Grayscale: ИИ нужны розетки, а вовсе не модели

Неудержимая сила (растущий спрос на вычислительные мощности для ИИ) сталкивается с неподвижными объектами: физическими и, возможно, социально-политическими ограничениями быстрого строительства центров обработки данных.

Результатом, по нашему мнению, станет устойчивый дисбаланс между спросом на вычисления и их предложением, который принесёт выгоду прежде всего владельцам энергообеспеченных вычислительных мощностейГлавный термин всей статьи. Не просто видеокарты, а видеокарты в здании, которое уже подключено к электросети и реально работает. Купить карты можно быстро, а вот включить их? Годы..

Искусственный интеллект (ИИ) стал релевантен почти для каждого, независимо от того, пользуется он этой технологией или нет. Рост отрасли повлияет на фондовый рынок, рынок труда и, возможно, на счета за электричество и местные уровни грунтовых вод. Что с этим делать законодателям, вероятно, будет занимать важное место на промежуточных выборах этого года.

Мы ИИ-оптимисты, но инвестиционные реалисты. Технология, по нашему мнению, преобразит экономику и общество, а спрос на вычисления (сырьё машинного интеллекта) будет ненасытным.

Но сторона предложения может расширяться лишь с определённой скоростью, особенно когда крупные сегменты голосующего населения ставят под вопрос компромиссы. Результатом станет затяжное узкое место: длительный дисбаланс между спросом на вычисления и их предложением.

Цепочка поставок вычислений сталкивается с нехваткой многих конкретных ресурсов, и в любой отдельный момент производители тех или иных продуктов смогут устанавливать наценки.

Но мы ожидаем, что устойчивая стоимость будет накапливаться у владельцев энергообеспеченных вычислительных мощностей: у производителей электроэнергии, операторов центров обработки данных и поставщиков облачных услуг, которые совместно превращают энергию в вычисления.

По нашему мнению, эти компании смогут сохранять высокую загрузку и высокие цены при расширении мощностей, иными словами, они будут получать экономическую ренту.

От массового обучения к массовому инференсу

В сильно упрощённом смысле индустрию ИИ можно представить как три слоя:

1. Слой вычислений, который превращает энергию в вычисления;
2. Слой моделей, который превращает вычисления в интеллект; и
3. Слой приложений и агентов, который превращает интеллект в действие и стоимость.

Части неразрывно связаны. Пользователи обычно взаимодействуют со слоем приложений и агентов (например, ChatGPT, Claude Code), который черпает интеллект из слоя моделей (например, GPT-5.6 Sol, Claude Opus 5), который работает на мощностях, поставляемых слоем вычислений (например, IREN, CoreWeave).

Больший спрос на верху стека (т. е. использование приложений) создаёт больший спрос в основании стека (т. е. на вычислительные ресурсы). Отдельные компании могут участвовать в одном слое или в нескольких слоях.

Мы находимся в середине фазового перехода в характере процессов, идущих через эти слои. Начиная примерно с 2010-2012 годов создатели ИИ-моделей осознали, что важен масштаб: более крупные модели, обученные на большем объёме данных с использованием большего объёма вычислений, давали больше интеллекта.

Поэтому первый вызов масштабирования ИИ был обусловлен обучением моделей: рост слоя моделей создавал больший спрос на слой вычислений.

Около половины всего спроса на ИИ-вычисления по-прежнему связано с обучением, по данным McKinsey. Но это должно измениться, отчасти из-за конкуренции на слое моделей. Модели с открытыми весамиOpen-weight: модели, которые можно скачать и запустить у себя. DeepSeek, Qwen, Kimi. Ограничения на коммерческое использование бывают, но за каждый ответ никто не берёт наценку., подобные тем, что выпускает китайская DeepSeek, сейчас работают близко к фронтируПередний край: уровень самых сильных моделей на сегодня. отрасли.

