Обчислювальна потужність зустрічається з Bitcoin: енергетичне рішення Ілона Маска забезпечує наступний економічний цикл

Наприкінці 2025 року, коли світ спостерігав за прискоренням xAI Елона Маска у Мемфісі до мільйона GPU, у інвестиційних колах сформувалося потужне усвідомлення: обчислювальна потужність тихо стала найважливішим ресурсом нашої епохи. Це не була проста спекуляція. Числа розповідали жорстку історію — за три місяці до кінця року Microsoft, Amazon і Google вже інвестували $300 мільярдів у AI-інфраструктуру. Ринкова капіталізація Nvidia перевищила $5 трильйон. Але за цими головними цифрами прихована глибша істина: обчислювальна потужність і Bitcoin більше не конкуруючі наративи, а доповнювальні сили, що формують майбутнє цифрової економіки. Як і нафтовий прорив у Пенсильванії 1859 року, ми стоїмо на переломному моменті, коли енергія — тепер обчислювальна, а не нафтова — визначатиме наступне століття створення багатства.

Паралель, яка все пояснює: чому 2026 — це момент 1859 року для обчислювальної потужності

Історія рідко повторюється, але вона резонує. У 1859 році свердловина полковника Едвіна Дрейка у брудній пенсильванській землі здавалася неможливою для спостерігачів. Світ ще залежав від китового масла для освітлення; впевненість Дрейка у підземному нафтовому родовищі була відхилена як божевілля. Але за кілька років нафту перетворили з цікавості на основу індустріальної цивілізації — і разом з цим настали геополітичні потрясіння, перерозподіл багатства і століття боротьби за владу.

Сьогодні ми спостерігаємо аналогічний момент. Обчислювальна потужність — вимірювана у GPU-кластерах, у кіловатах, у пропускній здатності — швидко стає тим, чим раніше була нафта: паливом, що прискорює експоненційний ріст продуктивності. А Bitcoin, зведений до своєї суті як енергія, збережена у коді, відображає історичну роль золота: найвищий сховище цінності, коли все інше коливається. Паралель — це не поетична метафора; це структурна реальність.

Команда Goldman Sachs відобразила цей перехід через свою модель інвестицій у AI у чотири етапи: чіпи → інфраструктура → підвищення доходів → підвищення продуктивності. Ринок вже заклав ціну на виробників чіпів, таких як Nvidia. Фокус безпомилково змістився до інфраструктури, де попит скоро вибухне. Світове споживання електроенергії дата-центрів зросте на 165% до 2030 року. Лише у США попит на електроенергію дата-центрів сягне 15% складного середньорічного зростання до 2030 року, споживаючи 8% від загальної електроенергії країни до кінця десятиліття, порівняно з нинішніми 3%. Світові витрати на дата-центри та апаратуру, за прогнозами, досягнуть $3 трильйонів до 2028 року.

Це не хайп. Це арифметика. І саме тому гравці, як Маск, — які розуміють і крайність виконання, і управління енергією у масштабі — зайняли позиції у центрі цього зсуву.

Мемфісський кластер Маска: як управління енергією трансформує AI-інфраструктуру

xAI Маска — яскравий кейс. Компанія завершила Colossus, найбільший у світі суперкомп’ютер для однієї AI, у Мемфісі менш ніж за шість місяців — швидкість, яка шокувала галузь. Поточна амбіція: досягти мільйона GPU-еквівалентів обчислювальної потужності до кінця року. Це не лише про обчислювальні можливості; це про енергетичну архітектуру. Маск неодноразово підкреслював, що вузол у масштабуванні AI — не інженерна винахідливість, а забезпечення стабільного, економічно вигідного енергопостачання.

Ця одержимість енергоефективністю — результат важко здобутого усвідомлення: електроенергія становить 40-50% загальних операційних витрат дата-центрів. Надмірність, охолодження, інфраструктура — ці витрати швидко зростають. Об’єкт, що планує мільйон GPU, потребує не лише енергії; потрібна енергетична архітектура, яка передбачає коливання мережі, управління енергією, що запобігає каскадним збоїм, і джерела енергії, що витримують геополітичні напруження. Траєкторія Маска у масштабуванні Gigafactories Tesla і управлінні запуском SpaceX дала xAI перевагу, яку мають небагато конкурентів: здатність управляти енергією як стратегічним обмеженням, а не побічним фактором.

