A Kalshi lançou curvas a termo de GPU para fornecer referências de preços para infraestrutura de computação de IA. A disponibilidade e o preço de GPUs continuam altamente voláteis devido a novas gerações de chips e restrições de oferta, o que cria demanda por ferramentas financeiras de hedge semelhantes aos mercados de commodities. A iniciativa posiciona a Kalshi ao lado de bolsas tradicionais como ICE e CME Group no mercado emergente de derivativos de computação para IA, refletindo a crescente crença de que a capacidade de GPU está evoluindo para uma classe de ativos.
Treinar modelos de IA de fronteira exige clusters com dezenas de milhares de GPUs, enquanto as cargas de trabalho de inferência consomem cada vez mais capacidade de computação diariamente. Para desenvolvedores de IA, provedores de nuvem, usuários corporativos e hiperescaladores, a computação tornou-se uma das maiores despesas operacionais. Diferentemente de serviços tradicionais de nuvem, a disponibilidade e o preço de GPUs continuam altamente voláteis, com novas gerações de chips provocando mudanças bruscas na demanda e restrições de oferta elevando drasticamente os custos de locação.
Curvas a termo fornecem pontos de referência em mercados maduros ao estimar para onde os participantes coletivamente esperam que os preços se movam ao longo do tempo. Empresas de energia dependem de curvas a termo ao planejar compras de combustível, companhias aéreas fazem hedge do preço do combustível de jatos e fabricantes travam preços de metais. Segundo a Kalshi, empresas de IA vão querer fazer o mesmo com computação, cada vez mais.
Embora as próprias curvas a termo da Kalshi não sejam instrumentos negociáveis, elas podem servir como referência de preços para acordos de balcão e contratos estruturados de computação. Empresas que buscam proteção real de preço podem negociar os mercados de computação subjacentes listados na Kalshi ou negociar operações em bloco por meio da bolsa.
ICE e CME Group anunciam produtos de futuros de GPU
Em maio, a Intercontinental Exchange, controladora da New York Stock Exchange, anunciou planos para lançar futuros de computação de GPU baseados no Ornn's Compute Price Index. Os contratos foram desenhados para dar a desenvolvedores de IA, provedores de nuvem e operadores de infraestrutura instrumentos padronizados para fazer hedge de oscilações nos preços de locação de GPUs.
A CME Group também anunciou planos para lançar futuros ligados ao poder de computação de IA mais tarde neste ano, usando benchmarks de preços desenvolvidos pela Silicon Data. O CEO da CME Group, Terry Duffy, descreveu a computação como “o novo petróleo do século 21”, refletindo a crescente crença de que a capacidade de GPU está evoluindo para uma classe de ativos por si só.
Esses lançamentos sugerem que o setor está avançando de simplesmente medir preços de GPUs para criar um ecossistema financeiro completo em torno da infraestrutura de IA. Essa evolução espelha a trajetória de muitos mercados de commodities, em que a negociação spot normalmente se desenvolve primeiro, seguida por índices de referência, precificação a termo, contratos futuros, opções, swaps e, por fim, produtos sofisticados de gerenciamento de risco usados por participantes institucionais.
Kalshi usa mercados de previsão para construir curvas a termo
A estratégia da Kalshi é diferente das bolsas tradicionais de futuros porque usa mecanismos de mercado de previsão para gerar expectativas de preço. Segundo a empresa, mercados de previsão oferecem maior flexibilidade, enquanto o mercado de computação permanece fragmentado entre diferentes modelos de GPU, provedores de nuvem, métodos de implantação e estruturas de contrato.
Em vez de esperar que um único benchmark padronizado surja, a Kalshi argumenta que mercados de previsão podem agregar expectativas a partir de inúmeras perguntas de precificação antes de convergir, eventualmente, para preços de referência amplamente aceitos. As curvas a termo resultantes são construídas a partir de múltiplos mercados de previsão que cobrem diferentes horizontes de tempo, permitindo que traders infiram preços esperados de GPUs nas próximas semanas e meses.
Essa abordagem se alinha à expansão mais ampla da Kalshi além de contratos de eventos tradicionais. Ainda este ano, a bolsa anunciou futuros perpétuos, representando seu primeiro grande movimento para derivativos convencionais fora dos mercados de previsão.
Computação de GPU enfrenta desafios de padronização diferentes de petróleo
Comparações entre computação de IA e petróleo se tornaram cada vez mais comuns no setor. Ambos representam insumos essenciais para a atividade econômica, exigem investimentos enormes de capital para expandir oferta, passam por volatilidade de preços impulsionada por desequilíbrios entre oferta e demanda e criam demanda por mercados financeiros que permitam que empresas façam hedge de custos futuros.
No entanto, diferenças importantes permanecem. Petróleo é uma commodity física padronizada globalmente, enquanto computação de GPU é fragmentada entre gerações de hardware, provedores de nuvem, regiões geográficas e modelos de implantação. Os chips mais recentes da Nvidia podem substituir rapidamente gerações anteriores, o que significa que o ativo de referência de hoje pode perder relevância muito mais rápido do que commodities tradicionais.
A liquidez também continua sendo um desafio. Mercados de commodities se tornam efetivos apenas quando há participantes suficientes comprando e vendendo ativamente contratos. Embora a demanda por infraestrutura de IA siga crescendo em ritmo acelerado, derivativos de GPU ainda estão em estágio inicial em comparação com mercados maduros de futuros que cobrem petróleo, eletricidade ou produtos agrícolas.
Outro desafio é a transparência de preços. Custos de locação de GPUs podem variar significativamente dependendo da duração do contrato, do provedor, das taxas de utilização e da disponibilidade regional, tornando a construção de benchmarks consideravelmente mais complexa do que para commodities físicas padronizadas.
FAQ
O que a Kalshi lançou para precificação de computação de IA?
A Kalshi lançou curvas a termo de GPU para fornecer benchmarks de preços para infraestrutura de computação de IA. As curvas a termo são construídas a partir de múltiplos mercados de previsão que cobrem diferentes horizontes de tempo, permitindo que traders infiram preços esperados de GPUs nas próximas semanas e meses. Embora as próprias curvas não sejam instrumentos negociáveis, elas podem servir como referência de precificação para acordos de balcão e contratos estruturados de computação.
Como a abordagem da Kalshi difere da ICE e da CME Group?
A Kalshi usa mecanismos de mercado de previsão para gerar expectativas de preço, enquanto a ICE e o CME Group estão lançando contratos tradicionais de futuros de computação de GPU. A ICE anunciou planos em maio para lançar futuros baseados no Ornn's Compute Price Index, e a CME Group anunciou planos para lançar futuros usando benchmarks da Silicon Data. A Kalshi afirma que mercados de previsão oferecem maior flexibilidade, enquanto o mercado de computação permanece fragmentado entre diferentes modelos de GPU, provedores de nuvem e métodos de implantação.
Por que a computação de GPU é difícil de padronizar em comparação com petróleo?
A computação de GPU é fragmentada entre gerações de hardware, provedores de nuvem, regiões geográficas e modelos de implantação, enquanto petróleo é uma commodity física padronizada globalmente. Os chips mais recentes da Nvidia podem substituir rapidamente gerações anteriores, o que significa que os ativos de referência podem perder relevância mais rápido do que commodities tradicionais. Os custos de locação de GPUs variam significativamente dependendo da duração do contrato, do provedor, das taxas de utilização e da disponibilidade regional, tornando a construção de benchmarks mais complexa do que para commodities físicas padronizadas.
