Agosto 2026. Mentre le aziende parlano di token, prompt e modelli, i mercati finanziari stanno prezzando un’altra cosa: il noleggio orario delle GPU Nvidia. Ecco come funziona, chi ci sta scommettendo e perché non è (ancora) una borsa dei token delle API.

Nel Novecento il petrolio è passato da merce negoziata in privato a asset globale, con spot, futures, opzioni e un prezzo di riferimento visibile a tutti. Nel 2026 sta succedendo qualcosa di simile alla potenza di calcolo accelerato: il cosiddetto compute GPU.

Non si tratta dei token con cui OpenAI o Anthropic fatturano le API, né delle crypto “AI token” scambiate su Binance. Si tratta del prezzo di noleggio di una GPU per un’ora, espresso in dollari. È l’input scarso su cui girano training e inference: senza H100, H200 o B200, i modelli non esistono.

CME Group ha annunciato l’11 agosto 2026, insieme a Silicon Data, il lancio previsto per il 5 ottobre dei primi futures regolamentati sul noleggio di Nvidia H100 e Blackwell B200, in attesa del via libera della CFTC. ICE, con Ornn, e Architect Financial Technologies stanno costruendo prodotti rivali. La Commodity Futures Trading Commission ha aperto una consultazione formale. In Cina, la Shanghai Futures Exchange studia un’altra strada: futures sui token di inference.

Il compute GPU sta diventando, in tempi compressi, una nuova asset class. Ma è un mercato ancora opaco, frammentato e tecnicamente difficile da standardizzare. Questo articolo spiega che cosa si sta comprando e vendendo, come si forma il prezzo, chi ha bisogno di hedgiarlo e dove finisce il confine tra commodity vera e narrativa finanziaria.

Che cosa è, in concreto, il compute GPU

Una GPU da datacenter non è un PC da gaming. È un acceleratore progettato per moltiplicare in parallelo le operazioni su tensori: l’algebra lineare che sta sotto l’addestramento e l’esecuzione dei modelli.

Il mercato non vende principalmente il chip come oggetto fisico da magazzino. Vende capacità nel tempo. L’unità di misura più usata è:

dollari per GPU-ora

(quanto costa tenere accesa una GPU specifica per sessanta minuti)

Esempio: affittare un Nvidia H100 a 3 dollari l’ora per un mese (circa 730 ore) costa circa 2.200 dollari. Un cluster da 8 GPU, configurazione tipica per il training, moltiplica tutto per otto — e poi si aggiungono rete, storage, energia, collocation e SLA.

Tre cose rendono questo input simile a una commodity:

1. È consumato in tempo reale. A differenza di un lingotto d’oro, un’ora di GPU non usata è persa. In questo somiglia all’elettricità.
2. Ha un’offerta vincolata. Chip, HBM, energia, trasformatori, permessi urbanistici e raffreddamento non si scalano in tre mesi.
3. La domanda è esplosiva e a scatti. Un nuovo modello frontier, un’ondata di inference o un ritardo nelle consegne Nvidia spostano i prezzi.

Non è però petrolio. Una GPU H100 del 2023 non è equivalente a una B200 del 2024. L’hardware invecchia in due o tre anni. Il “barile” cambia generazione, e questo è il primo grande problema di chi vuole farci sopra un mercato a termine.

Lo spot: tre mercati, tre prezzi, stesso silicio

Chi oggi vuole GPU non va in borsa. Va da un fornitore. E scopre che lo stesso chip può costare tre, cinque, anche otto volte di più a seconda del canale.

Il mercato spot si divide in tre fasce.

1. Marketplace e pool condivisi

Piattaforme come Vast.ai o RunPod vendono capacità self-serve, spesso a prezzi bassi. A metà 2026 un H100 può scendere verso 1,5–2 dollari l’ora. Il rovescio: qualità variabile, rischio di interruzione (istanze preemptible / spot), rete e supporto più deboli. Va bene per esperimenti, batch e carichi che possono essere stoppati.

2. Neocloud

Sono i cloud nativi per l’AI: CoreWeave, Lambda, Crusoe, Nebius e analoghi. Cluster dedicati, interconnect ad alta banda, contratti più vicini a quelli di un datacenter che a quelli di un VPS. I prezzi on-demand per H100 ruotano spesso tra 2 e 6 dollari l’ora, a seconda di nodo, regione e SLA. Molti vendono nodi da 8 GPU, non la singola scheda: un listino da 49 dollari l’ora su un nodo CoreWeave equivale a circa 6,16 dollari per GPU.

