Мощность вычислений встречается с Биткоином: Энергетическое решение Илона Маска запускает следующий экономический цикл

В конце 2025 года, когда мир наблюдал за тем, как xAI Илона Маска ускоряет строительство мемфисского суперкомпьютерного комплекса почти до миллиона GPU, в инвестиционных кругах сформировалось мощное осознание: вычислительная мощность тихо стала самым важным ресурсом нашей эпохи. Это было не просто спекуляцией. Цифры рассказывали жесткую историю — за три месяца до конца года Microsoft, Amazon и Google уже вложили более $300 миллиардов в инфраструктуру ИИ. Рыночная капитализация Nvidia превысила $5 триллион. Но за этими заголовками скрывалась более глубокая правда: вычислительная мощность и Bitcoin больше не конкурирующие нарративы, а дополняющие силы, формирующие будущее цифровой экономики. Как нефтяная лихорадка в Пенсильвании 1859 года, мы стоим на переломном этапе, когда энергия — теперь уже вычислительная, а не нефтяная — определит следующее столетие богатства.

Параллель, которая все объясняет: почему 2026 год — момент 1859 года для вычислительной мощности

История редко повторяется, но она резонирует. В 1859 году колонист Эдвин Дрейк пробил нефтяную скважину в грязной почве Пенсильвании, что казалось невозможным для наблюдателей. Мир все еще полагался на китовое масло для освещения; уверенность Дрейка в подземной нефти считалась безумством. Но через несколько лет нефть превратилась из любопытства в основу индустриальной цивилизации — и вместе с этим пришли геополитические потрясения, перераспределение богатства и века борьбы за власть.

Сегодня мы наблюдаем аналогичный момент. Вычислительная мощность — измеряемая в GPU-кластеров, киловаттах, пропускной способности — быстро становится тем, чем когда-то была нефть: топливом, движущим экспоненциальные скачки в производительности. А Bitcoin, сведенный к своей сути как энергия, хранящаяся в коде, отражает историческую роль золота: высшее хранилище ценности, когда все остальное колеблется. Параллель — не поэтическая метафора, а структурная реальность.

Исследовательская команда Goldman Sachs построила эту трансформацию через свою четырехэтапную модель инвестиций в ИИ: чипы → инфраструктура → увеличение доходов → повышение производительности. Рынок уже заложил цену на производителей чипов, таких как Nvidia. Фокус явно сместился в сторону инфраструктуры, где спрос скоро взорвется. Глобое потребление электроэнергии дата-центрами вырастет на 165% к 2030 году. Только в США спрос на электроэнергию дата-центров достигнет 15% ежегодного сложного роста до 2030 года, потребляя к концу десятилетия 8% всей электроэнергии страны, по сравнению с сегодняшними 3%. Глобальные расходы на дата-центры и оборудование, по прогнозам, достигнут $3 триллиона к 2028 году.

Это не хайп. Это арифметика. И именно поэтому такие игроки, как Маск — понимающие как экстремальное выполнение, так и управление энергией в масштабах — заняли позицию в центре этого сдвига.

Мемфисский кластер Илона Маска: как управление энергией трансформирует инфраструктуру ИИ

xAI Маска — яркий пример. Компания завершила строительство Colossus, крупнейшего в мире суперкомпьютера с одним ИИ, в Мемфисе менее чем за шесть месяцев — скорость, которая поразила индустрию. Текущая цель: достичь одного миллиона GPU-эквивалентной вычислительной мощности к концу года. Это не только о вычислительной мощи; речь о энергетической архитектуре. Маск неоднократно подчеркивал, что узкое место в масштабировании ИИ — не инженерное мастерство, а обеспечение стабильного, экономичного электроснабжения.