Це має значення не лише для xAI. Кожен великий гіперскейлер — Microsoft, Amazon, Google, Meta — тепер розглядає закупівлю енергії та інфраструктуру як ключові конкурентні переваги. Проект $100 billion Stargate Microsoft явно орієнтований на створення енергооптимізованих кластерів для тренування моделей OpenAI. Amazon (AWS) інвестує $150 мільярдів протягом 15 років у власний чип Trainium 3, прагнучи від’єднати вартість обчислень від зовнішніх постачань через енергоефективне обладнання. Google підтримує капітальні витрати у розмірі $80-90 мільярдів щороку, використовуючи переваги TPU v6 у підвищенні енергоефективності для розширення AI-регіонів по всьому світу. Meta підвищила прогноз капітальних витрат на 2025 рік до $37-40 мільярдів, впроваджуючи інновації у рідинне охолодження у резерві понад 600 000 H100.

Модель очевидна: хто контролює енергетичну інфраструктуру, контролює обчислювальну потужність. А хто контролює обчислювальну потужність — визначає наступний етап створення економічної цінності.

Чотири етапи інвестицій у AI: від чіпів до енергооптимізованої інфраструктури

Рамкова модель Goldman Sachs чітко показує, куди має текти капітал: ринок перейшов від першого етапу (збирання товарів із чіпів) до перетину другого (розширення інфраструктури) та третього (підвищення доходів через застосування AI). У 2026 році ця межа стане основним фронтиром інвестицій.

Можливості на етапі інфраструктури зосереджені навколо трьох векторів: (1) придбання та управління енергією, (2) передові системи охолодження і логістика дата-центрів, та (3) програмне забезпечення планування, що максимізує використання. Компанії, що тут досягають успіху, не просто будують дата-центри; вони проектують перетворення енергії у пропускну здатність на безпрецедентних масштабах.

Тим часом, підвищення доходів не обмежується лише постачальниками AI-програмного забезпечення або компаніями великих мовних моделей. Goldman Sachs оцінює, що 80% компаній із індексу S&P 500, що не належать до технологічного сектору, у 2026 році отримають вимірювані зниження витрат і підвищення ефективності завдяки інтеграції AI. У сферах охорони здоров’я, фінансів, роздрі, виробництва і логістики підприємства матимуть двійковий вибір: адаптувати моделі AI для отримання продуктивних дивідендів або втратити конкурентну позицію перед швидшими суперниками. Це «рік реалізації» ROI AI, що відокремить справжніх створювачів цінності від тих, хто просто розгорнув дорогі обчислювальні кластери.

Злиття цих двох динамік — поширення інфраструктури і застосування у всіх сферах — створює безпрецедентну можливість для розподілу капіталу. До 2032 року ринок генеративного AI сам по собі сягне $1,3 трильйона, причому розгортання інфраструктури забезпечить 42% річного складного зростання у короткостроковій перспективі і поступово перейде до оптимізації пропускної здатності, цифрової реклами та професійних програмних сервісів.

Bitcoin як пристрій економії енергії в мережі: синергія майнінгу та AI

Тут виникає концептуальний міст, що поєднує обчислювальну потужність і Bitcoin: електроенергія. Bitcoin, у своїй основі, — це енергія Proof-of-Work, збережена у цифровій формі. Кожен блок, добутий, — це кількість електроенергії, перетворена у криптографічну впевненість. Вартість кожного Bitcoin, зрештою, походить із витрат на виробництво та витрат на атаку — електроенергії, необхідної для зміни історичних записів у реєстрі.

Обчислювальні кластери AI, навпаки, споживають електроенергію для перетворення даних у розуміння. Обидві операції енергоємні; обидві працюють цілодобово; обидві вигідно використовують дешеву, надійну енергію. Але їхні профілі попиту різко відрізняються: AI-кластери потребують стабільного, передбачуваного навантаження; майнінг Bitcoin терпить перерви і може миттєво активувати або деактивувати обчислення залежно від доступності енергії.