3. Hyperscaler

AWS, Azure, Google Cloud, Oracle. Quota, compliance, servizi gestiti, rete globale. Listini on-demand per H100 che, a seconda di istanza e commitment, possono stare tra circa 4 e oltre 12 dollari l’ora. Si paga il silicio, ma soprattutto l’involucro enterprise.

Il risultato è un mercato senza prezzo unico. L’11 agosto 2026, secondo ricostruzioni di mercato, lo spread sullo stesso H100 poteva andare da meno di 3 dollari presso alcuni neocloud a più di 7 presso i grandi cloud. Chi compra in privato non ha un WTI, un Henry Hub, un TTF: ha una trattativa.

Questa opacità è esattamente ciò che un indice — e poi un future — promettono di risolvere: un prezzo di riferimento pubblico.

Perché i prezzi si muovono (e perché nel 2025-2026 hanno cambiato direzione)

La narrativa semplificata è: “c’è carenza di GPU, quindi i prezzi salgono sempre”. I dati dicono altro.

Nel 2024 e per buona parte del 2025 l’offerta ha recuperato. Nuovi datacenter, più H100 in circolazione, sconti aggressivi dei neocloud: i rental rate sono scesi. Poi, tra fine 2025 e inizio 2026, la domanda è tornata a correre più veloce della capacità. I tassi a un anno sull’H100, secondo le curve Silicon Data, sono saliti da circa 1,70 dollari l’ora nell’ottobre 2025 a circa 2,65 a marzo 2026: un +56% in cinque mesi, sul tenor dove si fa davvero procurement.

A luglio 2026 le curve forward di H100, A100 e B200 erano in backwardation: lo spot più alto del prezzo a 36 mesi. In soldoni, il mercato prezza più offerta e chip nuovi nel medio termine. Non è una previsione infallibile: è il prezzo a cui oggi si chiuderebbe un contratto per capacità futura. Se i datacenter slittano o la domanda di inference esplode, quella curva può invertirsi.

Altri fattori di prezzo, spesso sottovalutati:

• Energia e rete. Una GPU senza megawatt e senza InfiniBand è ferro morto.
• Memoria HBM. Il collo di bottiglia a volte è il packaging, non il die.
• Contratto vs on-demand. Un reserved a 12 o 36 mesi costa meno dello spot, ma vincola capitale.
• Preemptible vs guaranteed. Il prezzo basso incorpora il rischio di essere cacciati a metà job.
• Geografia. Stesso SKU, regioni diverse, elettricità e latenza diverse.

Per questo i listini pubblici sono indicatori deboli. Un’azienda che addestra un modello da 100 milioni di dollari non compra “l’H100 medio di internet”: compra un cluster, una regione, un SLA e una data di consegna.

Gli indici: il mattone senza il quale non esiste la borsa

Un future ha bisogno di un sottostante misurabile. Per il petrolio è un grado API e un punto di consegna. Per il compute GPU è un indice di noleggio orario, normalizzato.

Silicon Data, sostenuta tra gli altri dal trading firm DRW, pubblica indici giornalieri su A100, H100 e B200 (ticker Bloomberg come SDH100RT e SDB200RT). La metodologia aggrega osservazioni da neocloud, hyperscaler, colocation e piattaforme private, poi normalizza specifica hardware, durata del contratto, scala del cluster, interconnect e geografia. Filtra outlier e dati stantii. Per H100 e A100 pubblica letture separate neocloud vs hyperscaler, perché lo spread tra i due mondi è parte dell’informazione, non rumore.

Ornn ha scelto un’altra filosofia: l’Ornn Compute Price Index (OCPI) si basa su transazioni stampate, non su quotazioni da listino. ICE lo userà come riferimento. Copre, tra gli altri, H100, H200, B200 e anche RTX 5090. L’idea è ridurre il rischio che un indice “da catalogo” non rifletta i prezzi a cui si scambia davvero.

Altri data vendor pubblicano ladder quotidiane per fascia: hyperscaler, neocloud, marketplace. A metà agosto 2026, a titolo di ordine di grandezza, un H100 guaranteed poteva leggere circa 10,5 $/ora sugli hyperscaler, 3,7 sui neocloud e 2,9 sui marketplace. Il B200 stava più in alto, come ci si aspetta da una generazione più nuova.