Эта одержимость энергоэффективностью отражает жестко завоеванный инсайт: электроэнергия составляет 40-50% общих затрат на эксплуатацию дата-центров. Резервирование, охлаждение, инфраструктура — все это быстро растет. Объект, планирующий один миллион GPU, нуждается не только в энергии; ему нужна энергетическая архитектура, которая предвидит колебания сети, управление энергией, предотвращающее каскадные сбои, и источники питания, способные пережить геополитические потрясения. Опыт Маска в масштабировании Gigafactory Tesla и управлении запуском SpaceX дал xAI институционное преимущество, которого немногие конкуренты обладали: способность управлять энергией как стратегическим ограничением, а не как послеоперационной задачей.

Это влияние выходит за рамки xAI. Каждый крупный гиперскейлер — Microsoft, Amazon, Google, Meta — теперь рассматривает закупку энергии и инфраструктуру как ключевые конкурентные преимущества. Проект $100 billion Stargate Microsoft явно ориентирован на создание энерго-оптимизированных кластеров для обучения моделей OpenAI. Amazon (AWS) вложил $150 миллиардов за 15 лет в развертывание собственного чипа Trainium 3, стремясь отделить затраты на вычисления от внешних поставок за счет энергоэффективных аппаратных решений. Google ежегодно инвестирует $80-90 миллиардов в капитальные расходы, используя превосходную энергоэффективность TPU v6 для расширения AI-регионов по всему миру. Meta повысила прогноз капитальных затрат на 2025 год до $37-40 миллиардов, внедряя инновации жидкостного охлаждения в резерве более 600 000 H100-эквивалентов.

Паттерн очевиден: кто контролирует инфраструктуру энергии, тот контролирует вычислительную мощность. А кто контролирует вычислительную мощность, тот определяет следующий этап создания экономической ценности.

Четыре этапа инвестиций в ИИ: от чипов до энерго-оптимизированной инфраструктуры

Рамочная модель Goldman Sachs ясно показывает, куда должен течь капитал: рынок перешел от этапа один (аккумуляции сырья чипов) к пересечению этапов два (расширения инфраструктуры) и три (увеличения доходов через применение ИИ). В 2026 году эта пограничная зона станет основным инвестиционным фронтом.

Возможности на этапе инфраструктуры сосредоточены вокруг трех векторов: (1) приобретение и управление энергией, (2) передовые системы охлаждения и логистика дата-центров, и (3) программное обеспечение планирования, максимизирующее эффективность использования. Компании, преуспевающие здесь, не просто строят дата-центры; они проектируют преобразование энергии в пропускную способность на беспрецедентных масштабах.

Между тем, увеличение доходов не ограничивается поставщиками программного обеспечения для ИИ или крупными компаниями по языковым моделям. Goldman Sachs оценивает, что 80% компаний из индекса S&P 500, не относящихся к технологическому сектору, в 2026 году получат измеримую экономию затрат и повышение эффективности за счет интеграции ИИ. В здравоохранении, финансах, ритейле, производстве и логистике предприятия столкнутся с бинарным выбором: адаптировать модели ИИ для получения дивидендов от повышения производительности или потерять конкурентоспособность перед более быстрыми соперниками. Этот «год реализации» ROI ИИ отделит истинных создателей ценности от компаний, просто развернувших дорогие вычислительные кластеры.

Слияние этих двух динамик — распространения инфраструктуры и широкого применения — создает беспрецедентную возможность капиталовложений. К 2032 году рынок генеративного ИИ достигнет $1,3 трлн, при этом развертывание инфраструктуры обеспечит 42% годового сложного роста в ближайшие годы и постепенно перейдет к оптимизации пропускной способности, цифровой рекламе и профессиональному программному обеспечению.

Bitcoin как устройство энергосбережения сети: синергия майнинга и ИИ

Здесь появляется концептуальный мост, связывающий вычислительную мощность и Bitcoin: электроэнергия. Bitcoin, в своей основе, — это доказательство работы — энергия, хранящаяся в цифровой форме. Каждый добытый блок — квант электроэнергии, превращенной в криптографическую уверенность. Ценность каждого Bitcoin в конечном итоге определяется затратами энергии на его производство и на атаку — электроэнергией, необходимой для изменения исторических записей в реестре.

