Współzałożyciel Ethereum Vitalik Buterin zwrócił uwagę na fundamentalną różnicę w ekonomice działania miningu Bitcoina i inferencji sztucznej inteligencji (AI): energia elektryczna stanowi niemal połowę kosztów wydobycia Bitcoina, podczas gdy w kosztach uruchamiania modeli AI dominuje infrastruktura obliczeniowa.

W poście na X z 17 października Buterin porównał struktury kosztów obu branż, przedstawiając szacunki, z których wynika, że wydatki na mining Bitcoina dzielą się mniej więcej równo między nakłady kapitałowe na sprzęt (CapEx) i energię, podczas gdy koszty inferencji AI są przytłaczająco skoncentrowane w sprzęcie obliczeniowym.

Mining Bitcoina: koszty podzielone między sprzęt a energię

Według Buterina wydatki na mining Bitcoina dzielą się około 50/50 między nakłady kapitałowe na obliczenia (CapEx) i energię elektryczną. Taka równowaga odzwierciedla wymagania miningu na skalę przemysłową: operatorzy muszą kupować wyspecjalizowany sprzęt — układy ASIC (application-specific integrated circuits) stworzone wyłącznie do wydobycia — oraz zapewniać ciągłe zasilanie, konkurując o nagrody za bloki.

Zamieszczone w poście zestawienie kosztów szacuje łączne wydatki na mining na około 93 700 USD za Bitcoina. Infrastruktura obliczeniowa odpowiada za 37 600 USD, czyli około 40% całości.

Energia elektryczna zużywana bezpośrednio przez koparki jest szacowana na 40 600 USD za Bitcoina. Dodatkowe wydatki związane z zasilaniem wnoszą kolejne 2 400 USD, co daje łączne koszty energii na poziomie 43 000 USD — 45,9% całości.

Pozycje dodatkowe obejmują około 3 200 USD na pracę, 2 500 USD na wynajem obiektu oraz 7 400 USD na konserwację, ubezpieczenia, podatki, łącze internetowe i powiązane wymagania operacyjne.

Dane te podkreślają, dlaczego ceny energii pozostają kluczowym czynnikiem rentowności miningu, choć rzeczywiste koszty produkcji zależą od efektywności sprzętu, lokalnych stawek za energię, warunków finansowania i warunków eksploatacji. A ponieważ sprzęt do miningu jest jednozadaniowy i nie można go przekierować do innych obciążeń, taka struktura kosztów ściśle wiąże ekonomikę operatorów z tym, gdzie — i w jakiej cenie — mogą pozyskać energię.

Fun fact of the day: Bitcoin mining cost is split about 50/50 between compute capex and electricity. Meanwhile, AI inference is almost completely dominated by compute capex. pic.twitter.com/PCFKZSuw

— vitalik.eth (@VitalikButerin) October 17, 2026

Inferencja AI: dominuje infrastruktura obliczeniowa

Buterin przeciwstawił temu inferencję AI — proces, w którym wytrenowane modele generują odpowiedzi, prognozy i inne wyniki. W tej branży nakłady kapitałowe na obliczenia wynoszą około 19 900 USD za rok GPU, co stanowi 76% łącznych kosztów inferencji.

Energia elektryczna odgrywa znacznie mniejszą rolę. Bezpośrednie zużycie energii jest szacowane na 1 050 USD za rok GPU, a dodatkowe wydatki na energię dodają 210 USD. Łącznie te kategorie reprezentują około 4,8% szacowanych rocznych kosztów w wysokości 26 260 USD za GPU.

Praca wnosi kolejne 1 400 USD, a wynajem obiektu 900 USD. Pozostałe wydatki — w tym konserwacja, ubezpieczenia, podatki i łącze internetowe — sumują się do około 2 800 USD.

W przeciwieństwie do koparek procesory GPU wykorzystywane do inferencji są układami ogólnego przeznaczenia, zdolnymi obsługiwać szeroki zakres obciążeń obliczeniowych. Skoro w bilansie dominuje sprzęt, a nie energia, to ceny sprzętu, finansowanie i wykorzystanie to zmienne najbardziej obciążające operatorów.

Różne presje ekonomiczne

Porównanie uwypukla odmienne presje kosztowe, przed którymi stoją obie branże. Górnicy Bitcoina muszą równoważyć inwestycje w sprzęt z значnymi cyklicznymi rachunkami za energię, podczas gdy operatorzy AI ponoszą większe ryzyko związane z kosztami infrastruktury obliczeniowej.

Ponieważ oba zestawienia używają różnych jednostek — kosztu na wydobytego Bitcoina versus kosztu na rok GPU — dane odnoszą się do struktury kosztów, a nie do bezpośredniego, porównywalnego poziomu wydatków.

Ta dynamika pomaga wyjaśnić, dlaczego część firm zajmujących się miningiem Bitcoina rozszerza działalność na centra danych AI. Istniejące umowy energetyczne i infrastruktura mogą wspierać taką dywersyfikację, choć finansowanie, wymagania sprzętowe i popyt klientów pozostają istotnymi kwestiami. W takich konwersjach przenosi się w dużej mierze infrastruktura na poziomie lokalizacji — przyłącza sieciowe, kontrakty na energię i chłodzenie — a nie same koparki.

Porównanie Buterina nie dowodzi, że działalność w którejkolwiek z branż jest powszechnie tańsza. Ilustruje raczej, w jak różny sposób inwestycje w sprzęt i zużycie energii rozkładają się w obu modelach operacyjnych — podział, który wskazuje czytelnikom różne zmienne do obserwowania: rynki energii po stronie miningu oraz podaż i ceny sprzętu obliczeniowego po stronie AI.