Un indice non è il vostro contratto AWS. È un benchmark. La differenza tra il vostro costo reale e l’indice si chiama basis risk: è il motivo per cui un hedge su future non è mai perfetto.

I futures: tre borse, una corsa

Nel 2026 gli Stati Uniti hanno accavallato tre iniziative. Non è un caso: il compute è diventato una voce di bilancio abbastanza grande e volatile da giustificare gli stessi strumenti usati per petrolio, gas ed elettricità.

CME Group + Silicon Data

Annuncio dell’11 agosto 2026. Listing previsto il 5 ottobre 2026 su NYMEX, soggetto a review regolamentare.

Due contratti:

• Silicon Data H100 Rental Index Futures
• Silicon Data B200 Rental Index Futures

Ciascuno rappresenta un mese di noleggio della GPU indicata. Secondo ricostruzioni di mercato, la size sarebbe dell’ordine di 730 GPU-ore (365/12 × 24). Settlement in cash: nessuno consegna un rack di H100. Si regola la differenza tra il prezzo del contratto e l’indice.

Il notional, ai prezzi recenti, è contenuto per gli standard CME: qualche migliaio di dollari a contratto. È una feature, non un bug: permette a più partecipanti di entrare, e a chi ha cluster enormi di scalare il numero di lotti.

Pete Keavey, global head of energy and environmental products di CME, ha usato la metafora esplicita: come il petrolio ha alimentato il XX secolo e ha generato un mercato derivati globale, il compute diventa “una commodity standardizzata e negoziabile”.

ICE + Ornn

Annuncio del 19 maggio 2026. Suite di futures in dollari, cash-settled, agganciati all’OCPI. Hardware coperti più ampi (H100, H200, B200, RTX 5090 e altri al crescere del mercato). Niente data di listing pubblica al momento, sempre subordinata all’ok regolamentare.

ICE insiste sul price discovery: il mercato del compute è cresciuto più in fretta degli strumenti per gestirne il rischio. Ornn sostiene di avere già centinaia di operatori, investitori e aziende AI sulla propria infrastruttura di dati e matching.

Architect e l’American Innovation Exchange

A maggio 2026 Architect Financial Technologies ha acquisito un Designated Contract Market e ha annunciato l’American Innovation Exchange: un mercato CFTC costruito attorno a compute e input della filiera AI (energia, metalli, power). Parla esplicitamente di futures e opzioni su GPU-hour, curve da mensile ad annuale, e di un futuro exchange-for-physical che colleghi i derivati cash-settled a marketplace di consegna fisica di capacità.

È l’approccio più “borsa di settore”: non un prodotto su una piazza esistente, ma una venue dedicata a chi costruisce, finanzia e usa datacenter.

Il regolatore

Il 19 agosto 2026 la CFTC ha avviato un processo di commento pubblico sui derivati sul compute: liquidità del mercato cash, rischio di manipolazione, tutela del cliente, e anche l’ipotesi di perpetual futures. Finché la review non chiude, le date di listing restano condizionate. CME è l’unica, tra le tre, ad avere un giorno sul calendario.

Come si usa un future sul compute (senza magia)

Meccanica classica da commodity.

• Chi compra il future guadagna se l’indice di noleggio sale.
• Chi vende guadagna se scende.
• A scadenza si regola in contanti contro l’indice, non si ritira hardware.

Esempi concreti.

Un lab AI che deve addestrare un modello tra sei mesi teme un rialzo dei rental. Compra futures H100. Se i prezzi salgono, il gain sul future compensa (in parte) il conto cloud più salato. Se scendono, perde sul future ma spende meno in infrastruttura.

Un neocloud ha comprato migliaia di B200 e deve riempirle. Teme un crollo dei rental. Vende futures. Se i prezzi scendono, il derivato paga; se salgono, rinuncia a parte del rialzo ma ha sotto controllo il piano finanziario con cui ha preso debito per i chip.

Un fondo non vuole azioni Nvidia né REIT di datacenter: vuole esposizione al prezzo del noleggio. Compra o vende la curva. È speculazione, ma è anche ciò che dà liquidità agli hedger.