Кластерные вычислительные системы ИИ, напротив, потребляют электроэнергию для преобразования данных в интеллект. Обе операции энергоемки; обе работают 24/7; обе выигрывают от доступа к дешевому, надежному питанию. Но их профили спроса критически различаются: кластеры ИИ требуют устойчивой, предсказуемой нагрузки; майнинг Bitcoin допускает прерывания и может мгновенно включаться или отключаться в зависимости от доступности энергии.

Это различие создает дополняющие друг друга отношения, которые большинство инвесторов игнорируют. Операторы сетей сталкиваются с пространственно-временным дисбалансом энергии: пик солнечной и ветровой генерации приходится на периоды низкого спроса, тогда как пиковое потребление электроэнергии часто совпадает с пасмурными, тихими вечерами. Майнинг Bitcoin, как гибкая нагрузка, поглощает избыточную возобновляемую генерацию, когда условия сети дают избыток энергии. Одновременно, майнинговая мощность может мгновенно отключаться, когда у кластеров ИИ возникают ограничения по энергии, высвобождая электроэнергию для более ценностных приложений. Майнинг Bitcoin, иными словами, стабилизирует электросеть через интеллектуальный «отзыв спроса» — услугу огромной ценности для операторов сетей и, следовательно, для поставщиков инфраструктуры ИИ.

Эта симбиозность не теоретическая. Крупные майнинговые операции уже внедряют эту модель в регионах, таких как Исландия, где геотермальные ресурсы создают временные излишки, и Техас, где избыточная возобновляемая энергия в определенные часы может приводить к отрицательным ценам. Тот же опыт — крупномасштабное управление энергией, надежность оборудования в экстремальных условиях, круглосуточная операционная дисциплина — легко переносится между майнингом и развертыванием вычислительной мощности для ИИ.

Рассмотрите последствия: майнинг Bitcoin становится энергетическим буфером, позволяющим масштабировать инфраструктуру ИИ без дестабилизации сетей. Владельцы Bitcoin становятся участниками более эффективной глобальной энергетической системы. Провайдеры инфраструктуры ИИ получают доступ к более дешевому электричеству через механизмы стабилизации сети. Мнимый конфликт между криптовалютой и энергопотреблением ИИ растворяется в дополняющих операциях, служащих одной цели: максимизации производительности на единицу электроэнергии.

Закон GENIUS открывает фронтир RWA: токенизация вычислительной мощности

Регуляторный катализатор появился в 2025 году: принятие закона GENIUS обеспечивает четкую нормативную базу для регулирования стейблкоинов в США, внедряя инфраструктуру цифрового доллара в блокчейн-сети. Это, казалось бы, скромное событие, но оно имеет глубокие последствия для рынков вычислительной мощности.

Стейблкоины теперь функционируют как ончейн-доллары с федеральной поддержкой, значительно повышая полезность блокчейна для расчетов и трансграничных транзакций. Более того, ясность регулирования вселяет уверенность в институтах для выпуска Real World Assets (RWA) — цифровых токенов, представляющих права на физические или производственные активы. Недвижимость, облигации и долевые участия теперь могут быть токенизированы, создавая ончейн-рынки с круглосуточным расчетом, дробным владением и глобальной ликвидностью.

В качестве производственного актива, вычислительная мощность обладает характеристиками, идеально подходящими для токенизации RWA: высокие капитальные требования (делая дробное владение ценным), стабильные и измеримые доходы (позволяющие предсказуемое моделирование стоимости), и встроенная совместимость с ончейн-диджитал-инфраструктурой (умные контракты могут напрямую отслеживать показатели). Технические параметры GPU-кластера — модель, уровень загрузки, энергоэффективность, процент времени работы, доход на единицу — все это переводится в параметры умных контрактов.