Модели с открытыми весами могут иметь различные коммерческие ограничения (т. е. они не полностью с открытым исходным кодом), но в целом они гораздо дешевле в использовании. Слой моделей обычно оценивает свой продукт в долларах за миллион токеновТокен: кусок текста, примерно полслова. В токенах считается всё: сколько модель прочитала, сколько написала и сколько за это взять.. ИИ-модели с открытыми весами оценивают свой продукт намного ниже проприетарных моделей, создавая конкурентное ценовое давление на всю отрасль.

Более дешёвый продукт слоя ИИ-моделей означает более низкие издержки на входе для слоя приложений и агентов. В результате смещаются и захват стоимости, и инвестиционные средства. Крупные ИИ-лаборатории, такие как OpenAI и Anthropic, по-видимому, скорее всего перейдут от преимущественно построения и монетизации моделей к вертикальной интеграции в приложения, агентов и корпоративные сервисы с более высокой добавленной стоимостью.

Более того, более дешёвые токены будут способствовать росту использования ИИ-агентовПрограмма на базе модели, которая не просто отвечает в чате, а сама выполняет задачу по шагам: ищет, открывает файлы, пишет код, проверяет результат и идёт дальше.: ботов, которые выполняют задачи, а не просто отвечают на запросы в чате. Агенты выполняют многошаговые процессы, поэтому им требуется много вычислений.

По сравнению с ИИ-чат-ботом, например, ИИ-агенту может потребоваться в 5-50 раз больше токенов. Некоторым агентам может быть нужно быть «всегда включёнными» (например, чтобы отслеживать погодные или медицинские закономерности), поэтому им потребуются непрерывные вычислительные услуги.

В результате основной вызов масштабирования для индустрии ИИ смещается от обучения к инференсуОт английского inference. Так называют работу уже обученной модели: вы спросили, она посчитала ответ. Обучение делается один раз, а инференс идёт каждую секунду для каждого пользователя.: от построения ИИ-моделей разработчиками к запуску ИИ-моделей пользователями и их агентами. Спрос на инференс уже быстро растёт. Goldman Sachs прогнозирует, что потребление токенов вырастет в 24 раза к 2030 году, в значительной мере благодаря ИИ-агентам.

Что всё это значит для слоя вычислений? Напомним, что больший спрос на верху стека ИИ-технологий создаёт больший спрос в его основании. Конкурентные силы сдвигают захват стоимости на марже между слоем моделей и слоем приложений/агентов. Однако оба опираются на слой вычислений.

Для основания стека важен совокупный рост спроса на вычисления как со стороны обучения, так и со стороны инференса. Оба, вероятно, продолжат быстро расти, но особенно инференс, движимый более дешёвыми моделями и экспоненциальным ростом ИИ-агентов. Короче говоря, слой вычислений должен продолжать масштабироваться.

Вычислительная инфраструктура и её ограничения

Продукт ИИ цифровой, но его инфраструктура принципиально физическая. Производство вычислений требует цепочки входных ресурсов. Как на конвейерной ленте, каждая часть должна быть на месте, чтобы система вообще работала. Поэтому ограничения поставок в любой одной точке могут сдерживать рост новых мощностей, и сегодня есть множество накладывающихся друг на друга ограничений.

Слой ИИ-вычислений сложен. Чтобы удержать вопрос в рамках управляемого, полезно различать (i) продукты и услуги, используемые как входные ресурсы (например, чипы, электротехническое оборудование), и (ii) текущую эксплуатацию энергообеспеченных вычислительных мощностей.

По сути, нехватка многих входных ресурсов ограничивает темп роста новых вычислительных мощностей, что ставит владельцев существующих мощностей в выгодное положение. Эти компании уже находятся в точке сжатия, готовые поставлять дефицитный и ценный ресурс.

Компании, которые владеют и управляют энергообеспеченными вычислительными мощностями, можно сгруппировать по трём основным функциям.

