Почему майнеры массово переходят в ИИ сектор: сравнение мощностей, токенов и доходности. Где больше профит?

В этой статье используется простая отраслевая логика для анализа физических ограничений этих двух типов вычислительной мощности. Мы рассмотрим физические ограничения чипов и истинное значение дефицита для обоих токенов. Это поможет вам понять основные математические принципы, лежащие в основе обоих активов.

Компании тратят огромные деньги на строительство объектов и закупку микросхем. Но действительно ли центры обработки данных для ИИ и центры обработки данных для криптомайнинга – это одно и то же?

Почему в обеих отраслях используется слово «токен», в то время как токены ИИ и токены блокчейна подчиняются совершенно разным экономическим правилам?

Все они используют электроэнергию и серверы. Почему нельзя просто разделить эти центры обработки данных между собой?

Многие считают, что центры обработки данных для искусственного интеллекта и центры обработки данных для майнинга Биткоинов выглядят почти одинаково. В обоих случаях это ряды серверных стоек, толстые кабели, большие трансформаторы и оборудование, работающее круглосуточно.

Некоторые даже утверждают, что, поскольку обе системы потребляют электроэнергию для генерации вычислительных ресурсов, операторы могут просто отключить майнинговые установки и заменить их графическими процессорами, когда прибыль от майнинга снизится. Однако эта идея игнорирует строгие требования к инфраструктуре, предъявляемые к различным типам вычислительных нагрузок.

Центры обработки данных для майнинга BTC редко встречаются среди «гибких потребителей электроэнергии». В случае перегрузки электросети или резкого повышения цен на электроэнергию, майнинг ферма может за считанные секунды отключить тысячи машин. Это отключение электроэнергии не приводит к потере данных или повреждению оборудования. Возможность мгновенной остановки позволяет центрам обработки данных для майнинга получать дешевую промышленную электроэнергию.

С другой стороны, вычислительным центрам для ИИ требуется стабильное электроснабжение. Это особенно актуально для обучения больших моделей, которое требует более 99,99% времени безотказной работы. Если электроснабжение прервется в середине процесса, недели работы могут быть потеряны. Поэтому центрам ИИ приходится приобретать очень дорогие резервные аккумуляторные системы (UPS) и генераторы.

Многие традиционные майнинг предприятия используют полуоткрытые здания для экономии средств. Они применяют огромные промышленные вентиляторы для прямого забора наружного воздуха. Это означает, что оборудование должно справляться с пылью, влажностью и сезонными изменениями температуры. Стандартные серверы искусственного интеллекта очень чувствительны к окружающей среде: высокая влажность или слишком много пыли могут легко вызвать короткое замыкание в мелких электронных компонентах.

Проще говоря, центры обработки данных для майнинга в значительной степени ориентированы на минимальную стоимость электроэнергии на ватт. Они готовы отказаться от резервных систем ради этой цели. Центры обработки данных для ИИ полностью сосредоточены на стабильности системы. Им приходится вкладывать значительные средства, чтобы исключить любые риски.

Эти различные проектные решения означают, что их нельзя легко комбинировать. Операторы не могут напрямую заменять оборудование и не могут повторно использовать существующую конфигурацию без изменений.

Однако некоторые центры обработки данных для майнинга обладают отличным потенциалом в области электропитания, охлаждения и сети. После дорогостоящей модернизации эти площадки могут перейти к высокопроизводительным вычислениям (HPC) или размещению ИИ.

Почему майнеры массово переходят в ИИ

Экономика майнинга Биткоина оказалась на грани краха. Себестоимость добычи одной монеты превышает рыночную цену, принося $13 000-19 000 убытка с каждого BTC. Hashprice рухнул до $28–31 за петахеш в день, а халвинг 2024 года сократил награду за блок до 3,125 BTC.

На этом фоне публичные майнеры совершают масштабный разворот в ИИ. Один и тот же мегаватт мощности приносит в ИИ-хостинге $500/день против $100/день в майнинге - разница в 5 раз. Уже заключено более $70 млрд ИИ-контрактов.

Более 7 ГВт мощности уже переведено из майнинга в ИИ-инфраструктуру. Майнинговые компании фактически превращаются в операторов дата-центров, которые «случайно» продолжают майнить Биткоин.

Математика сложных вероятностей против угадывания с помощью массивного хеширования

Чтобы понять, почему аппаратное обеспечение не взаимозаменяемо, нам нужно внимательно изучить микросхемы. Давайте посмотрим, что они там вычисляют целый день.