Представьте «ончейн-рынок вычислительной мощности», функционирующий как деривативы или товарные биржи: клиент, нуждающийся в пропускной способности для ИИ, покупает токены вычислительной мощности у пула географически распределенных узлов. Владельцы токенов получают поток доходов, соответствующий их доле в вычислительном ресурсе. Разработчик размещает модель и платит за inference, а платежи автоматически поступают владельцам токенов. Поставка вычислительной мощности динамически регулируется спросом, устраняя капитальные издержки тяжелых активов. Риск распределен по сетям, а не сосредоточен в одном дата-центре.

Эта архитектура достигает сразу нескольких целей: (1) снижение кредитного риска за счет распределения вычислений по некоррелированным узлам, (2) возможность в реальном времени проверять показатели через прозрачность блокчейна, (3) мгновенное расчетное завершение и распределение доходов без задержек посредников, и (4) создание ликвидных рынков, где вычислительную мощность можно мгновенно купить, арендовать, заложить или использовать в качестве залога — гораздо эффективнее текущих договоренностей, требующих месячных двусторонних переговоров.

Исторический пример: два века назад, когда нефть превратилась из экзотического вещества в индустриальную необходимость, на Уолл-стрит появились биржи для стандартизации, торговли и финансирования нефтяных запасов. Аналогичная эволюция происходит сейчас: вычислительная мощность идет по тому же пути от дефицитного ресурса к стандартизированному финансовому активу.

Гиперскейлеры, NeoCloud и новая иерархия вычислений

Конкурентная среда отражает этот переход. Вершину занимают «Гиперскейлеры» — Microsoft, Amazon, Google, Meta, xAI — контролирующие огромные вычислительные пулы через вертикальную интеграцию. Эти компании создают собственные чипы (Amazon Trainium, Google TPU, Meta собственные ускорители), управляют крупными дата-центрами и охватывают все цепочки стоимости — от производства аппаратуры до потребительских AI-сервисов. Их масштаб не имеет равных: совокупные инвестиции в инфраструктуру превышают $400+ миллиардов ежегодно.

Однако их доминирование сталкивается с неожиданной конкуренцией со стороны «NeoCloud» — CoreWeave, Nebius, Crusoe, Nscale. Эти компании поняли, что гиперскейлеры, несмотря на масштаб, работают с ограничениями, оптимизированными под универсальные облачные сервисы. NeoCloud-провайдеры, напротив, специализируются исключительно на вычислениях для ИИ, предлагая ряд преимуществ:

1. Гибкость: NeoCloud арендует вычислительные ресурсы по дням, часам или минутам, а не требует долгосрочных обязательств. Для стартапов, экспериментирующих с архитектурой моделей, это революционно.

2. Оптимизация: Каждое архитектурное решение — охлаждение, сеть (RDMA), программный стек, алгоритмы планирования — специально адаптировано под обучение и inference ИИ, устраняя накладные расходы, характерные для универсальных задач.

3. Эффективность: NeoCloud-провайдеры предустанавливают стандартизированные, контейнеризированные системы (целые стойки, целые кампусы) и поставляют их с предсказуемым временем работы и характеристиками.

4. Скорость: CoreWeave и конкуренты могут развернуть новые мощности за недели, а не за кварталы.

CoreWeave — яркий пример. Компания накапливает последние поколения GPU (H100, B100, H200, Blackwell) и строит высокопроизводительные AI-датасети с полной оптимизацией. Клиенты арендуют целые кластеры по дневной или почасовой цене, а CoreWeave занимается операциями, охлаждением и планированием. Эта гибкость объясняет, почему CoreWeave стал одним из самых ожидаемых IPO 2025.

Но гиперскейлеры и NeoCloud — лишь часть вычислительной экономики. Рассмотрим GoodVision AI: она понимает, что большинство задач inference в будущем будут происходить глобально, а не сосредоточены в США. Компания стратегически разворачивает модульные, низколатентные узлы inference в развивающихся регионах Юго-Восточной Азии, Индии и Латинской Америке — регионах с слабой электроснабжающей инфраструктурой, но растущим спросом на локальные AI-сервисы. Интеллектуально планируя мульти-пользовательские запросы, GoodVision достигает быстрых откликов (решая проблему «последней мили») и при этом работает экономично в регионах с дешевым электричеством и недвижимостью, дешевле, чем в Мемфисе или Кремниевой долине.

