Pomóż rozwijać World Market Atlas
Zamawiając wycenę firmy, wspierasz też rozwój projektu.
Wesprzyj projekt
Pomóż rozwijać World Market Atlas — niezależny projekt dla inwestorów indywidualnych. Twoje wsparcie pomaga tworzyć analizy i rozwijać narzędzia.
Compute jako potencjalna nowa klasa aktywów – finansjalizacja mocy obliczeniowej w gospodarce sztucznej inteligencji
Stan na 23 września 2026 r. Zapowiedzi i prognozy nie oznaczają zrealizowanych inwestycji ani uruchomionego handlu.
Rozwój sztucznej inteligencji prowadzi do gwałtownego wzrostu znaczenia infrastruktury obliczeniowej, a w szczególności wyspecjalizowanych akceleratorów GPU wykorzystywanych do trenowania i inferencji modeli AI. Moc obliczeniowa, tradycyjnie traktowana jako koszt operacyjny lub element infrastruktury informatycznej, zaczyna być przedmiotem standaryzacji cen, długoterminowych kontraktów, finansowania zabezpieczonego infrastrukturą oraz planowanych instrumentów pochodnych. NVIDIA określa ten proces jako przekształcanie compute w „investable asset class”. Jednocześnie powstają pierwsze prace naukowe poświęcone wycenie mocy obliczeniowej jako aktywa finansowego oraz kontrakty futures oparte na cenach wynajmu GPU.
Celem niniejszego opracowania jest ocena, czy compute może rzeczywiście przekształcić się w odrębną klasę aktywów. Analiza wskazuje, że moc obliczeniowa posiada część cech charakterystycznych dla surowców, energii oraz infrastruktury, lecz jednocześnie charakteryzuje się wysoką heterogenicznością, szybkim postępem technologicznym, brakiem możliwości magazynowania niewykorzystanej zdolności obliczeniowej oraz znaczną koncentracją dostawców. Najbardziej prawdopodobnym kierunkiem rozwoju nie jest zatem powstanie jednej jednolitej klasy „compute”, lecz całego kompleksu instrumentów finansowych obejmujących infrastrukturę AI, kontrakty na moc obliczeniową, kredyt zabezpieczony sprzętem i przychodami oraz instrumenty pochodne na ceny GPU.
Słowa kluczowe: artificial intelligence, compute, GPU, klasa aktywów, futures, infrastruktura AI, centra danych, finansjalizacja, NVIDIA.
1. Wprowadzenie
Każda rewolucja technologiczna prowadziła nie tylko do powstania nowych przedsiębiorstw, lecz również do tworzenia nowych aktywów będących przedmiotem finansowania i inwestycji. Koleje umożliwiły rozwój obligacji infrastrukturalnych, ropa naftowa stworzyła rozbudowane rynki kontraktów terminowych, rozwój telekomunikacji doprowadził do finansjalizacji infrastruktury sieciowej, natomiast Internet przyczynił się do powstania całej klasy aktywów związanych z centrami danych i infrastrukturą cyfrową.
Rozwój generatywnej sztucznej inteligencji może prowadzić do podobnego procesu. Podstawowym zasobem umożliwiającym funkcjonowanie modeli AI jest moc obliczeniowa — compute. W tym znaczeniu obejmuje ona nie tylko pojedynczy procesor GPU, ale cały system pozwalający przekształcać energię elektryczną i dane w operacje obliczeniowe: akceleratory, procesory, pamięć, sieci, chłodzenie, centra danych oraz oprogramowanie.
W sierpniu 2026 r. Jensen Huang, prezes NVIDIA, przedstawił tezę, zgodnie z którą infrastruktura AI zaczyna stawać się nowym „investable asset class”. NVIDIA ogłosiła równocześnie współpracę z Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs oraz KKR nad platformami finansowania infrastruktury AI, które mają docelowo mobilizować ponad 500 mld USD kapitału podmiotów trzecich. Trzeba jednak zaznaczyć, że komunikat NVIDIA opisuje planowane platformy finansowania i pochodzi od przedsiębiorstwa mającego bezpośredni ekonomiczny interes w ekspansji rynku infrastruktury AI.
Pytanie naukowe nie powinno zatem brzmieć: czy NVIDIA nazywa compute klasą aktywów?, lecz: czy moc obliczeniowa spełnia ekonomiczne i finansowe warunki pozwalające uznać ją za odrębną klasę aktywów?