Вычисления в ИИ: масштабные матричные вычисления

Работа ИИ в вычислительных задачах похожа на запуск большой языковой модели. Приведем простой пример. Представьте тысячи студентов, сидящих в одном классе. Все они вместе работают над очень сложной, взаимосвязанной математической задачей о вероятности.

Когда вы разговариваете с ИИ, система разбивает ваши слова на множество числовых последовательностей, называемых векторами. Затем она выполняет масштабные вычисления умножения и сложения в сети из триллионов параметров. Каждый раз, когда она пишет слово, она анализирует значение предыдущих слов и вычисляет наибольшую вероятность для следующего слова.

К этому типу рабочей нагрузки предъявляются два строгих требования. Во-первых, ИИ требует высокой точности. В настоящее время в отрасли используются форматы с более низкой точностью, такие как INT8 и FP8, но эти вычисления по-прежнему включают значения с плавающей запятой и многомерные векторы. Ошибки данных или проблемы с передачей могут снизить качество выходных данных и иногда приводить к ответам, которые не передают задуманный смысл.

Во-вторых, ИИ в значительной степени зависит от скорости памяти. Ядра графических процессоров работают чрезвычайно быстро, но им постоянно необходимо считывать и записывать триллионы параметров из памяти. Если память не может передавать данные достаточно быстро, дорогостоящие ядра графических процессоров простаивают и ждут дополнительной информации.

Это ограничение часто называют «барьером памяти». Эта проблема объясняет, почему ведущие чипы для ИИ в 2026 году полагаются на высокоскоростные технологии памяти, такие как HBM3e и HBM4. Во многих случаях сама память стоит дороже, чем вычислительные ядра.

Вычисления в майнинге: простое и многократное угадывание хешей

В отличие от этого, майнинг Bitcoin использует гораздо более простой метод. Он не требует мышления. Процесс похож на быструю покупку лотерейных билетов с помощью чистой физической силы.

Майнинговой установке не нужно понимать контекст. Она не делает сложных вероятностных предположений. Она делает только одно. Она берет фрагмент данных, называемый заголовком блока, добавляет к нему случайное число и пропускает его через фиксированную математическую формулу, например, SHA-256.

Затем она проверяет, сколько нулей в начале результата. Если количество нулей неверно, это означает, что установка не выиграла. Она немедленно пробует следующее случайное число. Это продолжается до тех пор, пока одна счастливая машина в мире не угадает правильный код.

Данная рабочая нагрузка предъявляет совершенно иные требования. Неудачная попытка никак не связана со следующей. Такая конструкция означает, что микросхеме не требуется большой объем памяти для хранения временных данных. Микросхема выполняет почти все вычисления внутри своих собственных логических блоков и очень мало зависит от пропускной способности внешней памяти.

Неудачная попытка хеширования практически не влияет на весь процесс. Если одно вычисление не удается, машина просто пытается использовать другое. Неудачная попытка не прерывает будущие вычисления, как это может происходить в задачах обучения ИИ.

Сравнение вычислительных мощностей обеих систем

Чтобы наглядно увидеть технические ограничения, мы можем сравнить их, используя эту простую таблицу:

GPU против ASIC: почему дорогие GPU могут выполнять множество задач, в то время как Асики - только одну?

Теперь, когда мы знаем различия в математике, мы можем увидеть компромисс, стоящий перед бизнесом в сфере аппаратного обеспечения. Это битва между гибкостью и специализацией.

Почему топовые видеокарты Nvidia, такие как H100 или B200, стоят десятки тысяч долларов каждая? Инженеры проектируют их с учетом высокой гибкости.

Внутри чипа, помимо математических блоков, размещены многочисленные схемы управления и многоуровневые кэши памяти. Такая конфигурация делает графический процессор универсальным инструментом. Сегодня он может запускать большую языковую модель, завтра – рендерить графику для фильмов, а послезавтра – проводить симуляцию сложных жидкостей (simulate complex fluids).

Для достижения такой гибкости чип должен пожертвовать частью пространства и энергоэффективностью. Если использовать его для одной простой задачи, например, для вычисления хешей, его энергоэффективность будет намного хуже, чем у специализированного чипа.