1. Электроэнергия и её доставка: производство электроэнергии, продаваемой операторам центров обработки данных. Клиент платит за электроэнергию, обычно оцениваемую в долларах за мегаватт-часЕдиница энергии. Один мегаватт-час это примерно месячное потребление десятка квартир. (МВт·ч).
2. Центры обработки данных: специально построенные объекты, обеспечивающие питание, охлаждение и связь для работы вычислительного оборудования (т. е. стоек с GPU). Клиент обычно платит за мощность, оцениваемую в мегаваттах (МВт).
3. Облачные ИИ-услуги (неооблакаОт neocloud, «новое облако». Компании вроде CoreWeave, которые не делают ничего, кроме аренды видеокарт под ИИ. В отличие от Amazon или Google, у них нет другого бизнеса.): эксплуатация GPU (в собственности или в аренде) для предоставления вычислительных услуг для ИИ-моделей. Клиент платит за GPU-часыЧас работы одной видеокарты. Базовая единица, в которой облака продают мощности: арендовал сто карт на десять часов, заплатил за тысячу GPU-часов..

Отдельные компании могут сосредоточиваться на одном сегменте рынка или работать во всех трёх. Как обсуждается ниже, крупнейшие игроки это большие диверсифицированные технологические компании (т. е. гиперскейлеры), но есть и множество специалистов по ИИ-вычислениям.

Огромный объём капитала инвестируется в масштабирование цепочки поставок вычислений. McKinsey оценивает, что обусловленный ИИ спрос на вычисления потребует более 5 трлн долларов инвестиций по всему миру к 2030 году.

Но хотя предложение этой инфраструктуры быстро расширяется, оно всё равно с трудом успевает за спросом. И никакие инвестиционные суммы не могут преодолеть определённую физическую нехватку в ближайшей перспективе.

Проблемы возникают буквально на каждом шагу, от розетки до готового ИИ-облака.

Начнём с электричества и того, как его доставить. Ток это первое и обычно самое жёсткое ограничение. Одному ИИ-кампусу может требоваться столько же электроэнергии, сколько небольшому городу. По прогнозам, именно на дата-центры придётся около половины всего ожидаемого прироста спроса на электричество в США до 2030 года.

Но выработать достаточно энергии, это ещё полдела. Очереди на подключение к сетиВаш номер 4 812Энергосеть не может просто так принять новый огромный объект: надо рассчитать нагрузку, достроить линии и подстанции. Заявки рассматривают по очереди, и в США это может занять больше пяти лет. тянутся долго, поэтому купить землю или громко объявить о проекте ещё вовсе не значит, что новая генерация под него реально заработает. Можно поставить собственную генерацию «за счётчиком»Своя электростанция прямо на площадке дата-центра, обычно газовая. Ток идёт в здание, минуя общую сеть и её очередь., в обход сети или в дополнение к ней, но тогда вылезают новые проблемы: доступ к газу, турбины, электротехническое оборудование.

Дальше: сами дата-центры. Допустим, электричество есть, но площадку ещё надо превратить в работающий объект, готовый к ИИ-нагрузкам. Предложение дата-центров в США росло быстро, вот только доля свободных площадей упала до рекордных минимумов: спрос съедает новые мощности сразу.

И объявленная мощность совсем не то же самое, что введённая. Каждой площадке всё равно нужны разрешения, а на них могут уйти годы, нужны специалисты, которые построят саму коробку здания, и нужны критичные электрические и механические системы: подстанции, трансформаторыНе путать с трансформерами в нейросетях! Тут речь о старом добром электрическом трансформаторе, железном ящике размером с грузовик, который понижает напряжение из высоковольтной линии до рабочего., распределительные устройства, охлаждение.

Некоторые трансформаторы сейчас ждут больше трёх лет, и из-за одной относительно небольшой железки может встать весь кампус.

