Siapa yang Akan Mengendalikan Harga Komputasi di Era AI?

Pasar
Diperbarui: 07/15/2026 07:11

Ikhtisar

Pada paruh pertama tahun 2026, "pasar modal compute" berkembang pesat dari konsep niche menjadi medan pertempuran baru yang menarik perhatian Wall Street dan Silicon Valley. CME dan Silicon Data mengumumkan peluncuran compute futures pertama; induk NYSE, ICE, bekerja sama dengan Ornn dan NATIVX untuk menghadirkan GPU compute futures; Architect, yang didirikan oleh mantan presiden FTX US Brett Harrison, berupaya membawa struktur kontrak perpetual yang matang dari pasar kripto ke perdagangan compute yang teregulasi. Sementara itu, pembiayaan berbasis GPU CoreWeave telah melampaui USD 20 miliar, menandai rating investasi pertama untuk pembiayaan berbasis GPU.

Compute mengikuti pola klasik finansialisasi komoditas: bertransisi dari aset belanja modal untuk penggunaan perusahaan, ke perdagangan spot, indeks harga, lindung nilai futures, dan akhirnya masuk ke pasar kredit serta keuangan terstruktur.

Mengapa Compute Penting: Waterfall Nilai Industri AI

Untuk memahami pasar compute, Anda perlu mengetahui posisi compute dalam rantai industri AI. Seluruh rantai dapat divisualisasikan sebagai waterfall sembilan lapis: dari perspektif nilai bisnis dan arus kas, permintaan dimulai di lapisan aplikasi hilir dan mengalir ke atas. Compute berada di tengah, menghubungkan infrastruktur hardware dan data center di bawah dengan model serta aplikasi di atas.

Lapisan 1 | Chip & Hardware: NVIDIA, AMD, produsen HBM/DRAM. Ini adalah bahan baku dasar compute. GPU menentukan pasokan compute yang tersedia, dan sumber daya penyimpanan seperti HBM/DRAM kini juga mulai difinansialisasi.

Lapisan 2 | Daya & Lahan: Membangun data center bukan sekadar memiliki GPU—tetapi juga memastikan lahan yang sesuai dan akses listrik yang memadai. Sebagian besar biaya marginal compute berasal dari listrik, menjadikannya lebih mirip komoditas daya daripada minyak.

Lapisan 3 | Neocloud & Data Center Independen: CoreWeave, Nebius, Lambda, GMI Cloud, Crusoe, dan lainnya. Mereka membeli GPU, membangun klaster, dan menyewakan compute ke perusahaan AI—secara esensial berperan sebagai "tambang" dan "ladang minyak" di pasar compute.

Lapisan 4 | Aggregator & Platform Broker: Mithril, Andromeda, SF Compute, dan lain-lain. Platform ini mungkin tidak memiliki GPU sendiri, tetapi membantu pembeli mencari pasokan, menstandarisasi SLA, memfasilitasi transaksi, dan kadang bertindak sebagai market maker. Mereka mirip trader komoditas seperti Glencore dan Vitol.

Lapisan 5 | Indeks & Benchmark: Silicon Data, Ornn (OCPI), NATIVX (COIL). Tanpa benchmark harga yang andal, pasar futures dan derivatif tidak bisa berkembang. Lapisan ini mengubah harga compute yang opaque menjadi harga pasar yang dapat dilacak dan diverifikasi.

Lapisan 6 | Derivatif & Kredit: CME, ICE, Architect, DEX perpetual on-chain, pinjaman berbasis GPU, compute ABS, dan alat terkait. Lapisan ini memungkinkan lindung nilai risiko harga compute dan mengubah kapasitas GPU menjadi aset yang dapat dibiayai.

Lapisan 7 | Platform Pengembangan Inference: Fireworks, Baseten, Modal, dan lainnya. Mereka mengemas GPU, deployment model, dan API inference, sehingga developer dapat menggunakan inference model semudah layanan cloud tanpa perlu mengelola infrastruktur compute yang kompleks.

Lapisan 8 | Lapisan LLM / Model: OpenAI, Anthropic, xAI, DeepSeek, dan lainnya. Mereka mengubah compute menjadi kapabilitas model dan output cerdas, menjadi lapisan inti yang menghubungkan infrastruktur dan pengalaman aplikasi.