Una banca che finanzia un campus da 500 MW può usare i futures per marcare il collaterale e coprire il rischio che i ricavi da GPU-as-a-service del debitore crollino.

Le opzioni, quando arriveranno in modo liquido, aggiungono l’asimmetria: pagare un premio per assicurarsi un tetto al costo di compute, come un cap sull’energia.

Tutto questo funziona solo se l’indice è credibile, se c’è liquidità e se il basis risk è accettabile. Un hedge su un indice neocloud non copre al 100% un contratto Azure. Un hedge su H100 non copre un cluster passato a Blackwell. L’obsolescenza del sottostante è il rischio che il petrolio non ha.

Chi sta nella filiera, e perché gli serve un prezzo

Il compute GPU non è un mercato a due attori. È una catena.

• Nvidia e fornitori di silicio — esposizione su volume e mix generazionale; il prezzo rental è soprattutto un segnale di domanda.
• Costruttori di datacenter — capex, energia, tempi di allaccio; possono coprire ricavi futuri di capacità.
• Neocloud / GPU-as-a-service — inventario di GPU già comprate; forward-sell della capacità.
• Hyperscaler — mix internamente usato vs rivenduto; hedging selettivo più che listing pubblico.
• Lab e aziende AI — costo di training e inference; lock-in dei costi.
• SaaS e piattaforme — margine sull’inference; proteggere il costo del “COGS AI”.
• Lender, PE, project finance — debito su campus e cluster; hedging e mark-to-market del collaterale.
• Market maker e fondi — nessuna GPU fisica; liquidità, arbitraggio, direzione.

Carmen Li, CEO di Silicon Data, ha sintetizzato il problema pre-borsa: due aziende potevano comprare la stessa capacità GPU a prezzi diversissimi, senza un metro per sapere chi avesse fatto l’affare. Il future non elimina lo spread tra canali. Lo rende visibile.

Compute GPU vs token di API: due strati, due mercati

Qui nasce la confusione più frequente.

I token delle API (prompt + completion) sono l’unità con cui i provider fatturano l’uso di un modello. Un milione di token su GPT o Claude ha un listino. Quell’unità:

• non è fungibile tra modelli (un token Claude non è un token Llama);
• dipende da architettura, quantizzazione, cache, batching;
• è un prodotto a valle, non la materia prima.

Il compute GPU è l’input. Lo stesso milione di token può costare moltissimo o pochissimo in GPU-ore a seconda del modello, dell’ottimizzazione e del tasso di utilizzo del cluster.

Stanno emergendo tre strati, non uno:

1. Hardware / GPU-hour — USA, 2026: futures in fase di listing.
2. Servizio / token di inference — ricerca accademica e, in Cina, studi di borsa. Non esiste ancora un mercato regolato liquido.
3. Crypto “AI token” — Bittensor, Render e simili. Sono equity/utility di protocollo, non il costo di ChatGPT.

Un paper del 2026 su arXiv (AI Token Futures Market) propone un “Standard Inference Token” e stima una finestra di lancio 2027–2028, con il 2025–2026 come fase di indici, design del contratto e ok regolamentare. Le simulazioni degli autori danno una riduzione della volatilità dei costi compute per le imprese applicative nell’ordine del 60–80% in scenari di boom della domanda. Resta un disegno, non un book di borsa.

La Shanghai Futures Exchange, secondo fonti Reuters di fine maggio 2026, è in ricerca preliminare su futures legati ai token AI, non alle GPU-ore. È una scelta politica e tecnica: la Cina ha una domanda interna enorme di inference e un ecosistema di servizi più che un mercato globale del noleggio H100. Baocheng Futures ha indicato un orizzonte realistico di tre-cinque anni. Manca l’ingrediente che in America sta arrivando prima: un benchmark spot robusto e non manipolabile.

Due unità incompatibili — GPU-hour vs token — significano, per ora, due mondi derivati che non si convertono. Chi opera su entrambe le sponde non ha un “cross” ufficiale.

I limiti, detti senza eufemismi

Trattare il compute come il Brent è una scorciatoia utile e, in parte, fuorviante.

Standardizzazione debole. Un H100 PCIe non è un H100 SXM in un nodo HGX da 8. Interconnect, memoria, CPU e regione cambiano il valore economico. L’indice normalizza; il vostro contratto no.