Наследие криптомайнинга: почему пионеры вычислительной мощности лучше понимают энергию

На более глубоком уровне проявляется любопытная закономерность: почти все ведущие поставщики вычислительной мощности для ИИ имеют глубокие корни в Bitcoin или криптомайнинге. Основатели CoreWeave пришли из майнинга. xAI унаследовала экспертизу из наблюдений Маска за управлением энергией Tesla. Многие инженеры NeoCloud работали годами, управляя экономикой майнинговых ферм — оптимизируя закупку энергии, внедряя резервные архитектуры, максимизируя время работы и управляя отказами оборудования тысяч устройств.

Это наследие не случайно. Майнинг Bitcoin и высокопроизводительные вычисления для ИИ имеют фундаментальное изоморфизм:

• Оба требуют доступа к дешевой, обильной электроэнергии.
• Оба требуют географической концентрации (майнинговых кластеров, дата-центров ИИ) для минимизации потерь при передаче.
• Оба работают 24/7 в экстремальных условиях, требуя институциональной дисциплины в обслуживании, резервировании и планировании.
• Оба сталкиваются с товарной заменяемостью аппаратуры и быстрой устареванием.
• Оба дают измеримый доход на единицу затраченной электроэнергии.

Экспертиза, накопленная майнинговыми операциями — переговоры по контрактам на покупку энергии, оптимизация систем охлаждения, прогнозирование отказов оборудования, управление цепочками поставок GPU — напрямую переносится в инфраструктуру ИИ. Единственное отличие — результат: майнинг Bitcoin создает активное хранилище стоимости (BTC); вычисления для ИИ — создают интеллект ( inference / обучение).

Это понимание дает компаниям с наследием майнинга решающее преимущество при масштабировании вычислительной мощности. Они не воспринимают электроэнергию как абстрактную стоимость; они понимают ее как фундаментальное ограничение. Они ведут переговоры о контрактах на энергию как венчурные капиталисты; оптимизируют термодинамику дата-центров как инженеры космических кораблей; управляют закупками оборудования с точностью цепочки поставок. Эта операционная изощренность объясняет, почему многие ведущие поставщики вычислений мигрируют свою существующую инфраструктуру — буквально те же возможности управления энергией, только перенаправленные с SHA-256 хеширования на использование GPU.

Конвергенция RWA: от активов к ликвидным рынкам

Синтез этих динамик приводит к одному выводу: вычислительная мощность, как производственный актив, становится токенизированной через механизмы RWA, реализуемые с помощью закона GENIUS и его рамочной базы для стейблкоинов. Эта трансформация обещает изменить способы предоставления, финансирования и использования вычислительных ресурсов по всему миру.

Рассмотрим механику: узел периферийных вычислений в Юго-Восточной Азии, подтвержденный ончейн, генерирует доход через запросы inference для ИИ. Этот поток доходов — измеримый, проверяемый и обеспечиваемый залогом — становится финансовым активом. Инвесторы делят его на доли через RWA-токены. Умные контракты автоматически распределяют доходы в соответствии с долей владения. Разработчик размещает модель и платит за inference, а платежи автоматически поступают владельцам токенов. Поставка вычислительной мощности динамически регулируется спросом, устраняя капитальные издержки тяжелых активов. Риск распределен по сетям, а не сосредоточен в одном дата-центре.

Эта архитектура достигает сразу нескольких целей: (1) снижение кредитного риска за счет распределения вычислений по некоррелированным узлам, 2 возможность в реальном времени проверять показатели через прозрачность блокчейна, 3 мгновенное завершение расчетов и распределение доходов без задержек, и 4 создание ликвидных рынков, где вычислительную мощность можно мгновенно купить, арендовать, заложить или использовать в качестве залога — гораздо эффективнее текущих договоренностей, требующих месяцев двусторонних переговоров.