Теперь ИИ-облака. Дата-центр с электричеством это всё ещё пустая коробка, пока внутри нет полноценной вычислительной системы. Нужны GPU, а вместе с ними, память с высокой пропускной способностью (HBM)Сверхбыстрая память, которую ставят вплотную к чипу, чтобы модель не простаивала в ожидании данных., передовая упаковка и быстрые сети. В SK hynix считают, что дефицит высокопроизводительной памяти может продержаться до 2030 года.

ГиперскейлерыТехнологические гиганты с собственными огромными облаками: Google, Microsoft, Amazon, Meta, Oracle. Вместе они держат около 70% вычислительных мощностей мира. делают собственные чипы, расширяя предложение ускорителей и меньше завися от сторонних производителей вроде Nvidia, но многие из этих разработок всё равно упираются в те же дефицитные компоненты: ту самую HBM и передовую упаковку.

И наконец, политика. Даже когда всё железо в наличии, дело может упереться в общественное мнение. Недовольство счетами за электричество, надёжностью сети, расходом воды и землёй всё чаще превращается в политическое сопротивление новым дата-центрам.

Протесты местных жителей заблокировали или отложили, по оценкам, проекты дата-центров в США на 98 млрд долларов всего за три месяца. Нью-Йорк первым в стране ввёл временный мораторийЗапрет на время. Здесь на выдачу новых разрешений для самых крупных дата-центров. на уровне штата на новые разрешения для гиперскейловых дата-центров. Так что политика способна затормозить стройку даже там, где все физические преграды уже позади.

Вывод: вычислительное узкое место не будет устранено в скором времени, и рост спроса, вероятно, будет опережать рост предложения по меньшей мере ещё несколько лет.

Каждый раз, когда открываю ленту, там сплошной хайп про очередное обновление ИИ-софта. Но меня смешит, что почти никто не говорит про слона в комнате: ИИ отчаянно не хватает физического железа, данных и, собственно, электросетей, чтобы работать.

Ответ Кремниевой долины сейчас: вбухать сотни миллиардов долларов в строительство ещё более огромных корпоративных дата-центров. Это всё тот же старый монопольный сценарий, который мы видим десятилетиями.

@LLuciano_BTC, май 2026

Вычисления как биржевой товар

Ограниченное предложение вычислительных мощностей, вероятно, будет означать относительно высокие цены на вычисления. Поэтому активом, наиболее прямо связанным с этим узким местом, могут оказаться фьючерсы на вычисленияФьючерс: биржевой договор купить или продать товар по заранее оговорённой цене в будущем. Производителю он даёт уверенность в цене, а спекулянту возможность заработать на её движении.. Подобно фьючерсам на нефть или природный газ, фьючерсы на вычисления предоставят инструмент хеджированияСтраховка от движения цены. Тот, кому через год понадобятся вычисления, заранее фиксирует цену и спит спокойно. и/или спекуляции на цену самих вычислений.

CME Group и Silicon Data планируют запустить два фьючерсных контракта на вычисления в октябре 2026 года при условии прохождения регуляторной проверки.

Услуги по требованию, предоставляемые уровнем ИИ-вычислений, обычно оцениваются в GPU-часах, то есть в цене использования одного графического процессора (GPU), стандартного чипа для облачных ИИ-сервисов, в течение одного часа. Существует множество различных типов GPU, и каждый поставщик облачных ИИ-услуг предлагает уникальные функции, которые могут влиять на производительность модели.

Поэтому у каждого GPU и каждого поставщика своя уникальная цена. Фьючерсы на вычисления будут основаны на стандартизированных бенчмарк-индексах. CME планирует вывести на рынок два типа контрактов: один на чип Nvidia H100, другой на более производительный чип Nvidia Blackwell B200.

