Ethereum-medeoprichter Vitalik Buterin verscheen op 17 oktober 2026 op X met een naast elkaar geplaatste vergelijking van de elektriciteitseconomie, waarin hij contraasteerde hoe geld wordt besteed aan Bitcoin-mining versus AI-inferentie. Zijn kernobservatie is eenvoudig: de kosten van Bitcoin-mining worden verdeeld tussen hardware en elektriciteit, terwijl de uitgaven aan AI-inferentie vrijwel volledig in hardware zitten.

De cijfers achter de verdeling

Schattingen die in de vergelijking worden aangehaald, plaatsen de kosten van het minen van één Bitcoin op circa $93.700. Ongeveer $37.600 daarvan, of 40%, gaat naar compute kapitaalkosten — de voorafgaande kosten van de aanschaf van miningmachines. Elektriciteit goodt voor ongeveer $40.600, of 43,3%. Anders gezegd: de rekening voor de machines en de rekening voor de stroom die ze aandrijft zijn vrijwel gelijk.

AI-inferentie laat een duidelijk ander beeld zien. Inferentie is de fase waarin een getraind model vragen beantwoordt, afbeeldingen genereert of code schrijft voor gebruikers. De geschatte kosten daar bedragen ongeveer $26.260 per GPU-jaar, waarvan compute kapitaalkosten circa $19.900 uitmaken oftewel 76% van het totaal. Elektriciteit ligt tussen $1.050 en $1.260, of slechts 4% tot 4,8%. Voor een AI-operator is de energierekening eerder een afrondingsfout dan een strategische zorg.

Op faciliteitsniveau wordt het gat nog groter. Het bouwen en exploiteren van een Bitcoin-mijnlocatie wordt geschat op $700.000 tot $1 miljoen per megawatt, terwijl AI-infrastructuur op ongeveer $20 miljoen per megawatt uitkomt.

Waarom de kostenstructuur belangrijker is dan het totaal

Buterins analyse richt zich op hoe kosten zijn samengesteld, niet op welke sector meer uitgeeft of in totaal meer energie verbruikt. Er wordt niet geprobeerd de absolute uitgaven of het totale energieverbruik tussen de twee industrieën gelijk te stellen.

Die samenstelling bepaalt ook welke knoppen elke industrie kan omdraaien: miners kunnen goedkopere stroom nastreven, terwijl de belangrijkste efficiëntie van AI-operators voortkomt uit het halen van meer output uit hardware die ze al hebben betaald.

Bitcoin-miners blijven zeer gevoelig voor doorlopende stroomkosten, aangezien elektriciteit zo'n groot deel vertegenwoordigt van wat het kost om elke munt te produceren. Die gevoeligheid heeft lang bepaald waar mijnoperaties zich vestigen, met locaties die neigen naar goedkope energiebronnen. De economie van AI-operators hangt daarentegen af van hardware-efficiëntie en benutting — hoeveel nuttig werk elke dure GPU gedurende zijn levensduur verricht.

Achtergrond: twee industrieën die dezelfde stroom najagen

Bitcoin-mining en AI-datacenters concurreren steeds meer om dezelfde middelen: netwerkconnecties, goedkope stroom en fysieke ruimte.

Mining is gebouwd rond een proof-of-work-systeem waarin machines racen om puzzels op te lossen en de winnaar nieuw uitgegeven Bitcoin verdient. Elektriciteit is een structurele input voor dat proces, wat helpt verklaren waarom het zo'n groot deel van de kostenraming uitmaakt.

Ethereum, het netwerk dat Buterin mede oprichtte, verliet proof-of-work jaren geleden en stapte in september 2022 over op proof-of-stake. Als hij zich uitspreekt over de energieneconomie van Bitcoin, spreekt hij als iemand wiens eigen keten die specifieke rekening niet meer betaalt.

AI-inferentie is daarentegen afhankelijk van gespecialiseerde chips. Die chips zijn duur, en de datacenters die ze huisvesten zijn veel duurder om te bouwen per megawatt, zoals de ramingen op faciliteitsniveau laten zien.

Implicaties voor miners en operators

Aangezien elektriciteit meer dan 40% van de kosten vertegenwoordigt om een munt te minen, hebben miners met toegang tot goedkope, stabiele energie een structureel voordeel, terwijl die blooteld aan volatiele stroommarkten een reëel marge-risico lopen.

Sommige miners zouden hun infrastructuur kunnen herbestemmen voor AI-toepassingen, waar de kapitaalefficiëntie mogelijk groter is. De schattingen onderstrepen echter de schaal van zo'n verschuiving: mijnlocaties kosten naar schatting $700.000 tot $1 miljoen per megawatt, terwijl AI-infrastructuur rond $20 miljoen per megawatt uitkomt. Een miner die richting AI gaat, zou een radicaal andere kapitaalverplichting aangaan, met elektriciteitsrisico geruild voor hardware- en benuttingsrisico.

Aan de AI-kant, met elektriciteit op circa 4% tot 4,8% van de inferentiekosten, ligt de druk op het bezig en efficiënt houden van GPU's, aangezien inactieve hardware met $19.900 per jaar aan kapitaalkosten een dure asset is om ongebruikt te laten staan. Voor wie beide sectoren volgt, zijn stroomprijzen en GPU-benuttingspercentages de cijfers die het meest direct uit deze kostenverdeling voortvloeien.