Переход от традиционного майнинга к ИИ дата-центрам
Стратегический анализ от генерального директора Interhash
Стремительное развитие технологий искусственного интеллекта в последние годы радикально изменило структуру спроса на вычислительные мощности. Параллельно традиционный майнинг криптовалют, прежде всего биткоина, сталкивается с ростом сложности сети, повышением стоимости электроэнергии и циклическими колебаниями рынка. На пересечении этих процессов сформировался популярный тезис о том, что майнинговая инфраструктура может быть трансформирована в ИИ дата-центры.
Однако, по мнению генерального директора Interhash Александра Лозбеня, подобный подход во многом упрощает реальную картину. Особенно в российском контексте переход от майнинга к ИИ ограничен не технологическими возможностями, а фундаментальными экономическими, инфраструктурными и рыночными факторами.
1. Энергетика как ключевой фактор роста
Майнинг и ИИ-вычисления в основе своей являются энергоемкими отраслями. Современные промышленные майнинговые площадки потребляют от 20 до 100 МВт мощности, сопоставимые объемы характерны и для крупных ИИ-кластеров, используемых для обучения моделей.
При этом, как отмечает Александр Лозбень, ключевая конкуренция сегодня разворачивается не между майнингом и искусственным интеллектом, а за доступ к электроэнергии и сетевой инфраструктуре.
В России количество регионов с профицитом мощности ограничено, а получение новых технологических присоединений становится все более сложным и длительным процессом.
На глобальном уровне аналогичная тенденция проявляется иначе. В США спрос дата-центров на электроэнергию растет более чем на 15% в год и к 2030 году станет одним из ключевых драйверов нагрузки на энергосистему. В странах Ближнего Востока доступ к дешевой генерации ниже $0,04 за кВт·ч, и уже используется как стратегический инструмент привлечения ИИ-инвестиций. В российской же реальности решающим фактором становится не цена, а сам факт наличия мощности и подключения.
2. Инфраструктурные различия между майнингом и ИИ
Несмотря на внешнее сходство, майнинговые фермы и ИИ дата-центры проектируются под принципиально разные задачи. Майнинг ориентирован на работу специализированных ASIC-устройств с высокой плотностью размещения и минимальными требованиями к резервированию. AI-инфраструктура строится вокруг GPU и ускорителей, предъявляющих существенно более высокие требования к стабильности питания, охлаждению и надежности.
По словам Александра Лозбеня, большинство майнинговых площадок не соответствует стандартам, которые являются обязательными для ИИ нагрузок.
Такие дата-центры предполагают уровень доступности не ниже 99,99%, наличие резервных линий электропитания, дизель-генераторов, нескольких операторов связи и все чаще — жидкостных систем охлаждения.
Разница отражается и в капитальных затратах. Если инфраструктурная стоимость майнинговых объектов в среднем составляет $300–600 тыс. на 1 МВт, то для ИИ дата-центров аналогичный показатель достигает $3–6 млн на 1 МВт без учета вычислительного оборудования. По сути, речь идет не о модернизации, а о полном строительстве новой инфраструктуры.
Дополнительным ограничением остается доступ к современным GPU. Экспортные ограничения и нестабильные каналы поставок делают масштабирование ИИ-проектов без долгосрочных контрактов и гарантированного спроса экономически крайне рискованным.
3. Экономические модели: протокол против клиента
Фундаментальное различие между майнингом и ИИ проявляется в их бизнес-моделях. Майнинг функционирует в рамках протокольной экономики: доход формируется за счет награды за блок, комиссий, сложности сети и рыночной цены актива. Контрагентский риск отсутствует, так как роль «клиента» выполняет сам протокол.
Александр Лозбень подчеркивает, что именно этот механизм обеспечивает устойчивость отрасли. При снижении количества участников сложность сети автоматически корректируется, перераспределяя доходность в пользу оставшихся майнеров. Этот принцип позволяет майнингу адаптироваться к кризисным периодам без внешнего управления.
ИИ дата-центры работают по иной логике. Их выручка зависит от долгосрочных контрактов с ограниченным кругом крупных клиентов. На глобальном рынке основная часть спроса сосредоточена у нескольких технологических гигантов — Microsoft, Google, Amazon, Meta. В России потенциальный круг заказчиков более узкий, фактически сводится к единичным крупным игрокам.
Это делает ИИ-инфраструктуру более предсказуемой по денежным потокам, но одновременно повышает зависимость от клиентов и стратегических решений отдельных компаний.
4. Международные примеры
Компании, которые часто приводятся в качестве примеров «перехода от майнинга к AI», при детальном рассмотрении демонстрируют иную картину. Так, американская CoreWeave начинала как майнинговый проект, но полностью вышла из майнинга и фактически заново построила GPU-ориентированный бизнес, опираясь на доступ к капиталу, рынку и оборудованию.
Аналогичные стратегии используют Northern Data, Hut 8 и IREN, однако и в их случае речь идет скорее о перераспределении энергетических мощностей, чем о прямой конверсии майнинговых ферм.
По оценке Александра Лозбеня, ключевым фактором здесь выступает инвестиционная привлекательность. На американском рынке ИИ дата-центры могут оцениваться в разы, а иногда и на порядок выше майнинговых объектов с сопоставимыми капитальными затратами. Именно этот разрыв в мультипликаторах во многом объясняет текущий инвестиционный интерес к ИИ-инфраструктуре.
5. Роль ИИ внутри майнинга и эффективность
Использование искусственного интеллекта внутри майнинговых операций остается вспомогательным инструментом. Большинство задач (управление нагрузкой, оптимизация энергопотребления, переключение пулов) эффективно решаются классическими алгоритмами и не требуют сложных ИИ-моделей.
Реальная польза ИИ проявляется в областях прогнозирования отказов оборудования, технического обслуживания, логистики и управления активами. Однако эти эффекты носят операционный характер и не меняют базовую экономику майнинга.
Аналогично выглядят и концепции proof-of-training или токенизации ИИ-вычислений. Несмотря на интерес со стороны рынка, устойчивой прикладной ценности они пока не демонстрируют.
Заключение
Идея масштабной трансформации майнинга в ИИ дата-центры не подтверждается практикой. Эти отрасли развиваются параллельно, опираясь на общий энергетический фундамент, но различаясь по инфраструктуре, экономике и структуре рисков.
Для России ключевыми ограничителями остаются доступ к электроэнергии, высокая капиталоемкость, узкий внутренний рынок ИИ-заказчиков и внешние регуляторные факторы. В результате возможны точечные проекты и гибридные модели, но не системный переход отрасли.
Устойчивость майнинга по-прежнему обеспечивается его саморегулирующейся природой. Как отмечает Александр Лозбень, индустрия неоднократно проходила через периоды спада, и каждый раз баланс восстанавливался.
В условиях доминирования интереса к ИИ майнинг остается самостоятельной и жизнеспособной моделью цифровой инфраструктуры, функционирующей по собственной экономической логике.