Специалисты по ИИ-вычислениям

Хотя они меньше и рискованнее технологических гигантов, специалисты по ИИ-вычислениям могут обеспечить более прямую инвестиционную экспозициюИнвестиционный жаргон: насколько вложение зависит от темы. Больше экспозиции, сильнее акция реагирует на то, что происходит с ИИ-вычислениями. к вычислительной отрасли. Целый ряд компаний сосредоточен преимущественно или полностью на владении и эксплуатации энергообеспеченных мощностей для ИИ-вычислений. Их будущий потенциал прибыли тесно связан с ростом дисбаланса спроса и предложения вычислений.

Grayscale выделяет 11 компаний, которых можно считать специалистами по ИИ-вычислениям. У всех них по сути одна и та же бизнес-модель: получить право на потребление большого объема электроэнергии на конкретной площадке, построить объект, способный обеспечить работу вычислительного оборудования, и продавать его использование по долгосрочным контрактам.

Ключевой дефицитный актив: подключение к сети. Как обсуждалось выше, очереди на подключение длинные, поэтому компании, способные обеспечить подключение к сети быстрее, потенциально могут зафиксировать привлекательные контрактные тарифы.

Некоторые из этих компаний вовлечены в несколько частей процесса, но по сути есть две категории: (i) бизнесы центров обработки данных, которые функционируют как арендодатели, владеющие доступом к электроэнергии и сдающие площади в аренду примерно на 10-15 лет, и (ii) операторы ИИ-облаков (неооблака), которые покупают и устанавливают GPU и продают доступ по контрактам длительностью примерно от одного до трех лет.

Это быстрорастущие, капиталоемкие, убыточные бизнесы. В большинстве случаев у них высокие запланированные мощности, но низкие введенные мощности. Они финансируют строительство вычислительных мощностей, которые будут введены в течение следующих нескольких лет.

Инвестиционная идея строится на том, смогут ли они ввести эти мощности в срок и в рамках бюджета, останутся ли цены высокими на момент заключения или продления контрактов, и в некоторой степени на кредитном качестве потребителя вычислений (часто гиперскейлера).

Майнеры биткоина как опцион

Из 11 специалистов по ИИ-вычислениям, акции которых торгуются в США, девять являются действующими или бывшими майнерами биткоинаПереобулся в прыжкеМайнинг: добыча биткоина на специальных чипах ASIC, которые умеют только одно: перебирать хеши. Он ест электричество тоннами, поэтому у майнеров давно есть крупные подключения к сети., а CoreWeave в прошлом майнер Ethereum. Только у Nebius нет наследия в сфере крипто-майнинга.

У майнинга биткоина и ИИ-вычислений много общего. Майнинг биткоина использует электроэнергию для работы ASIC-устройств, производящих хеши, которые в конечном счете конвертируются в цифровой актив биткоин. ИИ-вычисления используют электроэнергию для работы GPU, производящих GPU-часы, которые в конечном счете конвертируются в токены, еще один вид цифрового актива.

Поскольку майнинг биткоина энергоемок, майнеры оказались в завидном положении владельцев подключения к сети, когда наступил ИИ-бум. Приложения ИИ или высокопроизводительных вычислений (HPC)High-performance computing, высокопроизводительные вычисления: научные расчёты, моделирование, рендеринг. Тоже едят видеокарты и электричество. приносят в среднем примерно вдвое больше, чем майнинг биткоина, на мегаватт-час (МВт·ч).

В результате практически все публично торгуемые майнеры биткоина перевели или объявили о планах перевести часть своего доступа к энергии на сценарии использования ИИ/HPC. Из 11 перечисленных выше специалистов по ИИ-вычислениям четыре являются бывшими майнерами, полностью переориентировавшимися на ИИ/HPC (Cipher, Core Scientific, Applied Digital и Galaxy).

Инвестиции в майнеров биткоина, помимо полностью переориентировавшихся специалистов по ИИ-вычислениям, можно рассматривать как способ получить опционную стоимостьОпцион: право, но не обязанность. Здесь в переносном смысле: покупая акцию майнера, получаешь шанс, что его подключение к сети однажды сдадут под ИИ втридорога. их подключений к сети. Обычно есть причина, по которой оставшиеся объекты еще не переведены на ИИ/HPC: например, их источник энергии может быть не идеально подходящим для производства вычислений.