Lapisan 9 | Lapisan Aplikasi: Cursor, Perplexity, Suno, Rime, dan lainnya. Lapisan ini berinteraksi langsung dengan pengguna akhir, mengubah kapabilitas model menjadi produk nyata dan use case—sebagai pintu utama permintaan AI dan monetisasi pengguna.

Waterfall sembilan lapis ini menyoroti fakta kunci: compute adalah komoditas antara di ekonomi AI. Di bawah, compute menghubungkan chip, daya, lahan, dan belanja modal; di atas, compute menghubungkan platform inference, perusahaan model, dan aplikasi.

Setiap panggilan model aplikasi AI pada dasarnya mengonsumsi sebagian kecil compute di hulu. Karena compute berada di tengah rantai nilai—dengan pemilik aset GPU dan data center di satu sisi, serta perusahaan model, platform inference, dan developer aplikasi yang membutuhkan compute stabil di sisi lain—saat volatilitas harga meningkat dan eksposur risiko mereka berbeda, compute secara alami mulai mengalami finansialisasi.

Mengapa Pasar Compute Diperlukan: Lindung Nilai Permintaan & Struktur Pasar

Siapa yang Membutuhkan Lindung Nilai

Sumber: X @0xfishylosopher

Permintaan lindung nilai utama di pasar compute berasal dari pelaku industri yang benar-benar memiliki eksposur compute—bukan institusi keuangan. Ini mirip dengan bagaimana maskapai melindungi harga bahan bakar dan pembangkit listrik melindungi harga listrik.

Neocloud dan data center independen seperti CoreWeave, Nebius, dan Lambda memiliki aset GPU fisik, memperoleh pendapatan dari biaya sewa di masa depan. Mereka khawatir tarif sewa GPU turun, sehingga menjadi penjual/short alami yang perlu menjual forward untuk mengunci pendapatan.

Platform pengembangan inference seperti Fireworks, Baseten, dan Modal membeli compute di hulu dan menyediakan API inference serta layanan deployment model di hilir. Compute adalah biaya utama bagi mereka.

Perusahaan aplikasi seperti Cursor, Perplexity, Suno, dan Rime juga harus terus membeli kapasitas inference. Biaya inference langsung memengaruhi margin kotor mereka. Jadi, lapisan tengah dan atas adalah pembeli/long alami, yang perlu membeli forward untuk mengunci biaya.

Penyedia cloud hyperscale seperti Google, Amazon, dan Microsoft unik. Mereka memiliki data center, platform cloud, model, dan aplikasi, serta memiliki lindung nilai alami dalam operasional mereka.

Mengapa Compute Lebih Mirip Daya daripada Minyak

Compute bukan komoditas yang sepenuhnya fungible.

Bahkan satu jam kapasitas H100/H200 berbeda nilainya tergantung spesifikasi chip, wilayah, latensi, konektivitas jaringan, ukuran klaster, jendela reservasi, SLA, keamanan data, dan workload spesifik.

Lebih penting lagi, compute tidak dapat disimpan. Jam GPU yang tidak terpakai hari ini tidak bisa ditimbun untuk dijual tahun depan seperti minyak. Jadi, karakteristik komoditas compute lebih mirip listrik: bersifat temporal, regional, dan sangat bergantung pada infrastruktur lokal.

Ini menghasilkan tiga konsekuensi:

Pertama, transaksi compute nyata sering memerlukan kustomisasi bilateral terkait SKU dan kondisi pengiriman tertentu.

Kedua, pasar saat ini belum memiliki benchmark harga yang transparan dan terpadu seperti WTI crude oil.

Ketiga, indeks dan benchmark menjadi sangat krusial. Tim seperti Silicon Data, Ornn, dan Compute Desk berfokus mengubah harga compute yang terfragmentasi menjadi sinyal pasar yang dapat dilacak dan dilindungi.

Generasi Sebelumnya Web3 Compute Terdesentralisasi vs. Dealer Compute Baru

Pasar compute bukan sepenuhnya hal baru. Pada siklus sebelumnya, Akash, io.net, Aethir, dan proyek Web3 lain mengangkat narasi "pasar compute terdesentralisasi", menghubungkan GPU idle di seluruh dunia melalui insentif token.

Namun, mengapa sebagian besar proyek awal ini gagal menjadi lapisan utama pengadaan compute AI, sementara pemain baru seperti Andromeda dan SF Compute dengan cepat mengamankan klien enterprise dan pendapatan dolar?

