Сооснователь Ethereum Виталик Бутерин обратил внимание на фундаментальное различие в операционной экономике майнинга биткоина и инференса искусственного интеллекта (ИИ): электричество составляет почти половину затрат на добычу одного биткоина, тогда как в расходах на работу ИИ-моделей доминирует вычислительная инфраструктура.

В посте на X от 17 октября Бутерин сравнил структуры затрат двух отраслей, представив оценки, согласно которым расходы на майнинг биткоина примерно поровну делятся между капитальными затратами на оборудование (CapEx) и электроэнергией, а затраты на ИИ-инференс подавляющей частью сосредоточены в вычислительном оборудовании.

Майнинг биткоина: затраты делятся между оборудованием и электроэнергией

По словам Бутерина, расходы на майнинг биткоина делятся примерно 50/50 между вычислительным CapEx и электричеством. Такой баланс отражает требования промышленного майнинга: операторы должны приобретать специализированное оборудование — интегральные схемы специального назначения (ASIC), созданные исключительно для майнинга, — и поддерживать бесперебойное электроснабжение в конкуренции за награды за блоки.

Приведённый в посте расчёт оценивает общие расходы на майнинг примерно в 93 700 долларов за биткоин. Вычислительная инфраструктура составляет 37 600 долларов, или около 40% общей суммы.

Электричество, потребляемое непосредственно майнинговыми машинами, оценивается в 40 600 долларов за биткоин. Дополнительные расходы на электроэнергию добавляют ещё 2 400 долларов, доводя совокупные затраты на электроэнергию до 43 000 долларов — 45,9% от общей суммы.

Прочие статьи включают около 3 200 долларов на оплату труда, 2 500 долларов на аренду помещений и 7 400 долларов на обслуживание, страхование, налоги, пропускную способность сети и сопутствующие операционные нужды.

Эти цифры подчёркивают, почему цены на электроэнергию остаются ключевым фактором рентабельности майнинга, хотя фактические издержки производства варьируются в зависимости от эффективности оборудования, местных тарифов на энергию, условий финансирования и операционных обстоятельств. А поскольку майнинговое оборудование узкоспециализированно и не может быть перепрофилировано под другие задачи, такая структура затрат напрямую привязывает экономику операторов к тому, где — и по какой цене — они могут получать электроэнергию.

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/PCFKZSuNRw

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

ИИ-инференс: доминирует вычислительная инфраструктура

Бутерин противопоставил этому ИИ-инференс — процесс, в ходе которого обученные модели генерируют ответы, прогнозы и другие результаты. В этой сфере капитальные затраты на вычисления составляют примерно 19 900 долларов на GPU-год, что соответствует 76% общих затрат на инференс.

Роль электричества значительно меньше. Прямое потребление электроэнергии оценивается в 1 050 долларов на GPU-год, а прочие расходы на электричество добавляют 210 долларов. Вместе эти категории составляют около 4,8% от расчётной годовой стоимости 26 260 долларов на один GPU.

плата труда добавляет ещё 1 400 долларов, аренда помещений — 900 долларов. Оставшиеся расходы — включая обслуживание, страхование, налоги и пропускную способность сети — в сумме составляют примерно 2 800 долларов.

В отличие от майнинговых машин, GPU, используемые для инференса, — это универсальные процессоры, способные выполнять широкий спектр вычислительных задач. Когда в расходах доминирует оборудование, а не электроэнергия, именно цена оборудования, финансирование и уровень утилизации сильнее всего влияют на экономику операторов.

Различное экономическое давление

Сравнение подчёркивает разницу в ценовом давлении, с которым сталкиваются отрасли. Майнерам биткоина приходится балансировать между инвестициями в оборудование и значительными регулярными счетами за электроэнергию, тогда как операторы ИИ в большей степени подвержены затратам на вычислительную инфраструктуру.

Поскольку оба расчёта используют разные единицы — затраты на один добытый биткоин против затрат на GPU-год, — цифры отражают структуру затрат, а не прямое сопоставимое сравнение общих расходов.

Эти динамика помогает объяснить, почему некоторые майнинговые компании расширяются в дата-центры для ИИ. Действующие договоры на электроэнергию и инфраструктура могут поддержать такую диверсификацию, хотя финансирование, требования к оборудованию и спрос клиентов остаются важными факторами. При подобной конвертации наследуется главным образом инфраструктура уровня площадки — подключение к энергосети, контракты на электроэнергию и охлаждение, — а не сами майнинговые машины.

Сравнение Бутерина не доказывает, что одна из отраслей повсеместно дешевле в эксплуатации. Скорее, оно показывает, как инвестиции в оборудование и потребление электроэнергии по-разному распределяются в двух операционных моделях — расхождение, указывающее читателям на разные переменные для наблюдения: энергетические рынки со стороны майнинга и предложение и цены вычислительного оборудования со стороны ИИ.