Исторический пример: два века назад, когда нефть превратилась из экзотического вещества в индустриальную необходимость, появились биржи для стандартизации, торговли и финансирования нефтяных запасов. Аналогичная эволюция происходит сейчас: вычислительная мощность идет по тому же пути от дефицитного ресурса к стандартизированному финансовому активу.

Гиперскейлеры, NeoCloud и новая иерархия вычислений

Конкурентная картина отражает этот переход. В вершине — гиперскейлеры: Microsoft, Amazon, Google, Meta, xAI, — которые контролируют огромные вычислительные пулы через вертикальную интеграцию. Эти компании создают собственные чипы Amazon Trainium, Google TPU, Meta собственные ускорители, управляют крупными дата-центрами и охватывают все цепочки стоимости — от производства аппаратуры до потребительских AI-сервисов. Их масштаб — без сравнения: совокупные инвестиции в инфраструктуру превышают $400+ миллиардов ежегодно.

Но их доминирование сталкивается с неожиданной конкуренцией со стороны «NeoCloud» — CoreWeave, Nebius, Crusoe, Nscale. Эти компании поняли, что гиперскейлеры, несмотря на масштаб, работают с ограничениями, оптимизированными под универсальные облачные сервисы. NeoCloud-провайдеры, напротив, специализируются исключительно на AI-вычислениях, предлагая преимущества:

1. Гибкость: NeoCloud арендует ресурсы по дням, часам или минутам, без долгосрочных обязательств. Для стартапов — это революция.

2. Оптимизация: Каждое архитектурное решение — охлаждение, сеть RDMA, программный стек, алгоритмы — специально адаптировано под обучение и inference ИИ, устраняя накладные расходы универсальных решений.

3. Эффективность: NeoCloud-провайдеры предустанавливают стандартизированные, контейнеризированные системы целые стойки, кампусы и поставляют их с предсказуемой работой.

4. Скорость: CoreWeave и конкуренты могут развернуть новые мощности за недели, а не за кварталы.

CoreWeave — яркий пример. Компания накапливает последние поколения GPU H100, B100, H200, Blackwell и строит высокопроизводительные AI-центры с полной оптимизацией. Клиенты арендуют целые кластеры по дневной или почасовой цене, а CoreWeave занимается операциями, охлаждением и планированием. Эта гибкость делает CoreWeave одним из самых ожидаемых IPO 2025.

Но гиперскейлеры и NeoCloud — лишь часть вычислительной экономики. Рассмотрим GoodVision AI: она понимает, что большинство задач inference в будущем будут глобальными, а не сосредоточенными в США. Компания разворачивает модульные, низколатентные узлы inference в развивающихся регионах Юго-Восточной Азии, Индии и Латинской Америке — регионах с слабой электроснабжающей инфраструктурой, но растущим спросом на локальные AI-сервисы. Интеллектуально планируя мульти-пользовательские запросы, GoodVision достигает быстрых откликов решая проблему «последней мили» и работает экономично в регионах с дешевым электричеством и недвижимостью, дешевле, чем в Мемфисе или Кремниевой долине.

Наследие криптомайнинга: почему пионеры вычислительной мощности лучше понимают энергию

На более глубоком уровне проявляется любопытная закономерность: почти все ведущие поставщики вычислительной мощности для ИИ имеют глубокие корни в Bitcoin или криптомайнинге. Основатели CoreWeave пришли из майнинга. xAI унаследовала экспертизу из наблюдений Маска за управлением энергией Tesla. Многие инженеры NeoCloud работали годами, управляя экономикой майнинговых ферм — оптимизируя закупку энергии, внедряя резервные архитектуры, максимизируя время работы и управляя отказами оборудования тысяч устройств.