Ця різниця створює доповнювальні відносини, які більшість інвесторів ігнорує. Оператори мережі стикаються з просторово-часовим дисбалансом енергії: пікове сонячне і вітрове виробництво відбувається, коли попит низький, тоді як пікове споживання електроенергії часто припадає на похмурі, тихі вечори. Майнінг Bitcoin, як гнучке навантаження, поглинає надлишкову відновлювану енергію, коли умови мережі дають надлишок. Одночасно, обчислювальна потужність майнінгу може миттєво зупинитися, коли AI-кластери стикаються з обмеженнями енергопостачання, звільняючи електроенергію для більш цінних застосувань. Майнінг Bitcoin, іншими словами, стабілізує електричну мережу через інтелектуальний «відгук попиту» — послугу величезної цінності для операторів мережі і, відповідно, для постачальників AI-інфраструктури.

Ця симбіозність не є теоретичною. Великі майнінгові операції вже почали впроваджувати цю модель у регіонах, таких як Ісландія, де геотермальна енергія створює тимчасовий надлишок, і Техас, де перезабезпечення відновлюваною енергією у певні години може спричинити негативні ціни. Такий досвід — великий масштаб управління енергією, надійність обладнання в екстремальних умовах, цілодобова дисципліна — легко переноситься між майнінгом і розгортанням AI-обчислень.

Розглянемо наслідки: майнінг Bitcoin стає електричним буфером, що дозволяє масштабувати AI-інфраструктуру без дестабілізації мереж. Власники Bitcoin стають учасниками більш ефективної глобальної енергетичної системи. Постачальники AI-інфраструктури отримують доступ до дешевшої електроенергії через механізми стабілізації мережі. Міфічний конфлікт між криптовалютою і енергоспоживанням AI розчиняється у доповнювальних операціях, що служать одній меті: максимізації продуктивності за одиницю електроенергії.

Закон GENIUS відкриває фронтир RWA: токенізація обчислювальної потужності

Регуляторний каталізатор настав у 2025 році: ухвалення закону GENIUS забезпечує чітку рамку для регулювання стейблкоїнів у США, закріплюючи інфраструктуру цифрового долара у блокчейн-мережах. Це, здавалося б, незначний крок, але має глибокі наслідки для ринків обчислювальної потужності.

Стейблкоїни тепер функціонують як ончейн-долари з федеральною підтримкою, значно підвищуючи корисність блокчейну для розрахунків і трансграничних операцій. Ще важливіше, ясність регулювання заохочує інституції до випуску Real World Assets (RWA) — цифрових токенів, що представляють претензії на фізичні або продуктивні активи. Нерухомість, облігації і частки у капіталі тепер можна токенізувати, створюючи ончейн-ринки з цілодобовим розрахунком, дробовою власністю і глобальною ліквідністю.

Обчислювальна потужність, як продуктивний актив, має характеристики, ідеальні для токенізації RWA: високі капітальні вимоги (зробити дробову власність цінною), стабільні й вимірювані доходи (забезпечити передбачувані моделі оцінки), і внутрішня сумісність із ончейн-додатковою інфраструктурою (розумні контракти можуть безпосередньо контролювати продуктивність). Специфікації GPU-кластера — модель, рівень використання, енергоефективність, відсоток часу роботи, дохід на одиницю — все перетворюється у параметри ончейн-розумних контрактів.

Уявіть «ончейн-ринок обчислювальної потужності», що функціонує як деривативи або товарні біржі: клієнт, що потребує AI-інференцій, купує токени обчислювальної потужності у пулу географічно розподілених вузлів. Власник токена отримує потік доходу, пропорційний його частці у ресурсах. Розробник розгортає модель і платить за інференцію, а платежі автоматично перераховуються власникам токенів. Постачання обчислювальної потужності динамічно коригується залежно від попиту, усуваючи капітальні витрати, характерні для важких активів. Ризик розподіляється по мережі, а не зосереджений у одному дата-центрі.

Ця архітектура досягає кількох цілей одночасно: (1) зменшує кредитний ризик, розподіляючи обчислювальні ресурси між некорельованими вузлами, (2) дозволяє в реальному часі перевіряти продуктивність через прозорість блокчейну, (3) забезпечує миттєвий розрахунок і розподіл доходів без посередників, а (4) створює ліквідні ринки, де обчислювальні потужності можна миттєво купити, орендувати, закласти або використовувати як заставу — набагато ефективніше за нинішні двосторонні переговори, що тривають місяцями.

