Galaxy：一文看懂比特幣挖礦和AI基礎設施的未來趨勢

來源：Galaxy；編譯：白水，金色財經

摘要

• 擁有大規模土地、冷卻水、暗光纖、可靠電力、熟練勞動力、電力審批和關鍵的長期交付周期基礎設施組件的比特幣礦工處於有利地位，可以通過滿足快速增長的 AI/HPC 數據中心市場的需求來提高其資產價值。

  高盛研究預測，到 2030 年，美國數據中心的需求將達到 45 吉瓦，在 AI 的推動下，電力需求在 2023 年至 2030 年期間的復合年增長率爲 15%。

• 摩根大通預計，到 2038 年，超大規模 AI 資本支出將達到 3700 億美元，比 2024 年預計的 AI 資本支出增長 127%。

• 300 兆瓦至 1,000 兆瓦或以上的設施的連接請求急劇增加，這給當地電網以如此快的速度輸送電力的能力帶來了壓力，導致互連和建設時間延長 2-4 年。

• 傳統數據中心不具備大功率容量，無法支持高密度計算操作。服務器機架曾經最大功率爲每機架 40 kW，現在需要支持每機架 132 kW 以上，這是 GB200 NVL72 等尖端系統所必需的。

• 現金流可預測性、活躍的融資市場以及 AI/HPC 運營的顯著估值上升空間，使這一機會對擁有合適資產的礦工極具吸引力且具有增值潛力。

• 礦工可以通過轉型到 AI/HPC 市場來釋放巨大價值，通過套利其 6-12 倍的 EV/EBITDA 估值與目前領先數據中心運營商的典型 20-25 倍倍數。

前言

人工智能 (AI) 的興起正在創造對高容量計算 (HPC) 設施前所未有的需求。這一激增導致超大規模企業對新數據中心容量進行大量投資。然而，由於電力容量有限，新設施的建設時間延長至 2-4 年，傳統數據中心難以滿足這些需求。

比特幣礦工擁有獨特的優勢，可以利用這一市場機會，他們已經獲得了大規模電力基礎設施和數據中心運營所需的關鍵組件。雖然由於對冷卻、網絡和冗余系統的特定要求，並非所有採礦設施都可以轉換爲 AI 數據中心，但擁有合適資產和專業知識的人將從 AI/HPC 運營的高現金流利潤率和巨大估值潛力中受益。該報告研究了傳統數據中心的當前格局，並強調了滿足 AI 計算需求的具體障礙。然後，該報告分析了爲什么某些類型的比特幣礦工能夠很好地填補這一空白，並探討了比特幣採礦和 AI 基礎設施交叉點的未來趨勢。

AI 數據中心的機會是什么？

AI 在 2024 年蓬勃發展，這得益於生成式 AI (GenAI) 技術的廣泛採用。據 Pitchbook 稱，自 2016 年以來，已有超過 10 萬筆交易向 AI 和機器學習初創公司投資了超過 6800 億美元，僅在 2024 年就投資了 1200 億美元。

人工智能和高性能計算 (HPC) 的激增正在對數據中心容量產生巨大的需求。數據中心對於人工智能/高性能計算的運營至關重要，它爲 GPU 密集型計算提供所需的基礎設施和電力。大型語言模型 (LLM) 等新型人工智能應用尤其耗電。國際能源署稱，單個 ChatGPT 查詢需要 2.9 瓦時的電力，而谷歌搜索僅需要 0.3 瓦時的電力。

美國新興的能源密集型 AI/HPC 業務的出現，推動了對數據中心的需求增長。高盛研究估計，到 2024 年，美國數據中心需求將達到 21 吉瓦（同比增長 31%）。作爲參考，美國 2022-2033 年數據中心需求增長估計爲 15.8% 復合年增長率。基於 2024 年數據中心需求的大幅同比增長，高盛研究預計到 2030 年美國數據中心需求將增至 45 吉瓦。到 2030 年，美國數據中心將消耗 45 吉瓦的電力，佔美國總電力容量的 8%。