2. Co właściwie oznacza „klasa aktywów”?
Nie każdy przedmiot posiadający cenę jest klasą aktywów. Robert Greer w klasycznym artykule What Is an Asset Class, Anyway? definiował klasę aktywów jako zbiór aktywów posiadających wspólne fundamentalne cechy ekonomiczne, które jednocześnie odróżniają je od innych rodzajów aktywów.
Współczesne podejście stosowane m.in. przez CFA Institute wskazuje dodatkowo, że elementy danej klasy powinny być relatywnie jednorodne, powinny reprezentować wspólne źródła ryzyka oraz posiadać wystarczającą skalę i możliwość inwestowania, aby mogły stanowić istotną część portfela inwestycyjnego.
W przypadku compute można wyróżnić przynajmniej cztery różne obiekty ekonomiczne:
fizyczna infrastruktura obliczeniowa — GPU, serwery i centra danych;
strumień usług obliczeniowych — np. godzina korzystania z GPU;
kontrakty i instrumenty finansowe oparte na compute — długoterminowe umowy oraz futures;
instrumenty finansujące infrastrukturę — kredyty, obligacje i struktury project finance zabezpieczone GPU lub kontraktami klientów.
To rozróżnienie jest istotne. Własność centrum danych przypomina tradycyjne aktywo infrastrukturalne generujące przepływy pieniężne, natomiast godzina niewykorzystanej pracy GPU jest raczej nietrwałym dobrem ekonomicznym przypominającym energię elektryczną.
3. Dlaczego compute zaczyna przypominać surowiec?
Podstawą powstania rynku finansowego jest istnienie aktywnego rynku dobra bazowego. Taki rynek stopniowo powstaje w przypadku mocy obliczeniowej.
Bandi i Su w pracy (Early) AI Compute Asset Pricing argumentują, że ekonomicznym przedmiotem rynku nie powinien być sam procesor GPU, lecz dostęp do określonego pakietu usług: akceleratora, pamięci, CPU, sieci, lokalizacji, niezawodności oraz infrastruktury operatora.
Jednostką podobną do baryłki ropy czy megawatogodziny może stać się zatem GPU-hour, czyli godzina dostępu do określonego rodzaju GPU.
Problem polega jednak na tym, że GPU-hour nie jest dobrem jednorodnym. Godzina NVIDIA A100, H100, B200 czy AMD MI300X może oferować zupełnie inną wydajność. Różnice występują również pomiędzy centrami danych, konfiguracją sieci, pamięcią oraz jakością infrastruktury.
Bandi i Su określają obecny rynek jako heterogeniczny i wskazują, że jego finansjalizacja wymaga stworzenia indeksów przekształcających wiele różnych cen w zestandaryzowany benchmark.
Proces ten już się rozpoczął. Powstały indeksy publikujące ceny wynajmu A100, H100, B200 i innych akceleratorów. Silicon Data publikuje m.in. dzienne benchmarki wyrażone w dolarach za GPU-hour.
Samo istnienie indeksu nie oznacza jeszcze powstania klasy aktywów, ale stanowi jeden z podstawowych warunków utworzenia instrumentów pochodnych i rynku zarządzania ryzykiem.
4. Skala gospodarcza rynku compute
Drugim argumentem przemawiającym za finansjalizacją compute jest ogromna skala inwestycji.
Według Stanford AI Index globalna zdolność obliczeniowa infrastruktury AI rosła od 2022 r. w tempie około 3,3 raza rocznie, osiągając pod koniec 2025 r. około 17,1 mln ekwiwalentów NVIDIA H100. NVIDIA odpowiadała za ponad 60% szacowanej globalnej mocy, a istotne udziały posiadały również Google, Amazon oraz inni producenci.
Równocześnie infrastruktura ta wymaga ogromnych inwestycji energetycznych. Stanford szacował moc infrastruktury centrów danych AI na około 29,6 GW w 2025 r.
Jeszcze bardziej widoczna jest skala finansowa. International Energy Agency wskazuje, że nakłady inwestycyjne pięciu dużych przedsiębiorstw technologicznych przekroczyły w 2025 r. 400 mld USD, a w 2026 r. miały wzrosnąć o kolejne około 75%. IEA zauważa, że capex zaledwie pięciu firm technologicznych stał się większy niż globalne inwestycje w wydobycie ropy i gazu.
Oznacza to, że infrastruktura AI osiąga wielkość, przy której tradycyjne finansowanie wyłącznie z bilansów przedsiębiorstw technologicznych staje się coraz mniej efektywne. Naturalną konsekwencją jest napływ banków, funduszy private credit, inwestorów infrastrukturalnych i rynków obligacji.