Історично це нагадує: два століття тому, коли нафту перетворили з екзотичної речовини на промислову необхідність, на Уолл-стріт з’явилися біржі для стандартизації, торгівлі та фінансування запасів нафти. Аналогічна еволюція відбувається зараз: обчислювальна потужність іде тим самим шляхом від дефіцитного ресурсу до стандартизованого фінансового активу.

Гіперскейлери, NeoCloud і нова ієрархія обчислень

Конкурентне середовище відображає цей перехід. На вершині — «Гіперскейлери» — Microsoft, Amazon, Google, Meta, xAI — які контролюють величезні обсяги обчислювальних ресурсів через вертикальну інтеграцію. Ці компанії створюють власні чипи (Amazon’s Trainium, Google’s TPU, Meta’s custom accelerators), керують масивними дата-центрами і охоплюють цілі ланцюги створення цінності — від виробництва обладнання до AI-сервісів для споживачів. Їхній масштаб — безпрецедентний: у сумі вони інвестують понад $400+ мільярдів щороку у розширення інфраструктури.

Проте їх домінування стикається з несподіваним викликом з боку «NeoCloud» — CoreWeave, Nebius, Crusoe, Nscale. Ці компанії усвідомили, що гіперскейлери, незважаючи на масштаб, працюють з обмеженнями, оптимізованими під універсальні хмарні сервіси. NeoCloud-провайдери, навпаки, спеціалізуються виключно на AI-обчисленнях, пропонуючи кілька переваг:

1. Гнучкість: NeoCloud орендує обчислювальні ресурси за добу, годину або хвилину, а не вимагає довгострокових зобов’язань. Це трансформує стартапи, що експериментують із архітектурою моделей.

2. Оптимізація: кожне архітектурне рішення — охолодження, мережі (RDMA), стек програмного забезпечення, алгоритми планування — налаштовані спеціально для тренування і inference AI, усуваючи накладні витрати, характерні для універсальних навантажень.

3. Ефективність: NeoCloud-провайдери попередньо встановлюють стандартизовані, контейнеризовані системи (цілі стелажі, цілі кампуси) і доставляють їх з передбачуваним часом роботи і характеристиками продуктивності.

4. Швидкість: CoreWeave і конкуренти можуть запустити нову потужність за кілька тижнів, а не кварталів.

CoreWeave — яскравий приклад. Компанія накопичує найновіші GPU (H100, B100, H200, Blackwell) і будує високопродуктивні AI-дані центри з повною оптимізацією. Клієнти орендують цілі кластери за щоденною або погодинною ціною, а CoreWeave займається операціями, охолодженням і плануванням. Ця гнучкість пояснює, чому CoreWeave став одним із найочікуваніших IPO 2025 року.

Але гіперскейлери і NeoCloud — це лише частина економіки обчислень. Розглянемо GoodVision AI: вона усвідомлює, що більшість навантажень inference AI з часом відбуватиметься глобально, а не зосереджено у США. Компанія стратегічно розгортає модульні, низьколатентні inference-нодини у нових ринках Південно-Східної Азії, Індії і Латинській Америці — регіонах із слабкою енергетичною інфраструктурою, але зростаючим попитом на локальні AI-сервіси. Інтелектуально плануючи багатокористувацькі запити inference через ці географічно розподілені вузли, GoodVision досягає швидких відповідей (вирішуючи проблему «останньої милі») і при цьому ефективно працює у регіонах із дешевою електроенергією і нерухомістю, ніж у Мемфісі чи Кремнієвій долині.

Спадщина криптомайнінгу: чому пионери обчислювальної потужності краще розуміють енергію

З більш глибоким поглядом виникає цікава закономірність: майже всі провідні постачальники AI-обчислень мають глибокі корені у Bitcoin або криптомайнінгу. Засновники CoreWeave — з досвідом у майнінгу. xAI перейняла експертизу з досвіду Маска у управлінні енергією Tesla. Багато інженерів NeoCloud роками керували економікою майнінгових ферм — оптимізували закупівлю енергії, впроваджували резервну архітектуру, максимізували час роботи і керували відмовами обладнання тисяч пристроїв.