美國數據中心的市場機會將得到超大規模企業對 AI 基礎設施投資增加的支持，超大規模企業是 Google Cloud 和 AWS 等大型數據中心企業，它們可以快速擴展數據中心容量以服務其他企業客戶。這些超大規模企業承諾在未來 10 年內向 AI 數據中心投資超過 1000 億美元，以應對日益增長的數據中心需求。摩根大通資產管理公司估計，到 2024 年底，將有 1630 億美元的投資用於擴大超大規模企業業務，同比增長 28%。報告預測，到 2038 年，超大規模企業的 AI 資本支出將達到 3700 億美元，比 2024 年的 AI 資本支出估計值增長 127%。

AI 和 HPC 技術當前和預期的增長正在改變數據中心格局。隨着處理需求的增加，超大規模數據中心和數據中心正逐漸從傳統計算設施演變爲先進的 AI 基礎設施中心。這些設施正在成爲推動自動駕駛汽車、先進醫學研究和下一代 AI 應用等突破性技術的基礎基礎設施。數字創新的未來將在很大程度上取決於這些關鍵計算設施的持續發展和擴展，標志着技術基礎設施的新時代。

當前數據中心市場概況

當前的數據中心市場由多家公共和私營企業組成，它們共同管理着大量數據中心。該領域的知名公司包括 Digital Realty、Equinix、Vantage、EdgeConnex 和 QTS 等。根據 CBRE 的數據，美國最大的數據中心地區目前位於北弗吉尼亞州，但所有地區的增長都非常迅猛，導致空置率達到歷史最低水平。

數據中心是多個不同行業的支柱，支持從 Netflix 等流媒體服務到雲計算、人工智能和衆多其他應用等一切業務。不過，並非所有數據中心都一樣。每個數據中心都可以根據特定功能進行定制，並可歸類爲不同的類別，包括超大規模、邊緣、雲和企業數據中心。數據中心的規模越來越大，功率密度也越來越高。爲 AI 等快速擴張的行業提供基礎設施的競爭導致了超大規模企業之間的軍備競賽，以加快速度擴建數據中心容量。

傳統數據中心在滿足人工智能需求方面面臨的障礙

爲非人工智能行業提供服務的傳統數據中心提供商通常使用規模較小、地理位置分散的數據中心組合，其中許多數據中心最初是爲低密度應用而構建的。在過去十年中，傳統數據中心的運行能耗相對較低。盡管 Digital Realty（市值 620 億美元）和 Equinix（市值 940 億美元）是全球最大的兩家數據中心公司，但它們主要運營規模較小的數據中心。例如，Digital Realty 的數據中心通常每個設施的功率範圍爲 0.5 兆瓦至 40 兆瓦。同樣，Equinix 的 xScale 計劃由一個全球數據中心網絡組成，20 個設施的總運營容量僅爲 292 兆瓦（Equinix 2024 年第三季度投資者介紹，2024 年 11 月 8 日）。相比之下，一些採礦業務在單個站點可以獲得相當的能源容量。

從歷史上看，運營商幾乎沒有動力快速擴大規模，因爲流媒體服務、電信、數據存儲和許多雲應用程序的計算密度有限。然而，隨着人工智能的進步和這些算法的日益復雜，數據中心現在必須使用最新一代 GPU 和大規模運行最先進的設施，以優化訓練執行。

規模的增加得益於 GPU 計算能力的進步和並行計算的優勢，使數據中心能夠構建具有更大計算能力的更大集群。並行計算允許將工作負載無縫分布在其他 GPU 上，從而通過添加更多單元來高效地進行擴展。至關重要的是，單個站點的大型集群可降低 GPU 之間的延遲，從而提高並行計算的性能。這一優勢使單個 200MW 集群在 AI 訓練方面的效率大大高於四個地理分布的 50MW 集群，因爲 GPU 之間的低延遲通信對於最大限度地提高計算效率至關重要。因此，超大規模企業優先考慮能夠獲得大功率容量的單一位置，以滿足高級 AI 工作負載的需求。

目前，這種容量供不應求，許多傳統設施難以滿足現代 AI/HPC 工作負載所需的大量能源需求。由於低計算用例和高計算用例之間的網絡、冷卻和機架密度要求差異等因素，舊設施無法輕松改造。

如今，超大規模企業需要具有更高能源容量的數據中心來支持其高能耗模型（例如大型語言模型）的訓練。根據 Uptime Institute 2020 年 12 月的一篇文章，當年的平均機架密度爲 8.4 kW/機架，不包括 30+ kW/機架的高性能異常值。這些數據中心的服務器機架曾經最大功率爲每機架 40 kW，現在需要支持每機架 132 kW 以上的功率，這是 NVIDIA 的 GB200 NVL72 等尖端系統所需的功率，短短幾年內就增長了三倍多。行業專家預測，計算密度的提高和摩爾定律的發展可能會將服務器機架的功率需求推向前所未有的水平。