Penawaran Berbeda: Pasokan Terdesentralisasi vs. Kapasitas yang Dapat Dikirim

Proyek Web3 awal berfokus menghubungkan GPU terfragmentasi ke jaringan dan menginsentifkan pasokan dengan token, memungkinkan pengguna membeli compute dengan biaya lebih rendah.

Mereka menyelesaikan masalah "di mana GPU berada".

Namun, pembeli enterprise peduli pada pertanyaan lain: Apakah H100/H200? Ada InfiniBand? Klaster cukup besar? Bisa berjalan stabil selama minggu atau bulan? Siapa yang bertanggung jawab atas SLA? Siapa yang mengganti kerugian jika gagal?

Dengan kata lain, klien enterprise tidak membeli "di suatu tempat ada GPU"—mereka membeli kapasitas GPU yang dapat dikirim, terukur, dan dapat dipertanggungjawabkan.

Pasokan GPU yang terdistribusi, heterogen, dan lintas operator bisa berguna untuk inference batch, rendering, atau tugas sensitivitas rendah, tetapi untuk pelatihan model besar dan inference produksi, stabilitas, kondisi jaringan, dan tanggung jawab pengiriman adalah kunci.

Empat Masalah Struktural Generasi Sebelumnya

Pertama, insentif token mendorong pasokan tetapi tidak selalu permintaan nyata.
Subsidi token dapat dengan cepat memperbesar jumlah node, GPU, dan skala jaringan, tetapi jika permintaan utamanya didorong narasi token, bukan pelanggan yang benar-benar membayar, utilisasi, kualitas pendapatan, dan penemuan harga mudah terdistorsi.

Menurut "State of Akash Q1 2026" dari Messari, rata-rata penggunaan GPU Akash turun 57,4% quarter-over-quarter menjadi 84 unit, dan kapasitas GPU tersedia rata-rata turun 57,5% menjadi 249 unit, menandakan kontraksi signifikan di sisi pasokan dan permintaan. Mekanisme awal io.net memberi reward node hanya karena online, tanpa memastikan GPU benar-benar bekerja; harga tokennya turun tajam dari puncak historis, baru meluncurkan model insentif berbasis permintaan pada Juni 2026.

Kedua, SLA tingkat enterprise sulit dijamin hanya dengan protokol.
Klien enterprise membutuhkan invoice, channel support, SLA standar, mekanisme refund, cek compliance, dan tanggung jawab hukum—semua memerlukan entitas komersial yang jelas, bukan sekadar protokol.

Ketiga, workload AI dan pasokan terdesentralisasi secara alami tidak cocok.
Pelatihan sinkron skala besar dan inference produksi membutuhkan standar tinggi untuk interkoneksi GPU, NVLink/InfiniBand, penjadwalan klaster, recovery error, dan keamanan data. Jaringan yang tersebar geografis dan heterogen hardware sulit memenuhi workload demanding ini.

Keempat, harga token tidak selaras dengan proses pengadaan enterprise.
Enterprise lebih memilih kontrak dolar, invoice, approval anggaran, dan manajemen vendor, serta enggan menghadapi volatilitas harga token, komplikasi akuntansi, dan ketidakpastian compliance.

Pengecualian Penting: Aethir

Aethir menjadi pengecualian.

Pada 2025, Aethir membukukan pendapatan lebih dari USD 127 juta, melayani lebih dari 150 klien enterprise yang membayar, dan mengelola 430.000 kontainer GPU, mencakup GPU high-end seperti H100, H200, B200, dan B300. Berdasarkan metrik internal, pendapatannya melampaui run-rate USD 100 juta Andromeda dan jauh di atas SF Compute.

Pendekatan Aethir adalah memanfaatkan token dan efek jaringan Web3 di lapisan struktur modal dan insentif ekosistem, sementara sisi pelanggan dibuat lebih terpusat, terstandarisasi, dan enterprise-grade: klaster terpusat atau semi-terpusat, komitmen layanan jelas, kontrak denominasi dolar, support enterprise, dan tanggung jawab pengiriman.

Token dapat membantu pembiayaan awal, insentif pasokan, dan organisasi jaringan, tetapi tidak seharusnya menjadi antarmuka utama untuk pengadaan compute enterprise.