Ця спадщина не випадкова. Майнінг Bitcoin і високопродуктивні обчислення AI мають фундаментальну ізоморфію:

• Обидва потребують дешевої, багатої електроенергії.
• Обидва вимагають географічної концентрації (майнингові кластери, дата-центри AI) для мінімізації втрат передачі.
• Обидва працюють цілодобово у екстремальних умовах, вимагаючи інституційної дисципліни щодо обслуговування, резервування і планування надзвичайних ситуацій.
• Обидва стикаються з комодитизацією обладнання і швидкою застарілістю.
• Обидва дають вимірюваний дохід на одиницю витраченої електроенергії.

Знання, здобуті майнінговими операціями — у переговорах щодо угод на купівлю енергії, оптимізації систем охолодження, прогнозуванні кривих відмов обладнання, управлінні ланцюгами постачання GPU — безпосередньо застосовуються до AI-інфраструктури. Єдина різниця — у виході: майнінг Bitcoin створює активний сховище цінності (BTC); AI — створює інтелект, що виходить у inference і тренування (.

Це розуміння дає компаніям із спадщиною майнінгу вирішальну перевагу у масштабуванні обчислювальної потужності. Вони не сприймають електроенергію як абстрактну вартість; вони розуміють її як фундаментальне обмеження. Вони ведуть переговори про контракти на енергію, як венчурні капіталісти; оптимізують термодинаміку дата-центрів, як інженери космічних кораблів; керують закупівлею обладнання з точністю ланцюга постачання. Ця операційна складність пояснює, чому багато провідних постачальників обчислень вже перерозподіляють свою інфраструктуру — буквально ті самі можливості управління енергією, лише перенаправлені з SHA-256 хешування у GPU-обчислення.

Конвергенція RWA: від активів до ліквідних ринків

Ця динаміка сходиться до одного висновку: обчислювальна потужність, як продуктивний актив, стає токенізованою через механізми RWA, що з’явилися завдяки закону GENIUS. Це трансформує спосіб надання, фінансування і використання обчислювальних ресурсів у глобальному масштабі.

Розглянемо механіку: вузол обчислень на краю у Південно-Східній Азії, підтверджений ончейн, генерує дохід через AI-запити inference. Цей дохід — вимірюваний, підтверджуваний і забезпечуваний заставою — стає фінансовим активом. Інвестори частково володіють частками через RWA-токени. Розробник розгортає модель і платить за inference, а платежі автоматично перераховуються власникам токенів. Постачання обчислювальної потужності динамічно коригується залежно від попиту, усуваючи капітальні витрати, характерні для важких активів. Ризик розподіляється по мережі, а не зосереджений у одному дата-центрі.

Ця архітектура досягає кількох цілей одночасно: )1( зменшує кредитний ризик, розподіляючи обчислювальні ресурси між некорельованими вузлами, )2 дозволяє в реальному часі перевіряти продуктивність через прозорість блокчейну, 3 забезпечує миттєвий розрахунок і розподіл доходів без посередників, а 4 створює ліквідні ринки, де обчислювальні ресурси можна миттєво купити, орендувати, закласти або використовувати як заставу — набагато ефективніше за нинішні двосторонні переговори, що тривають місяцями.

Історично це нагадує: два століття тому, коли нафту перетворили з екзотичної речовини на промислову необхідність, з’явилися біржі для стандартизації, торгівлі і фінансування запасів нафти. Аналогічна еволюція відбувається зараз: обчислювальна потужність іде тим самим шляхом від дефіцитного ресурсу до стандартизованого фінансового активу.

Гіперскейлери, NeoCloud і нова ієрархія обчислень

Конкурентне середовище відображає цей перехід. На вершині — «Гіперскейлери» — Microsoft, Amazon, Google, Meta, xAI — які контролюють величезні обсяги обчислювальних ресурсів через вертикальну інтеграцію. Ці компанії створюють власні чипи Amazon’s Trainium, Google’s TPU, Meta’s custom accelerators, керують масивними дата-центрами і охоплюють цілі ланцюги створення цінності — від виробництва обладнання до AI-сервісів для споживачів. Їхній масштаб — безпрецедентний: у сумі вони інвестують понад $400+ мільярдів щороку у розширення інфраструктури.