5. Futures jako punkt zwrotny
Jednym z najważniejszych etapów przekształcania dobra ekonomicznego w aktywo finansowe jest stworzenie rynku instrumentów pochodnych.
CME Group oraz Silicon Data zapowiedziały uruchomienie kontraktów futures na ceny wynajmu NVIDIA H100 oraz B200. Według komunikatu CME handel ma rozpocząć się 5 października 2026 r., pod warunkiem uzyskania wymaganych zgód regulacyjnych. Na dzień 23 września 2026 r. oznacza to, że rynek jest zapowiedziany, ale nie ma jeszcze długiej historii rzeczywistego handlu.
Podobne plany ogłosiły ICE oraz NATIVX, które pracują nad kontraktami futures opartymi na indeksie COIL mierzącym ceny znormalizowanej mocy obliczeniowej.
Powstanie futures jest znaczące z dwóch powodów.
Po pierwsze, umożliwia hedging. Przedsiębiorstwo planujące trenowanie modelu w 2027 r. może potencjalnie zabezpieczyć dziś koszt przyszłego compute. Operator centrum danych może natomiast zabezpieczyć ryzyko spadku cen wynajmu.
Po drugie, futures tworzą możliwość ekspozycji finansowej dla inwestorów, którzy nie chcą fizycznie budować centrum danych ani kupować GPU.
W tym momencie compute zaczyna przypominać rynki energii, gazu czy innych surowców.
6. Compute różni się jednak od ropy
Jedna fundamentalna cecha odróżnia compute od wielu tradycyjnych surowców: nie można magazynować niewykorzystanej mocy obliczeniowej.
Jeżeli właściciel magazynu nie sprzeda dziś baryłki ropy, może sprzedać ją później. Jeżeli natomiast GPU pozostaje niewykorzystane przez godzinę, ta godzina zdolności produkcyjnej przepada bezpowrotnie.
Bandi i Su wskazują, że z tego powodu standardowa relacja arbitrażowa między cenami spot i futures znana z magazynowalnych surowców nie znajduje bezpośredniego zastosowania do compute. Pod tym względem moc obliczeniowa jest znacznie bardziej podobna do energii elektrycznej.
Cena compute zależy zatem między innymi od:
aktualnego wykorzystania infrastruktury,
dostępności energii,
podaży nowych chipów,
popytu na trening i inferencję modeli,
generacji procesora,
dostępności pamięci,
infrastruktury sieciowej,
lokalizacji centrum danych,
efektywności oprogramowania.
W konsekwencji wartość infrastruktury może być bardzo wrażliwa na współczynnik wykorzystania. GPU o nominalnej wartości kilku miliardów dolarów mogą generować wysokie przychody przy wykorzystaniu bliskim pełnej mocy, ale ich rentowność może gwałtownie spaść, jeśli podaż przewyższy popyt.
7. Problem starzenia się technologii
Kolejna różnica względem infrastruktury tradycyjnej dotyczy cyklu życia aktywa.
Elektrownia, gazociąg czy autostrada mogą funkcjonować przez dziesięciolecia. Procesory AI mogą natomiast stosunkowo szybko tracić konkurencyjność wskutek pojawiania się kolejnych generacji chipów.
NVIDIA argumentuje, że oprogramowanie CUDA może wydłużać ekonomiczną użyteczność starszego sprzętu. Jako przykład przedsiębiorstwo podaje A100, wprowadzony w 2020 r., który nadal jest wykorzystywany komercyjnie.
Argument ten nie eliminuje jednak ryzyka technologicznego. Bandi i Su wskazują, że fizyczny sprzęt stopniowo się starzeje, podczas gdy indeks finansowy może z czasem przesuwać się w kierunku kolejnych generacji procesorów.
Powoduje to interesującą sytuację: właściciel infrastruktury może posiadać starzejące się aktywo fizyczne, podczas gdy inwestor w indeks compute może posiadać ekspozycję dynamicznie przechodzącą na nowocześniejszą technologię.
Oba instrumenty posiadałyby więc zupełnie inne profile ryzyka.
8. Powstanie „compute-backed finance”
Najbardziej zaawansowana finansjalizacja zachodzi obecnie prawdopodobnie nie na rynku futures, lecz na rynku kredytowym.