Apa yang Baru dari Dealer Generasi Berikutnya

Generasi baru tidak memulai dengan "membangun jaringan terdesentralisasi"—mereka langsung mengatasi masalah utama pembeli AI.

Perusahaan AI sering perlu menandatangani kontrak compute jangka panjang, tetapi permintaan nyata berfluktuasi. Pendekatan SF Compute memungkinkan pelanggan membeli kapasitas compute jangka panjang yang dibiayai pihak ketiga, kemudian menjual atau menyewakan kembali bagian yang tidak terpakai melalui order book. SF Compute tidak memiliki GPU sendiri, lebih seperti pasar likuiditas sekunder yang dibangun di sekitar kontrak compute.

Andromeda lebih mirip dealer compute: membandingkan harga dari 100+ pemasok secara real-time, memverifikasi performa, menstandarisasi SLA, dan menjadi satu-satunya counterparty kontrak bagi klien. Nilainya bukan sekadar matchmaking—Andromeda mengambil peran procurement, pengiriman, dan sebagian intermediary kredit, menyebut dirinya "market maker untuk compute".

Andromeda berdagang principal, memegang atau mengontrol inventaris, memperoleh spread, dan memikul tanggung jawab SLA serta pengiriman. SF Compute lebih seperti hybrid exchange/broker: fokus pada matchmaking agency dan likuiditas sekunder, mungkin tidak memegang GPU dasar, dan memperoleh fee transaksi serta efek jaringan.

GMI Cloud adalah kasus khusus. Bukan broker/dealer tipikal, melainkan neocloud: membangun data center sendiri, memiliki aset, dan menjual kapasitas cloud GPU. GMI Cloud juga pengguna pembiayaan utang GPU, dengan sebagian besar pendanaan Seri A berupa utang, sehingga lebih dekat ke produsen compute di lapisan 3.

Yang paling dibutuhkan pasar saat ini bukan cloud ideal yang lebih terdesentralisasi, melainkan lapisan perdagangan yang bisa mengirim kapasitas H100/H200 hari ini, menjamin SLA, dan membantu pembeli mengurangi risiko kontrak jangka panjang.

Apakah Sudah Ada Pasar Penemuan Harga Compute?

Saat ini, sebagian besar perdagangan compute masih OTC/bilateral dan sangat kustom. Kutipan publik meningkatkan transparansi pasar, tetapi lebih sebagai titik awal penemuan harga—bukan harga perdagangan terpadu.

Untuk H100, rentang harga yang dapat diamati mulai muncul: Andromeda mengutip sekitar USD 1,83/jam, SF Compute rata-rata USD 2,03/GPU-jam, GMI Cloud mulai USD 2,00/GPU-jam, dan harga spot instance Mithril H100 SXM5 8-GPU dikonversi sekitar USD 2,92/GPU-jam.

Artinya, harga publik H100 umumnya di kisaran USD 1,8–3,0/GPU-jam. Namun, harga-harga ini tidak bisa dibandingkan langsung karena kondisi pengiriman berbeda. Jenis GPU, lokasi, konektivitas jaringan, ukuran klaster, masa sewa, SLA, dan workload sangat memengaruhi harga transaksi akhir.

Jadi, enterprise biasanya tidak membeli "jam H100" abstrak, melainkan kontrak kapasitas yang dirancang sesuai SKU, wilayah, masa sewa, konfigurasi klaster, dan kondisi pengiriman tertentu. Kutipan web membuat harga compute terlihat, tetapi inti perdagangan nyata tetap kontrak OTC yang sangat kustom.

Ornn: Membangun Lapisan Indeks untuk Pasar Compute

Sumber: Ornn

Ornn bukan sekadar penjual compute—Ornn membangun infrastruktur harga untuk pasar keuangan compute. Ornn Compute Price Index (OCPI) melacak harga transaksi spot real-time untuk H100, H200, B200, B300, dan mengorganisasikannya menjadi indeks untuk penetapan harga, lindung nilai, dan settlement. Situs Ornn menyebut OCPI sebagai harga referensi compute, digunakan untuk penetapan harga, lindung nilai, dan settlement di pasar derivatif compute.

Ornn bertujuan menjadi "benchmark gaya Platts/Argus/WTI" untuk compute: menstandarisasi harga sewa GPU yang terfragmentasi, lalu memungkinkan pasar memperdagangkan forward, futures, atau kontrak perpetual di sekitar benchmark ini.

