacitású, alacsony késleltetésű hálózatépítését a hatalmas mesterséges intelligencia-adatkészletek mozgatásához.

Csökkent hitelköltségek

Az adatközpont-üzemeltetők potenciális finanszírozási megtakarításainak becsléséhez a BCG az LSEG/Refinitiv hiteladatait használta fel. Először volumen szerint súlyozott befektetési kategóriájú hiteleket használt a fedezett egynapos finanszírozási kamatláb (SOFR) feletti átlagos kamatfelár kiszámításához. Ezután elemezte az adatközpont-vállalatok egy részhalmazát, köztük a CoreWeave-et és az xAI-t, hogy megbecsülje az MI-infrastruktúrára jellemző felárakat.

Feltételezve, hogy 2026 és 2030 között 3,6 billió dolláros beruházás valósul meg az MI-infrastruktúrában, két forgatókönyv szerint hasonlította össze a kamatköltségeket: egyikben nincs előretekintő görbe az MI-adatfeldolgozáshoz, a másikban pedig van egy megbízható előretekintő görbe. Mindkét forgatókönyvben állandónak vették a finanszírozási struktúrát: 70%-os hitelfedezeti arány, 4,5 éves amortizáció (a befektetési kategóriájú hitelek medián futamideje) és 3,6%-os SOFR. (Lásd a 3. ábrát.)

A vállalatok a 116 milliárd dolláros megtakarítást, ami éves szinten mintegy 26 milliárd dollárt jelent, a kapacitás bővítésére fordíthatnák.

Ha az MI-infrastruktúra-beruházások az elemzők előrejelzéseinek felső határán valósulnak meg – 2026-tól 2030-ig 6 billió dollár –, akkor a hitelfelvételi költségek csökkenése évente meghaladná a 40 milliárd dollárt.

A likvid MI-számítási kapacitás piacának létrejöttét nehezítő tényezők

A vállalatok már tettek néhány kezdeti lépést a piac fejlesztése érdekében. Az Amazon Web Services például 2009-ben indította el az EC2 Spot Instances-t a kihasználatlan kapacitások árverési piacaként, de később egy olyan modellre váltott, amely a szabad kapacitások iránti hosszú távú kínálaton és keresleten alapul. Újabban olyan független szereplők, mint az SF Compute, továbbfejlesztették az ötletet egy olyan piactér kiépítésével, amely GPU-klasztereket tartalmaz, beépített viszonteladással. Számos tényező azonban kihívást jelentett az ilyen erőfeszítések – és egy hatékonyabb piac felé történő általános elmozdulás – számára:

• Technikai összetettség. Az MI-adatfeldolgozás három dimenzióban különbözik. Először is, bizonyos időpontokban olcsóbb vagy könnyebben elérhető lehet (például csúcsidőn kívül, alacsony keresleti időszakokban, szezonális szünetekben vagy az új MI-modell bevezetése utáni kereslet-kiemelkedésekben). Másodszor, minősége változó lehet. Egy H100 nem ugyanazt a teljesítményt nyújtja, mint egy H200. A nem GPU-költségek, mint például a CPU-számítási kapacitás, a hálózat, a tárolás, az összehangolási szoftverek és a támogatás, gyakran rejtettek, akárcsak az olyan szolgáltató-specifikus tényezők, mint a leállásidő, a beállítási idő, a hibakeresési idő, valamint a hálózathoz és a tároláshoz szükséges teljesítményhangolás. Harmadszor, az MI számítási költségei és elérhetősége földrajzi helyenként eltérhetnek.
• Konszenzusos benchmarkok hiánya. Egy megbízható benchmark az MI-adatfeldolgozáshoz lehetővé tenné az ökoszisztéma minden szereplője számára, hogy összehasonlítsa az ajánlatokat, értékelje a GPU-alapú eszközöket, vagy pénzügyi termékeket használjon az árkockázat fedezésére. Érett árupiaci piacokon, mint az olajpiacon, a benchmarkok eltérhetnek, de ezek továbbra is közös árjelzést adnak a résztvevők számára. Kezdenek megjelenni az MI-számítási benchmarkok, többek között az Ornn H100 Index és a Silicon Data H100 Rental Index. Azonban egyelőre minden benchmark más módszertant alkalmaz az adatok gyűjtésére és az árak normalizálására. Ennek következtében

  ugyanaz a GPU ugyanazon napon jelentősen eltérő árakat mutathat az egyes indexek esetén.

• Tőke rendelkezésre állása. Bár sok MI-labor és MI-szolgáltató cég még nem igazán nyereséges, a részvényfinanszírozás továbbra is lehetséges, és bár az hitelfelvét költséges, eddig könnyen lehetett finanszírozási alternatívákat találni. Ennek folytán az árkockázat kezelése csak nemrég kezdett gondot okozni.
• Adatközpont működtetőinek érdekeltsége. Az adatközpontok befektetői hagyományosan hosszú lejáratú kétoldalú szerződésekre támaszkodtak, és kevés okuk volt az árazás szabványosítására vagy a nyilvános benchmarkok támogatására. A jövőben azonban néhány adatközpont stratégiai értéket láthat a nagyobb piaci átláthatóságban, ha ez csökkenti a finanszírozási költségeiket, és segít meggyőzni a vállalati ügyfeleket, hogy átláthatatlanabb ajánlattevőktől pártoljanak át hozzájuk.

Egyelőre még korai jósolgatásokba bocsátkozni, hogy létrejön-e, s ha igen, akkor mikor a MI-adatfeldolgozási kapacitások tőzsdei típusú kereskedése.

Mindazonáltal az adatfeldolgozási kapacitások jellemzői meglehetősen jól szabványosíthatók, ami előfeltétele annak, hogy kialakulhasson egy tőzsdei kereskedés.

Valószínűnek tűnik, hogy adatfeldolgozási kapacitások tőzsdei kereskedése hasonlítani fog az elektromos energia kereskedéséhez. Egyrészt azért, mert az adatfeldolgozás költségei erősen kötődnek a működtetéshez szükséges elektromos energia áraihoz, másrészt mert az adatátvitel megbízhatósága és költsége sokban hasonlít a távvezetékhálózaton keresztüli áramszállítás sajátosságaira.

A címlapkép illusztráció. Címlapkép forrása: Getty Images