С другой стороны, чипы для майнинга Биткоинов представляют собой специализированные схемы, называемые ASIC. При производстве этих чипов на аппаратные схемы навсегда записываются вычисления SHA-256. Такая конструкция исключает все ненужные управляющие элементы, сложные кэши и десятичные математические блоки.

Чип подобен рабочему, который всю жизнь умеет закручивать только один винт. Он использует все свое пространство и энергию только для одной задачи: вычисления хеша.

Такая жесткая ориентация позволяет ASIC достигать невероятной энергоэффективности. Новые модели потребляют менее 10 Дж/TH. Однако у этой жесткой конструкции есть существенный недостаток. Если сеть изменит свою математическую формулу или криптовалюта потеряет в стоимости, вы не сможете обновить программное обеспечение для запуска ИИ. Ее коммерческая ценность резко упадет, и машина станет практически бесполезной.

Рынок GPU: дефицит и рост цен

Цены усреднены и актуальны:

Дефицит GPU не только не ослабевает, а усиливается. Вопреки ожиданиям, с вводом новых мощностей цены на аренду не падают, а растут по всем поколениям чипов. H100 подорожал на 40–50%, B200 - почти на 50%. AWS дважды за год повысил цены на резервирование GPU (суммарно ~38%), CoreWeave требует трехлетние контракты.

Корень проблемы - дефицит памяти. Производственные мощности переброшены с GDDR на HBM под AI-запросы. Это вызвало цепную реакцию: GDDR7 подорожал на $20 за 2 ГБ, AMD подняла цены на 10–15%, а у NVIDIA выросли цены на весь модельный ряд - от H100 до A100 и 4090.

Сроки поставок B200 и H200 достигли 36–52 недель, а новые модели распродаются почти сразу. Аналитики Bank of America прогнозируют, что дефицит сохранится как минимум до 2029 года.

Эффект Джевонса усугубляет ситуацию: рост эффективности чипов и моделей не снижает спрос, а наоборот - расширяет спектр экономически оправданных применений, еще сильнее разогревая потребность в вычислениях.

Энергопотребление: ИИ догоняет целые страны

Сравнение с целыми странами

Токены ИИ и токены блокчейна – это одно и то же?

В современной технологической терминологии слово «токен» очень распространено и легко вводит людей в заблуждение. Хотя люди используют одно и то же слово, лежащая в его основе технология работает по противоположным принципам: деньги и данные.

Токены ИИ

В системах искусственного интеллекта токен работает скорее как счетная единица и единица обработки. Модели ИИ не могут напрямую считывать человеческие слова. Система должна сначала разбить текст на более мелкие части. Например, инструмент ИИ разбивает слово «mining» на «min» и «ing». Грубо говоря, 100 слов равны примерно 130 токенам ИИ.

Токен ИИ создан на основе теории вероятностей. Он не имеет физической формы и не является дефицитным. Если вы оплачиваете счет за электроэнергию для дата-центра, вы можете попросить ИИ написать огромную книгу. Он создаст миллионы токенов из ничего. Это просто базовая единица измерения, необходимая модели для обработки языка.

Криптотокен

В отличие от этого, токен в блокчейне, такой как BTC, представляет собой проверяемую запись о владении активом. Это не текст, созданный математическими вычислениями. Это запись, проверенная всеми компьютерами в сети. Когда вы отправляете один токен кому-либо в блокчейне, система изменяет право собственности в реестре по всей сети.

Некоторые криптоактивы, такие как Биткоин, отличаются подлинной дефицитностью. Например, общее количество BTC жестко ограничено 21 миллионом монет. Строгие математические доказательства предотвращают двойную трату, то есть трату одних и тех же денег дважды. Для других токенов в сети любое изменение права собственности подтверждается консенсусом сети.

В чем основное различие?

Если мы свяжем воедино техническую логику, то увидим интересный контраст. Вычисления с использованием ИИ существуют для создания токенов. Вычисления для майнинга существуют для защиты токенов.

Графические процессоры используют энергию для выполнения вероятностных вычислений и создания логических текстовых результатов. Майнеры используют энергию для постоянного выполнения хеш-вычислений. Это защищает консенсус сети и делает изменение реестра очень дорогим для любого пользователя.

Какие скрытые общие черты присущи этим двум вычислительным системам в плане стоимости и комиссионных сборов?

Мы потратили много времени на разбор различий между вычислениями для ИИ и вычислениями для майнинга. Однако, если мы отойдем от технологического проектирования и посмотрим на цифровую экономику, то обнаружим сюрприз.