Проте їх домінування стикається з несподіваним викликом з боку «NeoCloud» — CoreWeave, Nebius, Crusoe, Nscale. Ці компанії усвідомили, що гіперскейлери, незважаючи на масштаб, працюють з обмеженнями, оптимізованими під універсальні хмарні сервіси. NeoCloud-провайдери, навпаки, спеціалізуються виключно на AI-обчисленнях, пропонуючи кілька переваг:

1. Гнучкість: NeoCloud орендує обчислювальні ресурси за добу, годину або хвилину, а не вимагає довгострокових зобов’язань. Це трансформує стартапи, що експериментують із архітектурою моделей.

2. Оптимізація: кожне архітектурне рішення — охолодження, мережі RDMA, стек програмного забезпечення, алгоритми планування — налаштовані спеціально для тренування і inference AI, усуваючи накладні витрати, характерні для універсальних навантажень.

3. Ефективність: NeoCloud-провайдери попередньо встановлюють стандартизовані, контейнеризовані системи цілі стелажі, цілі кампуси і доставляють їх з передбачуваним часом роботи і характеристиками продуктивності.

4. Швидкість: CoreWeave і конкуренти можуть запустити нову потужність за кілька тижнів, а не кварталів.

CoreWeave — яскравий приклад. Компанія накопичує найновіші GPU H100, B100, H200, Blackwell і будує високопродуктивні AI-дані центри з повною оптимізацією. Клієнти орендують цілі кластери за щоденною або погодинною ціною, а CoreWeave займається операціями, охолодженням і плануванням. Ця гнучкість пояснює, чому CoreWeave став одним із найочікуваніших IPO 2025 року.

Але гіперскейлери і NeoCloud — це лише частина економіки обчислень. Розглянемо GoodVision AI: вона усвідомлює, що більшість навантажень inference AI з часом відбуватиметься глобально, а не зосереджено у США. Компанія стратегічно розгортає модульні, низьколатентні inference-нодини у нових ринках Південно-Східної Азії, Індії і Латинській Америці — регіонах із слабкою енергетичною інфраструктурою, але зростаючим попитом на локальні AI-сервіси. Інтелектуально плануючи багатокористувацькі запити inference через ці географічно розподілені вузли, GoodVision досягає швидких відповідей вирішуючи проблему «останньої милі» і при цьому ефективно працює у регіонах із дешевою електроенергією і нерухомістю, ніж у Мемфісі чи Кремнієвій долині.

Спадщина криптомайнінгу: чому пионери обчислювальної потужності краще розуміють енергію

З більш глибоким поглядом виникає цікава закономірність: майже всі провідні постачальники AI-обчислень мають глибокі корені у Bitcoin або криптомайнінгу. Засновники CoreWeave — з досвідом у майнінгу. xAI перейняла експертизу з досвіду Маска у управлінні енергією Tesla. Багато інженерів NeoCloud роками керували економікою майнінгових ферм — оптимізували закупівлю енергії, впроваджували резервну архітектуру, максимізували час роботи і керували відмовами обладнання тисяч пристроїв.

Ця спадщина не випадкова. Майнінг Bitcoin і високопродуктивні обчислення AI мають фундаментальну ізоморфію:

• Обидва потребують дешевої, багатої електроенергії.
• Обидва вимагають географічної концентрації майнингові кластери, дата-центри AI для мінімізації втрат передачі.
• Обидва працюють цілодобово у екстремальних умовах, вимагаючи інституційної дисципліни щодо обслуговування, резервування і планування надзвичайних ситуацій.
• Обидва стикаються з комодитизацією обладнання і швидкою застарілістю.
• Обидва дають вимірюваний дохід на одиницю витраченої електроенергії.

Знання, здобуті майнінговими операціями — у переговорах щодо угод на купівлю енергії, оптимізації систем охолодження, прогнозуванні кривих відмов обладнання, управлінні ланцюгами постачання GPU — безпосередньо застосовуються до AI-інфраструктури. Єдина різниця — у виході: майнінг Bitcoin створює активний сховище цінності BTC; AI — створює інтелект, що виходить у inference і тренування .

Це розуміння дає компаніям із спадщиною майнінгу вирішальну перевагу у масштабуванні об