以太坊共同創辦人 Vitalik Buterin 點出了比特幣挖礦與人工智慧（AI）推理在營運經濟學上的根本差異：電力約佔挖出一枚比特幣成本的一半，而運算基礎設施則主導了執行 AI 模型的開支。

在 10 月 17 日發布於 X 的貼文中，Buterin 比較了這兩個產業的成本結構，其估算顯示比特幣挖礦支出大約平均分為硬體資本支出（CapEx）與電力兩部分，而 AI 推理成本則壓倒性地集中在運算設備上。

比特幣挖礦：成本平均分佈於硬體與電力

根據 Buterin 的說法，比特幣挖礦支出大致以 50/50 的比例分為運算資本支出與電力。這種平衡反映了工業規模挖礦的需求：營運者必須購買專用硬體——專為挖礦打造的特殊應用積體電路（ASIC）——並在競爭區塊獎勵的同時維持不間斷的電力供應。

隨貼文附上的成本明細估算，每枚比特幣的總挖礦支出約為 93,700 美元，其中運算基礎設施佔 37,600 美元，約為總額的 40%。

挖礦機直接消耗的電力估計為每枚比特幣 40,600 美元，其他電力相關支出再增加 2,400 美元，使合計電力成本達到 43,000 美元，佔總額的 45.9%。

其他項目包括約 3,200 美元的人力成本、2,500 美元的場地租金，以及 7,400 美元的維護、保險、稅務、頻寬與相關營運支出。

這些數據凸顯了電價仍是礦業獲利能力的關鍵因素，但實際生產成本會因硬體效率、當地能源價格、融資安排與營運條件而異。由於挖礦硬體屬單一用途，無法轉用於其他工作負載，這種成本結構使營運者的經濟效益與電力取得地點及價格息息相關。

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：運算基礎設施主導成本

Buterin 將此與 AI 推理——即訓練完成的模型產生回應、預測與其他輸出的過程——進行對比。在該領域，運算資本支出約為每張 GPU 每年 19,900 美元，佔總推理成本的 76%。

電力所佔比例則小得多。直接耗電成本估計為每張 GPU 每年 1,050 美元，其他電力支出再增加 210 美元，兩者合計約佔每張 GPU 每年估計 26,260 美元成本的 4.8%。

人力成本再增加 1,400 美元，場地租金為 900 美元，其餘支出——包括維護、保險、稅務與頻寬——合計約為 2800 美元。

與挖礦機不同，用於推理的 GPU 是通用型處理器，可以服務廣泛的運算工作負載。由於是設備而非電力主導成本結構，硬體價格、融資與利用率是營運者最需關注的變數。

迥異的經濟壓力

這項比較凸顯了兩個產業面臨的不同成本壓力。比特幣礦工必須在設備投資與龐大的經常性電費之間取得平衡，而 AI 營運者則承擔較高的運算基礎設施成本風險。

由於兩項明細採用不同的單位——每枚開採比特幣的成本與每張 GPU 每年的成本——這些數據反映的是成本組成，而非可直接比較的總支出。

這些動態有助於解釋為何部分比特幣礦企正擴張至 AI 資料中心。既有的電力合約與基礎設施可以支持此類多元化發展，但融資、設備需求與客戶需求仍是重要考量。在這類轉型中，能夠延續的主要是場站層級的基礎設施——電網連接、電力合約與冷卻系統——而非挖礦機本身。

Buterin 的比較並未顯示哪個產業的營運成本普遍較低，而是說明了硬體投資與電力消耗在兩種營運模式中的比重各不相同——這項差異也指向讀者可關注的不同變數：挖礦方面的能源市場，以及 AI 方面的運算硬體供應與價格。