CoreWeave korzysta już ze struktur, w których finansowanie związane jest bezpośrednio z zakupem GPU i realizacją kontraktów klientów. W marcu 2026 r. jedna ze spółek grupy zawarła umowę delayed-draw term loan o wartości do 8,5 mld USD, przeznaczoną m.in. na zakup serwerów GPU i infrastruktury koniecznej do realizacji kontraktu z klientem.
Na koniec czerwca 2026 r. CoreWeave raportował około 35,6 mld USD zadłużenia. Część struktur była zabezpieczona aktywami spółek celowych, w tym znaczącą wartością infrastruktury i należności.
W maju 2026 r. spółka informowała również o publicznie syndykowanym finansowaniu HPC zabezpieczonym infrastrukturą AI.
Podobne zjawisko pojawia się szerzej. We wrześniu 2026 r. Reuters informował o finansowaniu w wysokości około 22 mld USD dla przedsięwzięcia infrastrukturalnego Blackstone i Alphabet, gdzie zabezpieczeniem miały być m.in. procesory TPU oraz kontrakty klientów.
Przypomina to historyczny rozwój innych klas infrastrukturalnych: najpierw powstaje aktywo generujące przychody, później kredyt zabezpieczony aktywem, następnie sekurytyzacja, indeksy i instrumenty pochodne.
9. Najważniejsze ryzyka nowej klasy aktywów
Największym problemem tezy o powstaniu odrębnej klasy aktywów jest obecnie brak dostatecznej dojrzałości rynku.
Ryzyko technologiczne wynika z bardzo szybkiego rozwoju akceleratorów. Nowa generacja może znacząco zmniejszyć koszt jednostki obliczeniowej i ograniczyć ekonomiczną wartość wcześniejszych GPU.
Ryzyko popytu dotyczy skali przyszłego wykorzystania AI. Obecne inwestycje zakładają utrzymywanie bardzo wysokiego zapotrzebowania na trening i inferencję modeli. Jeżeli tempo monetyzacji sztucznej inteligencji będzie niższe od oczekiwań, współczynnik wykorzystania infrastruktury może spaść.
Ryzyko koncentracji technologicznej jest szczególnie istotne. Stanford AI Index wskazuje na dominującą pozycję NVIDIA w globalnym compute oraz znaczną koncentrację produkcji najbardziej zaawansowanych półprzewodników.
Ryzyko energetyczne powoduje, że cena compute jest częściowo pochodną cen i dostępności energii elektrycznej. IEA oczekuje, że globalne zużycie energii związane z centrami danych będzie bardzo szybko rosło w kolejnych latach.
Basis risk pojawia się wtedy, gdy przedsiębiorstwo zabezpiecza koszty za pomocą indeksu H100, lecz faktycznie korzysta z innego dostawcy, regionu lub konfiguracji sprzętu. Bandi i Su pokazują, że ceny poszczególnych segmentów rynku nie zawsze poruszają się identycznie.
Wreszcie istnieje ryzyko finansowe wynikające z bardzo wysokiego zadłużenia sektora. Wraz ze wzrostem inwestycji AI rośnie znaczenie długu, leasingu, project finance i gwarancji wartości rezydualnej. Rynek kredytowy zaczyna więc ponosić coraz większą część ryzyka związanego z przyszłą wartością sprzętu i kontraktów AI.
10. Czy compute jest już odrębną klasą aktywów?
Na obecnym etapie odpowiedź powinna być ostrożniejsza od narracji przedstawianej przez producentów infrastruktury.
Compute posiada już kilka cech charakterystycznych dla tworzącej się klasy aktywów:
bardzo duży i szybko rosnący rynek bazowy;
mierzalne ceny jednostek mocy obliczeniowej;
indeksy cen;
długoterminowe kontrakty;
możliwość finansowania aktywów na podstawie przyszłych przepływów pieniężnych;
finansowanie zabezpieczone sprzętem;
rozwijający się rynek instrumentów pochodnych;
naturalnych uczestników rynku chcących zabezpieczać ryzyko cenowe.
Jednocześnie nie spełnia jeszcze wszystkich kryteriów dojrzałej klasy aktywów. Historia cen jest krótka, indeksy są nowe, rynek pozostaje fragmentaryczny, produkty nie są w pełni zamienne, a kontrakty futures nie posiadają jeszcze wieloletniej historii płynnego handlu. Brakuje również wystarczającego szeregu danych pozwalającego wiarygodnie ocenić długoterminową stopę zwrotu, zmienność oraz korelację compute z akcjami, obligacjami, surowcami i nieruchomościami.