Это наследие не случайно. Майнинг Bitcoin и высокопроизводительные вычисления для ИИ имеют фундаментальное изоморфизм:

• Оба требуют доступа к дешевой, обильной электроэнергии.
• Оба требуют географической концентрации майнинговых кластеров, дата-центров ИИ для минимизации потерь при передаче.
• Оба работают 24/7 в экстремальных условиях, требуя институциональной дисциплины.
• Оба сталкиваются с товарной заменяемостью аппаратуры и быстрой устареванием.
• Оба дают измеримый доход на единицу затраченной электроэнергии.

Экспертиза, накопленная майнинговыми операциями — переговоры по контрактам на покупку энергии, оптимизация систем охлаждения, прогнозирование отказов оборудования, управление цепочками поставок GPU — напрямую переносится в инфраструктуру ИИ. Единственное отличие — результат: майнинг Bitcoin создает активное хранилище стоимости BTC; вычисления для ИИ — создают интеллект inference / обучение.

Это понимание дает компаниям с наследием майнинга решающее преимущество при масштабировании вычислительной мощности. Они не воспринимают электроэнергию как абстрактную стоимость; они понимают ее как фундаментальное ограничение. Они ведут переговоры о контрактах на энергию как венчурные капиталисты; оптимизируют термодинамику дата-центров как инженеры космических кораблей; управляют закупками оборудования с точностью цепочки поставок. Эта операционная изощренность объясняет, почему многие ведущие поставщики вычислений мигрируют свою существующую инфраструктуру — буквально те же возможности управления энергией, только перенаправленные с SHA-256 хеширования на GPU.

Конвергенция RWA: от активов к ликвидным рынкам

Эти динамики сходятся в одном: вычислительная мощность, как производственный актив, становится токенизированной через механизмы RWA, реализуемые с помощью закона GENIUS и его рамочной базы для стейблкоинов. Эта трансформация обещает изменить способы предоставления, финансирования и использования вычислительных ресурсов по всему миру.

Рассмотрим механику: узел периферийных вычислений в Юго-Восточной Азии, подтвержденный ончейн, генерирует доход через запросы inference для ИИ. Этот поток доходов — измеримый, проверяемый и обеспечиваемый залогом — становится финансовым активом. Инвесторы делят его на доли через RWA-токены. Умные контракты автоматически распределяют доходы в соответствии с долей владения. Разработчик размещает модель и платит за inference, а платежи автоматически поступают владельцам токенов. Поставка вычислительной мощности динамически регулируется спросом, устраняя капитальные издержки тяжелых активов. Риск распределен по сетям, а не сосредоточен в одном дата-центре.

Эта архитектура достигает сразу нескольких целей: 1 снижение кредитного риска за счет распределения вычислений по некоррелированным узлам, 2 возможность в реальном времени проверять показатели через прозрачность блокчейна, 3 мгновенное завершение расчетов и распределение доходов без задержек, и 4 создание ликвидных рынков, где вычислительную мощность можно мгновенно купить, арендовать, заложить или использовать в качестве залога — гораздо эффективнее текущих договоренностей, требующих месяцев двусторонних переговоров.

Исторический пример: два века назад, когда нефть превратилась из экзотического вещества в индустриальную необходимость, появились биржи для стандартизации, торговли и финансирования нефтяных запасов. Аналогичная эволюция происходит сейчас: вычислительная мощность идет по тому же пути от дефицитного ресурса к стандартизированному финансовому активу.

Гиперскейлеры, NeoCloud и новая иерархия вычислений

Конкурентная картина отражает этот переход. В вершине — гиперскейлеры: Microsoft, Amazon, Google, Meta, — которые контролируют огромные вычислительные пулы через вертикальную интеграцию. Эти компании создают собственные чипы Amazon Trainium, Google TPU, Meta собственные ускорители, управляют крупными дата-центрами и охватывают все цепочки стоимости — от производства аппаратуры до потребительских AI-сервисов. Их масштаб — без сравнения: совокупные инвестиции в инфраструктуру превышают $400+ миллиардов ежегодно.