因此，傳統數據中心運營商已將重點轉向綠地开發，以適應新一代 AI/HPC 專用數據中心，這些數據中心的能源審批和建設將耗時數年。根據美國能源部最近的一份報告，300 兆瓦至 1,000 兆瓦或以上的設施的連接請求急劇增加，這給當地電網以如此快的速度輸送電力的能力帶來了壓力，導致互連和建設時間延長 2-4 年。

超大規模數據中心運營商現在的目標是構建盡可能大的 GPU 集群來訓練 AI/HPC 模型，有幾家公司的目標是千兆瓦級數據中心，以容納數十萬個下一代 GPU。雖然超大規模數據中心運營商正在構建自己的數據中心，但他們仍然嚴重依賴具有成熟電力能力的第三方供應商，以加快時間爲 GPU 供電。然而，只有少數現有數據中心能夠處理如此巨大的電力需求和高機架能量密度。這種短缺很大程度上源於對數據中心需求的迅猛增長缺乏預期。

爲什么比特幣礦工可以填補關鍵空白

比特幣礦工擁有大規模、電力就緒的設施，因此有能力滿足超大規模礦工的能源需求。多年來，礦工一直在尋找能源充足且價格合理的地點，並確保在單個地點獲得大量電力容量，以及變電站組件和中高壓設備等長期基礎設施項目。一些採礦場地已經具備電力就緒能力，這解決了超大規模礦工面臨的最大制約因素之一：獲得可靠的大規模電力。

通過進入這些電力就緒的比特幣採礦場地，超大規模礦工可以繞過確保能源可用性的漫長過程，專注於改造和定制基礎設施以滿足他們的特定需求。許多礦工控制着數百兆瓦的場地，很少有傳統數據中心運營商能夠在單個地點獲得這樣的規模。幾家大型採礦企業已經建立了工業規模電力基礎設施的訪問權限，確保了容量超過 2 千兆瓦 (GW) 的能源管道，使礦工能夠從電力容量需求的增長中獲益。盡管傳統比特幣礦場與 AI 數據中心之間存在重大差異，但礦工在大型建築和數據中心管理方面擁有寶貴的經驗，通常擁有成熟的電氣、機械、設施和安全團隊。這些專業知識可以進一步簡化尋求快速擴展的超大規模企業的過渡。

只有部分礦工能從人工智能中受益

並非所有礦工都能利用 AI/HPC 機會。要構建適合 AI/HPC 的數據中心，必須滿足幾個關鍵因素，包括獲得大規模土地、冷卻水、暗光纖、可靠電力和熟練勞動力。不幸的是，即使滿足這些條件，尚未獲得必要批准（即電力容量、土地和分區）或尚未擁有關鍵的長期基礎設施組件的公司也將在开發過程中遇到障礙和延遲。

並非所有比特幣礦工都能利用 AI/HPC 機會的另一個關鍵原因是，由於設計和運營要求的差異，礦工現有的基礎設施不能直接轉移或適用於 AI 數據中心。雖然關鍵的電氣基礎設施（包括高壓變電站組件和配電系統）有一些相似之處，但 AI 數據中心有特定的要求，需要細致的專業知識和熟練的勞動力。

AI 數據中心的復雜性幾乎提升了所有操作環節，包括機械、冷卻和網絡系統，這使得將比特幣挖礦設施改造成 AI/HPC 數據中心成爲一項艱巨的任務。下面，我們概述了礦工將現有設施改造成 AI 數據中心所需的一些主要升級：

1.網絡基礎設施：

AI/HPC 工作負載需要數據中心 GPU 之間的高速、低延遲連接。因此，由於 GPU 不斷相互通信，AI/HPC 工作負載的內部網絡結構比採礦復雜得多。AI 操作成功的關鍵是开發最佳網絡主幹以確保快速執行工作負載。此外，必須從站點建立與暗光纖的連接並滿足延遲要求，而採礦站點則不需要這些要求。