Roadmap Ornn dapat dirangkum dalam tiga langkah:

Pertama, membangun indeks harga spot—OCPI.

Kedua, melisensikan OCPI ke bursa dan platform derivatif untuk settlement kontrak.

Ketiga, membangun produk keuangan di sekitar indeks: futures, perps, lindung nilai, dan lending.

Architect: Membawa Struktur Kontrak Perpetual ke Perdagangan Compute Institusional

Architect adalah pemain yang fokus pada venue perdagangan derivatif compute. Didirikan oleh mantan presiden FTX US Brett Harrison, platform trading institusional AX bekerja sama dengan Ornn untuk meluncurkan kontrak bursa berbasis harga sewa GPU dan DRAM.

Secara mekanis, Architect tidak mengirim compute H100/H200 nyata; trader memperoleh eksposur finansial terhadap harga sewa GPU dan memori dengan memperdagangkan kontrak yang mengikuti indeks compute Ornn. Produk-produk ini mirip kontrak perpetual di pasar kripto: trader menggunakan margin untuk memperdagangkan kontrak terhubung indeks, dengan harga kontrak di-anchor ke harga sewa GPU melalui mekanisme indeks dan funding rate.

Signifikansi Architect adalah membawa mekanisme kontrak perpetual yang native kripto ke lingkungan perdagangan compute yang lebih institusional dan teregulasi. Architect bertindak sebagai lapisan perdagangan derivatif, sementara Ornn menyediakan benchmark indeks.

Lighter: Perpetual On-Chain Membuka Penemuan Harga Tradable Awal

Lighter lebih seperti venue perp on-chain compute awal. Platform ini telah meluncurkan $H100, memungkinkan pengguna memperdagangkan eksposur harga compute H100 dengan leverage hingga 10x; produk ini mengikuti Ornn H100 Compute Price Index.

Produk-produk ini memungkinkan pasar membentuk sinyal harga on-chain yang tradable secara kontinu untuk tarif sewa GPU untuk pertama kalinya. Meski belum menyelesaikan pengiriman GPU nyata atau menjadi channel utama pengadaan compute enterprise, mereka menyediakan venue awal untuk spekulasi, lindung nilai, dan penemuan harga.

Secara mekanis, mirip perpetual kripto: trader tidak melakukan settlement fisik compute H100, tetapi memperdagangkan kontrak yang mengikuti indeks H100, dengan harga kontrak di-anchor melalui indeks dan funding rate.

Keunggulannya adalah peluncuran cepat, barrier partisipasi rendah, dan perdagangan 24/7. Kekurangannya adalah likuiditas yang mungkin tipis dan basis risk dibanding kontrak kapasitas compute enterprise-grade nyata.

ICE × Ornn: Roadmap Pasar Futures yang Teregulasi

ICE mengikuti jalur bursa teregulasi tradisional. Pada Mei 2026, ICE mengumumkan rencana meluncurkan kontrak futures compute GPU bersama Ornn, menggunakan Ornn Compute Price Index sebagai benchmark dasar. Pengumuman ICE menyebut OCPI melacak harga spot live untuk H100, H200, B200, B300; kontrak akan berdenominasi dolar, settlement tunai, dan menunggu persetujuan regulator.

Mekanisme ICE berbeda dari Lighter. Lighter adalah perpetual on-chain, ideal untuk pembentukan harga cepat dan likuiditas spekulatif; ICE adalah pasar futures teregulasi, lebih cocok untuk partisipasi institusional, clearing, manajemen risiko, dan lindung nilai compliance.

Namun, kontrak ICE settlement tunai, bukan delivery fisik. Trader tidak benar-benar mengirim atau menerima kapasitas H100; profit dan loss diselesaikan berdasarkan indeks seperti OCPI. Ini mengurangi kompleksitas delivery, tetapi keberhasilan kontrak bergantung pada apakah indeks cukup kredibel, tahan manipulasi, dan representatif harga pasar nyata.

Prospek Pasar

Tiga Arah Kunci yang Perlu Dipantau

Institusionalisasi OTC Desk
Endgame pasar compute mungkin bukan pelaku industri memperdagangkan futures langsung di bursa, melainkan dealer yang menangani kebutuhan industri kustom dan mengelola risiko melalui indeks, futures, atau perpetual. Dalam 12–24 bulan ke depan, penting memantau apakah Andromeda dan SF Compute bisa berkembang dari "platform pengadaan compute" menjadi "trading desk compute" sejati: menangani permintaan spot dan reserved level SKU, sekaligus melindungi inventaris dan basis risk di pasar indeks. Siapa yang berhasil lebih dulu dapat menjadi intermediary inti pasar compute.