Но их доминирование сталкивается с неожиданной конкуренцией со стороны «NeoCloud» — CoreWeave, Nebius, Crusoe, Nscale. Эти компании поняли, что гиперскейлеры, несмотря на масштаб, работают с ограничениями, оптимизированными под универсальные облачные сервисы. NeoCloud-провайдеры, напротив, специализируются исключительно на AI-вычислениях, предлагая преимущества:

1. Гибкость: NeoCloud арендует ресурсы по дням, часам или минутам, без долгосрочных обязательств. Для стартапов — это революция.

2. Оптимизация: Каждое архитектурное решение — охлаждение, сеть RDMA, программный стек, алгоритмы — специально адаптировано под обучение и inference ИИ, устраняя накладные расходы универсальных решений.

3. Эффективность: NeoCloud-провайдеры предустанавливают стандартизированные, контейнеризированные системы целые стойки, кампусы и поставляют их с предсказуемой работой.

4. Скорость: CoreWeave и конкуренты могут развернуть новые мощности за недели, а не за кварталы.

CoreWeave — яркий пример. Компания накапливает последние поколения GPU H100, B100, H200, Blackwell и строит высокопроизводительные AI-центры с полной оптимизацией. Клиенты арендуют целые кластеры по дневной или почасовой цене, а CoreWeave занимается операциями, охлаждением и планированием. Эта гибкость делает CoreWeave одним из самых ожидаемых IPO 2025.

Но гиперскейлеры и NeoCloud — лишь часть вычислительной экономики. Рассмотрим GoodVision AI: она понимает, что большинство задач inference в будущем будут глобальными, а не сосредоточенными в США. Компания разворачивает модульные, низколатентные узлы inference в развивающихся регионах Юго-Восточной Азии, Индии и Латинской Америке — регионах с слабой электроснабжающей инфраструктурой, но растущим спросом на локальные AI-сервисы. Интеллектуально планируя мульти-пользовательские запросы, GoodVision достигает быстрых откликов решая проблему «последней мили» и работает экономично в регионах с дешевым электричеством и недвижимостью, дешевле, чем в Мемфисе или Кремниевой долине.

Наследие криптомайнинга: почему пионеры вычислительной мощности лучше понимают энергию

На более глубоком уровне проявляется любопытная закономерность: почти все ведущие поставщики вычислительной мощности для ИИ имеют глубокие корни в Bitcoin или криптомайнинге. Основатели CoreWeave пришли из майнинга. xAI унаследовала экспертизу из наблюдений Маска за управлением энергией Tesla. Многие инженеры NeoCloud работали годами, управляя экономикой майнинговых ферм — оптимизируя закупку энергии, внедряя резервные архитектуры, максимизируя время работы и управляя отказами оборудования тысяч устройств.

Это наследие не случайно. Майнинг Bitcoin и высокопроизводительные вычисления для ИИ имеют фундаментальное изоморфизм:

• Оба требуют доступа к дешевой, обильной электроэнергии.
• Оба требуют географической концентрации майнинговых кластеров, дата-центров ИИ для минимизации потерь при передаче.
• Оба работают 24/7 в экстремальных условиях, требуя институциональной дисциплины.
• Оба сталкиваются с товарной заменяемостью аппаратуры и быстрой устареванием.
• Оба дают измеримый доход на единицу затраченной электроэнергии.

Экспертиза, накопленная майнинговыми операциями — переговоры по контрактам на покупку энергии, оптимизация систем охлаждения, прогнозирование отказов оборудования, управление цепочками поставок GPU — напрямую переносится в инфраструктуру ИИ. Единственное отличие — результат: майнинг Bitcoin создает активное хранилище стоимости BTC; вычисления для ИИ — создают интеллект inference / обучение.

Это понимание дает компаниям с наследием майнинга решающее преимущество при масштабировании вычислительной мощности. Они не воспринимают электроэнергию как абстрактную стоимость; они понимают ее как фундаментальное ограничение. Они ведут