Co interesujące, w pracy Bandi i Su wstępne wyniki dla syntetycznych kontraktów terminowych wskazują na możliwość występowania dodatniej premii za ryzyko compute. Autorzy sami podkreślają jednak wczesny charakter wyników.
Dlatego bardziej precyzyjne byłoby obecnie określenie compute jako powstającego rynku aktywów i ryzyka finansowego, a nie w pełni ukształtowanej klasy aktywów.
11. Wnioski
Rozwój sztucznej inteligencji powoduje zmianę ekonomicznej natury mocy obliczeniowej. Compute przestaje być wyłącznie kosztem działu IT. Staje się ograniczonym zasobem produkcyjnym posiadającym obserwowalną cenę, generującym przychody, będącym zabezpieczeniem długu oraz potencjalnym instrumentem bazowym dla kontraktów terminowych.
Najważniejszym elementem tej transformacji nie jest więc sam wzrost wartości rynku GPU, ale finansjalizacja compute.
Proces ten można przedstawić w następującej sekwencji:
GPU → infrastruktura AI → wynajem GPU-hour → indeks ceny compute → kontrakt długoterminowy → finansowanie zabezpieczone compute → futures → potencjalna klasa aktywów.
Pod tym względem rok 2026 może stanowić moment przejściowy. NVIDIA oraz globalne instytucje finansowe tworzą struktury finansowania infrastruktury liczone w setkach miliardów dolarów, podczas gdy CME i ICE rozwijają instrumenty pozwalające przenieść ryzyko ceny mocy obliczeniowej na rynki finansowe.
Jednocześnie compute pozostaje aktywem znacznie bardziej złożonym niż tradycyjny surowiec. Jest nietrwały, technologicznie heterogeniczny, zależny od energii, szybko się starzeje i pozostaje silnie skoncentrowany wokół kilku dostawców technologii.
Dlatego najbardziej prawdopodobnym rezultatem obecnej transformacji nie jest powstanie jednej prostej klasy aktywów „compute”. Bardziej prawdopodobne jest utworzenie całego ekosystemu AI infrastructure finance, obejmującego aktywa infrastrukturalne, private credit, obligacje, kontrakty na moc obliczeniową oraz instrumenty pochodne.
Jeżeli w kolejnych latach powstanie płynny rynek spot, wiarygodne benchmarki, głęboki rynek futures oraz wystarczająco długa historia cen umożliwiająca identyfikację niezależnej premii za ryzyko, wówczas compute może faktycznie zacząć funkcjonować w teorii portfelowej jako odrębna klasa aktywów.
Na obecnym etapie obserwujemy raczej narodziny procesu prowadzącego do jej powstania.
Bibliografia
Bandi, F. M., Su, Y. (2026), (Early) AI Compute Asset Pricing, arXiv:2607.12156, wersja z 10 września 2026 r. ArXiv – pełna praca
CFA Institute (2026), Overview of Asset Allocation. CFA Institute
CME Group (2026), CME Group and Silicon Data to Launch Compute Futures on October 5 to Unlock New Way to Hedge AI Risks. CME Group
Greer, R. J. (1997), What Is an Asset Class, Anyway?, The Journal of Portfolio Management, 23(2), 86–91, DOI: 10.3905/JPM.23.2.86.
International Energy Agency (2025), Energy and AI. IEA – Energy and AI
International Energy Agency (2026), Key Questions on Energy and AI. IEA – raport 2026
Intercontinental Exchange, NATIVX (2026), ICE and NATIVX to Launch Energy-Normalized Compute Futures Contracts. ICE
NVIDIA (2026), Huang, J., NVIDIA AI Factory Compute Is Becoming an Investable Asset Class, 11 sierpnia 2026 r. NVIDIA Blog – artykuł źródłowy
NVIDIA (2026), NVIDIA Partners With Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs and KKR to Establish AI Compute Infrastructure Financing Platforms to Mobilize Over $500 Billion of Third-Party Capital. NVIDIA Newsroom
Stanford Institute for Human-Centered Artificial Intelligence (2026), AI Index Report 2026 – Research and Development. Stanford AI Index 2026
CoreWeave Inc. (2026), dokumentacja SEC dotycząca finansowania infrastruktury GPU i zobowiązań finansowych. SEC – CoreWeave 2026 filing
Silicon Data (2026), GPU Rental Price Indices oraz materiały dotyczące powstającego rynku compute futures. Silicon Data indices
Wpisy wyrażają osobiste opinie autora na dzień publikacji. Nie stanowią rekomendacji inwestycyjnej.