Obsolescenza. Nel 2028 l’H100 sarà, in molti carichi, una generazione di transizione. Un mercato futures deve rollare i sottostanti come si fa con i single stock, non come si fa con il WTI.

Rischio di manipolazione. Se l’indice pesca da listini o da un pool stretto di transazioni, chi ha volume può tentare di spingere il fix. È il motivo per cui la CFTC chiede commenti su sorveglianza e perpetual.

Liquidità da costruire. I primi mesi di un contratto nuovo sono sottili. Bid-ask larghi, roll costosi, curve incomplete. Gli hedger veri arrivano dopo i market maker, non prima.

Non sostituisce il procurement. Il future copre il prezzo. Non vi garantisce capacità. Se non trovate GPU disponibili, aver guadagnato sul derivato è una consolazione, non un cluster.

Confusione con le azioni. Comprare futures sul rental H100 non è comprare Nvidia. Il chip maker guadagna sul sell-in; il rental riflette lo scontro domanda/offerta dopo che i chip sono nel datacenter. Possono divergere.

Che cosa cambia per chi usa l’AI (anche senza tradare)

Anche chi non aprirà mai un conto futures subirà gli effetti collaterali.

• Trasparenza. Un prezzo pubblico giornaliero rende più difficile vendere capacità “a sentimento”. I CFO potranno confrontare il proprio $/GPU-ora con un benchmark, come già fanno con l’energia.
• Contratti cloud. I reserved a 12–36 mesi verranno ancorati, almeno retoricamente, alla curva forward. Chi firma un impegno pluriennale vorrà sapere se sta sopra o sotto il mercato.
• Finanza dei datacenter. Debito, leasing e project finance avranno un modo per coprire il rischio di prezzo. Questo può accelerare (o, se i prezzi crollano, raffreddare) la corsa ai campus da gigawatt.
• Costo dell’inference nei prodotti. SaaS, editoria, customer care, codegen: il margine dipende dal costo per milione di token, che a sua volta dipende dal compute. Una curva forward sul noleggio è un input di pricing, anche se imperfetto.
• Geopolitica. USA sul silicio, Cina sui token: due modi di finanziare la stessa guerra di capacità. Gli standard, come sempre, sono potere.

Per un’azienda che genera contenuti o prodotti con LLM, la lezione operativa è più umile: il vero rischio di costo, oggi, non è “il prezzo di GPT in borsa”. È la combinazione di listino API + mix di modelli + utilizzo GPU sotto il cofano dei provider. I futures sul compute sono lo strumento di chi quella GPU la compra o la affitta in proprio. Per chi compra solo API, restano un indicatore macro: se il noleggio H100/B200 sale in modo strutturale, prima o poi i listini a valle si muovono — o i provider comprimono i margini.

Conclusione: una commodity giovane, non una metafora

Sì, esiste — o meglio, sta nascendo — un mercato di scambio sul compute GPU, con la grammatica delle altre commodity: spot frammentato, indici, futures cash-settled, presto opzioni, hedge, speculazione e un regolatore che chiede di non ripetere gli errori dei mercati opachi.

No, non è ancora la borsa dei token ChatGPT. Quella resta un’ipotesi, più avanzata sulla carta in Cina e in accademia che sui book di New York.

Il punto di svolta del 2026 è un altro. Per la prima volta il mercato sta trattando la GPU-ora come l’energia dell’intelligenza artificiale: un input con prezzo, volatilità, curva forward e, a breve, un luogo pubblico in cui quel prezzo si scopre. Come per il petrolio un secolo fa, i primi contratti saranno imperfetti, il basis risk sarà alto e qualcuno ci perderà soldi imparando. La domanda utile non è se il paragone con le commodity sia elegante. È se, tra due anni, un CFO potrà dire: “abbiamo coperto il compute del 2028” — e se quella frase vorrà dire qualcosa di misurabile.

Fino al 5 ottobre, e fino al via libera della CFTC, quella frase resta un’intenzione. Dopo, se i contratti prenderanno liquidità, il compute GPU smetterà di essere solo un costo in fattura cloud. Diventerà un prezzo che il mondo intero può vedere.

Articolo di inquadramento, aggiornato al 20 agosto 2026. I listing CME/ICE/Architect restano soggetti ad approvazione regolamentare; prezzi spot e letture di indice variano ogni giorno e per canale di acquisto.