以太坊联合创始人 Vitalik Buterin 提请人们关注比特币挖矿与人工智能（AI）推理在运营经济性上的一个根本差异：电力几乎占挖取一枚比特币成本的一半，而计算基础设施则主导着运行 AI 模型的开支。

在 10 月 17 日发布的一篇 X 帖子中，Buterin 对比了这两个行业的成本结构，其给出的估算显示，比特币挖矿支出大致在硬件资本支出（CapEx）与电力之间均分，而 AI 推理成本则绝大部分集中在计算设备上。

比特币挖矿：硬件与电力成本各占一半

据 Buterin 所述，比特币挖矿支出大致在计算资本支出（CapEx）与电力之间五五分成。这一平衡反映了工业化规模挖矿的要求：运营商必须购买专用硬件——专为挖矿构建的专用集成电路（ASIC）——并在竞争区块奖励的过程中维持持续的电力供应。

该帖子附带的成本明细估算显示，每枚比特币的总挖矿成本约为 93,700 美元。其中计算基础设施占 37,600 美元，约占总成本的 40%。

挖矿机器直接消耗的电力估计为每枚比特币 40,600 美元。其他与电力相关的支出再增加 2,400 美元，使电力成本合计达到 43,000 美元——占总成本的 45.9%。

其他项目包括约 3,200 美元的人力成本、2,500 美元的场地租金，以及 7,400 美元的维护、保险、税费、带宽和相关运营开支。

这些数字凸显了电价为何仍是挖矿盈利能力的关键驱动因素，不过实际生产成本会因硬件效率、当地电价、融资安排和运营条件而有所不同。此外，由于挖矿硬件为单一用途、无法重新部署到其他工作负载，这种成本结构使运营商的经济效益与其获取电力的地点——以及价格——紧密挂钩。

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

AI 推理：计算基础设施占主导

Buterin 将此与 AI 推理进行了对比——推理是训练好的 AI 模型生成回复、预测及其他输出的过程。在这一领域，计算资本支出约为每 GPU 年 19,900 美元，占总推理成本的 76%。

电力所占比重则小得多。直接电力消耗估计为每 GPU 年 1,050 美元，其他电力支出另加 210 美元。合计而言，这两项约占每 GPU 年度估算总成本 26,260 美元的 4.8%。

人力成本为 1,400 美元，场地租金为 900 美元。其余支出——包括维护、保险、税费和带宽——合计约 2,800 美元。

与挖矿机器不同，用于推理的 GPU 是可服务广泛计算工作负载的通用处理器。由于设备而非电力主导账目，硬件价格、融资和利用率成为对运营商影响最大的变量。

截然不同的经济压力

这一对比凸显了两个行业面临的不同成本压力。比特币矿工必须在设备投资与巨额的经常性电费之间取得平衡，而 AI 运营商则承担更大的计算基础设施成本敞口。

由于两项明细采用不同的计量单位——每枚已挖出比特币的成本对比每 GPU 年的成本——这些数字反映的是成本构成，而非可直接对等的支出总额。

这些动态有助于解释为何一些比特币挖矿公司正拓展至 AI 数据中心。现有的电力协议和基础设施可以支持多元化扩张，尽管融资、设备需求和客户需求仍是重要考量因素。在此类转型中，能够延续下来的主要是场地级基础设施——电网接入、电力合同和冷却系统——而非挖矿机器本身。

Buterin 的对比并未表明任何一个行业在运营成本上具有普遍优势。它所展示的，是硬件投资与电力消耗在这两种运营模式中权重各异——这一分化也指向了读者值得关注的不同变量：挖矿侧的能源市场，以及 AI 侧计算硬件的供应与定价。