Closed Loop Kredit & Derivatif
Jika "pembiayaan berbasis GPU + lindung nilai futures" berjalan, lender bisa mengelola volatilitas harga GPU dan risiko nilai residual lebih baik, mengurangi haircut dan biaya pembiayaan. Ini akan langsung meningkatkan efisiensi modal infrastruktur AI—salah satu dampak terpenting finansialisasi compute bagi industri AI nyata.

Pembentukan Benchmark Harga & Sistem Settlement
Agar compute benar-benar menjadi aset yang bisa diperdagangkan dan dibiayai, benchmark harga dan mekanisme settlement yang kredibel harus muncul. Penyedia indeks seperti Ornn, Silicon Data, NATIVX, dan venue trading seperti ICE, CME, Architect, Lighter bersaing bukan hanya untuk satu produk, tetapi untuk gateway kekuatan penetapan harga di masa depan pasar compute.

Masalah yang Belum Terpecahkan

Persetujuan Regulator

CME, ICE, Architect, dan produk terkait masih membutuhkan persetujuan regulator. Bagaimana compute akan diklasifikasikan—komoditas, jasa, atau jenis sumber daya baru yang bisa diperdagangkan—masih belum jelas.

Pasar Spot Dasar Masih Tipis

Kredibilitas indeks bergantung pada kedalaman transaksi spot nyata. Saat ini, pasar spot publik dan sekunder masih tahap awal, dengan sebagian besar perdagangan compute terkunci dalam kontrak jangka panjang antara hyperscaler, neocloud, dan perusahaan AI. Kurangnya transaksi dasar dapat memengaruhi representativitas indeks dan ketahanan terhadap manipulasi.

Risiko Siklus
Jika belanja modal AI melambat, likuiditas spot bisa menyusut sebelum pasar derivatif matang. Sementara itu, tarif sewa GPU telah turun jauh dari puncak, dan nilai residual GPU serta kurva depresiasi belum memiliki data historis memadai, semakin memperbesar ketidakpastian penilaian kredit dan harga derivatif.

Referensi

https://aethir.com/blog-posts/aethirs-2025-wrap-up-decentralized-gpu-cloud-milestones

https://siliconangle.com/2026/03/18/demand-gpu-startup-andromeda-raises-funding-1-5b-valuation/

https://x.com/0xfishylosopher/status/2071396211731599393?s=20

https://x.com/BrettHarrison/status/2072327852498797048?s=20

https://sfcompute.com/

https://andromeda.ai/

https://www.gmicloud.ai/en

https://architect.co/

https://messari.io/report/state-of-akash-q1-2026-final

https://dashboard.ornnai.com/compute

https://app.lighter.xyz/trade/H100

Tentang Gate Ventures

Gate Ventures adalah divisi modal ventura dari Gate, yang berfokus pada investasi infrastruktur terdesentralisasi, ekosistem, dan aplikasi, dengan misi membentuk ulang dunia untuk era Web 3.0. Gate Ventures bermitra dengan pemimpin industri global untuk memberdayakan tim dan startup inovatif, mendefinisikan ulang interaksi masyarakat dan keuangan.
Untuk informasi lebih lanjut, kunjungi: Official Website | X | Telegram | LinkedIn | Medium

Disclaimer :

Konten ini bukan merupakan undangan, permintaan, atau nasihat apa pun. Anda harus selalu mencari nasihat profesional independen sebelum membuat keputusan investasi. Harap diperhatikan bahwa Gate Ventures dapat membatasi atau melarang seluruh atau sebagian layanannya dari wilayah terbatas. Untuk informasi lebih lanjut, silakan baca perjanjian pengguna: https://www.gate.com/id/user-agreement.

The content herein does not constitute any offer, solicitation, or recommendation. You should always seek independent professional advice before making any investment decisions. Please note that Gate may restrict or prohibit the use of all or a portion of the Services from Restricted Locations. For more information, please read the User Agreement

Bagikan

sign up guide logosign up guide logo
sign up guide content imgsign up guide content img
Sign Up
Log In