Но если проблема дефицита вычислений останется острой, больше майнеров биткоина смогут обеспечить финансирование строительства и зафиксировать долгосрочные контракты на вычисления, что, возможно, пойдет на пользу котировкам их акций.

А что с криптой

Некоторые криптоактивы также дают дополнительную экспозицию к этой теме. BittensorСеть, где сотни независимых подсетей решают разные ИИ-задачи: обучают модели, хранят данные, генерируют картинки. Майнеры выдают результат, валидаторы оценивают качество, лучшие получают токены TAO., децентрализованная сеть для разработки ИИ, позволяет участникам по всему миру предоставлять вычисления и другие ИИ-услуги в обмен на токен-вознаграждения.

Другие направления включают децентрализованные маркетплейсы GPU, такие как Akash, токенизированные права на мощности инференса, такие как DIEMТокен ИИ-сервиса Venice. Держатель DIEM получает право на определённый объём ответов моделей каждый день: по сути, абонемент на инференс, завёрнутый в токен. от Venice, и ончейн-кредитование под залог GPU через протоколы вроде USD.AI.

Когда я открыл для себя Bittensor в декабре 2023-го, TAO стоил около 350$. Лучшей вычислительной подсетью была SN27, сейчас её сняли с регистрации и заменили подсетями получше.

Майнить SN27 значило просто добавлять видеокарты, которые ты где-то арендовал, а валидаторы вслепую проверяли, действительно ли это сервер H200. Майнеры могли читерить и подсовывать фейковые характеристики.

Сейчас, в 2026-м, я не могу майнить соло в вычислительных подсетях. Не могу читерить. Маржа узкая. Продукты приносят выручку от пользователей, которым они нравятся. И угадайте что, TAO стоит 185$АндрейЦена с момента комментария удвоилась и сейчас TAO стоит около 300 долларов.

Смотреть надо не на цену TAO и не на цену токенов подсетей, а на то, насколько конкурентным стал майнинг, насколько узкая маржа, насколько полезны продукты и могут ли ими пользоваться обычные люди.

@DrocksAlex2, майнер Bittensor, июль 2026

Риски для тезиса об узком месте в вычислениях

Интернет был настоящим. Большинство компаний, построенных на нём в эпоху доткомов, всё равно обанкротились. Amazon упал со $107 до $7, а Cisco так и не вернулась к своему максимуму. Технология выжила, а большинство бизнес-моделей нет.

Параллели с тем, где мы сейчас, трудно не заметить. Гигантская стройка инфраструктуры обгоняет реальный спрос (тогда оптоволокно, сейчас дата-центры). И вендорное финансирование, когда продавец даёт деньги в долг покупателю, чтобы цикл продолжал крутиться. Nvidia только что запустила программу финансирования собственных клиентов. В конце девяностых телеком-компании вроде Lucent и Nortel делали то же самое.

@HedgieMarkets, июль 2026

Вывод

ИИ может быть цифровым, но производство интеллекта остается фундаментально физическим. По мере того как отрасль смещается от масштабного обучения к масштабному инференсу, удовлетворение растущего спроса все равно должно проходить через ту же перегруженную цепочку энергии, дата-центров, чипов и облачной инфраструктуры.

Вместо попыток предсказать, какая модель или приложение победит, мы полагаем, что более устойчивая возможность лежит на стороне владельцев энергообеспеченных вычислительных мощностей, той дефицитной инфраструктуры, от которой будут зависеть многие успешные модели и приложения.

(с) Grayscale/Андрей/Бингуру, 2026

Оригинал: «Investing for the Compute Bottleneck», Grayscale Research, 21 сентября 2026 года. Перевод с сокращениями; цитаты из X приведены в переводе.