Эти два, казалось бы, разных бизнеса имеют схожие правила в отношении комиссий и энергопотребления.

Цена вычислительных ресурсов

Когда вы отправляете запрос большой модели и получаете ответ, поставщик API, например, OpenAI, взимает с вас плату в зависимости от количества использованных токенов ИИ. За стоимостью токенов стоят затраты на электроэнергию, потребляемую графическим процессором, и износ чипа.

Аналогично, при совершении транзакций в блокчейн-сети, такой как Ethereum или Bitcoin, вы должны оплатить комиссию за газ или комиссию за транзакцию. За этой комиссией стоит электроэнергия, затрачиваемая майнерами на вычисление хеша для обеспечения вашего места в блоке.

С точки зрения бизнеса, обе системы преобразуют сложные математические вычисления и энергопотребление в понятную цену для пользователей. Сервисы ИИ взимают плату за токен, в то время как транзакции в блокчейне используют комиссионные сборы для демонстрации использования пространства блока и консенсуса.

Это не одна и та же система ценообразования, но они доказывают одно: поверхностная цена цифровых услуг всегда зависит от стоимости вычислительной мощности и энергии на самом базовом уровне.

Оборудование, преобразующее энергию в цифровую ценность

Старая индустриальная экономика использовала энергию для привода машин, производивших физические товары, такие как цемент и сталь.

Обсуждаемые нами два вычислительных центра делают нечто иное. Они переносят энергию в цифровой мир. Центр искусственного интеллекта подает высоковольтное питание на кластеры графических процессоров.

С помощью параметров он генерирует интеллектуальные потоки данных, необходимые человеческому обществу. Ферма по добыче криптовалюты подает промышленную энергию на ASIC-чипы. С помощью хеширования она создает надежную математическую стену для производства дефицитных активов доверия.

В более широком смысле, обе системы преобразуют реальные затраты на электроэнергию и вычисления в измеримую ценность в цифровом мире.

Статистика

Как мы оцениваем эти два разных типа вычислительных ресурсов?

Сегодня вычислительные мощности быстро растут, а операции становятся все более точными. Рынок больше не слепо следует за ажиотажем. Прежде чем вкладывать большие средства в развертывание, необходимо использовать цифры для управления рисками.

Вычислительные мощности для ИИ – это гибкий актив с высокими капитальными затратами. Создание собственного центра обработки данных обходится очень дорого.

Сеть, соединяющая тысячи плат, сложна, и владельцам приходится постоянно тратить деньги на обновление графических процессоров. Однако преимущество заключается в том, что чипы не привязаны к одной единственной математической формуле. Можно обновлять программное обеспечение, чтобы плавно переключаться между различными бизнес-задачами.

Вычислительные ресурсы для майнинга – это жесткий ресурс, ориентированный исключительно на энергоэффективность и имеющий очень узкую область применения. Он предъявляет низкие требования к скорости и стабильности сети.

Его цель – достижение наилучшего коэффициента эффективности при использовании одного конкретного алгоритма. Несмотря на физический риск, связанный с привязкой к одному алгоритму, он по-прежнему является отличным инструментом для энергетических сетей. В определенных конфигурациях сетей и ситуациях торговли энергией он остается самым быстрым и надежным инструментом для конвертации энергии в деньги.

Понимая физические ограничения обоих типов вычислительных мощностей и свойства их токенов, мы можем принимать более взвешенные бизнес-решения на разных этапах развития. Мы можем избежать использования неэффективной логики майнинга при создании центров обработки данных для ИИ. Мы также можем избежать чрезмерных затрат на резервное копирование при модернизации майнинговой фермы.

*Информация, представленная в данной статье, носит исключительно общий и справочный характер и не является и не должна рассматриваться как реклама, профессиональная консультация, предложение, приглашение или рекомендация к совершению сделок с каким-либо продуктом. Не предоставляется никаких гарантий, заверений, обещаний или обязательств, явных или подразумеваемых, относительно достоверности, точности, своевременности, полноты или правильности какой-либо информации, а также будущей доходности, эффективности или результатов использования какого-либо продукта. Bytwork прямо исключает всю ответственность (в той мере, в какой это разрешено применимым законодательством) в отношении информации, представленной в данной статье, и ни при каких обстоятельствах Bytwork не несет ответственности перед каким-либо лицом за любые убытки или ущерб, понесенные в результате использования любой информации, содержащейся в данной статье.