2.冷卻系統：

礦工使用各種冷卻設計，包括風冷、水冷和浸沒式冷卻系統。冷卻主要集中在實際機器本身，而較少關注支持基礎設施。另一方面，AI 數據中心將需要更先進的冷卻解決方案，例如直接到芯片的液體冷卻，以冷卻最新一代功率密集的 NVIDIA 服務器，並結合額外的風冷系統來支持網絡和機械基礎設施。

3.冗余：

與比特幣挖礦數據中心相比，人工智能數據中心對冗余度的要求更爲嚴格。挖礦作業本質上是靈活的，因此不需要強大的備用發電設施。另一方面，人工智能數據中心通常在整個作業過程中至少使用 N+1 冗余度，而核心網絡和存儲組件等更多關鍵任務組件則需要更高程度的冗余度，以確保不間斷運行，或至少在設備發生故障時正確緩存和檢查數據。這意味着，對於每個重要的基礎設施（例如冷卻設備），都必須有備份（N+1 冗余度）。例如，在對一個冷卻裝置進行維護時，必須有一個額外的裝置來維持連續運行。這種級別的冗余度很少出現在沒有這種正常運行時間要求的挖礦設施中。

4. 外形尺寸重新設計：

AI 數據中心使用機架式服務器，這與比特幣挖礦中使用的鞋盒式 ASIC 有很大不同。爲了容納 AI 硬件，需要徹底重新設計設施的內部物理基礎設施，以支持機架式系統及其特定的冷卻、網絡和電氣需求。

5.其他區別：

總的來說，這些因素表明，改造挖礦設施以滿足 AI/HPC 數據中心的要求是一項設計和工程挑战。增強的基礎設施要求還導致 AI/HPC 數據中心資本支出成本相對於比特幣挖礦建設成本大幅上升。

能夠利用人工智能數據中心需求的礦工具有上行潛力

雖然礦工可能擁有合適的基礎設施和位置，但過渡到 AI/HPC 運營需要的不僅僅是實物資產——它需要專業知識、不同的技術堆棧和新的商業模式。那些擁有經驗豐富的管理團隊並能夠成功構建 AI/HPC 運營的人，有巨大的機會爲他們的公司帶來巨大的增量價值。以下是一些關鍵優勢，這些優勢可以爲選擇將其電力和數據中心資源從比特幣挖礦分配到 AI/HPC 的公司帶來增值：

• 高現金流利潤率和可預測性：AI/HPC 數據中心運營，尤其是主機托管/定制模式，具有長期合同，通常在數據中心建設开始之前就已商定固定和經常性現金流。這些是可預測且利潤率高的現金流，通常與信譽良好的交易對手合作，數據中心運營商可以將大部分成本轉嫁給租戶，包括能源和運營費用（具體取決於租賃結構）。

• 現金流多樣化：收入不僅比比特幣挖礦更可預測，而且與加密貨幣市場無關，這可以平衡那些在動蕩的加密貨幣市場中風險較高的公司的收入狀況。在比特幣熊市中，這可以增強金融穩定性，使礦工能夠繼續通過股權或債務籌集現金，而不會產生過度稀釋或利息負擔。

• 深度資本市場可以幫助擴大運營：盡管基礎設施比比特幣挖礦昂貴得多，但由於現金流的可預測性，承銷投資更爲直接，從而爲數據中心項目打开了新的債務和股權資本來源。私募股權公司、基礎設施投資、養老基金、人壽保險公司等衆多公司都渴望涉足數據中心領域，以獲得收益。與信譽良好的交易對手籤訂了租約的數據中心運營商可以承租該租約，並籌集大量項目融資來建設數據中心。

• 根據 Newmark 的《2023 年數據中心市場年度概覽報告》，2023 年的定期債務融資量創下了歷史新高，而且速度沒有放緩，僅 2024 年第一季度就承銷了 180 億美元的开發融資。利率也很合理，Newmark 的利率範圍約爲 SOFR 的 2.25% - 4.50%，具體取決於貸方。
  

• 巨大的估值增值潛力：一旦資產建立並穩定下來，挖礦和 AI/HPC 之間也存在巨大的估值差異，這使得 AI/HPC 成爲一個非常有吸引力的機會。比特幣礦工的歷史交易價格在 6-12 倍 EV/EBITDA 倍數範圍內，而世界上一些最大的數據中心運營商的估值爲 20-25 倍 EV/EBITDA。考慮到該行業的高利潤率、增長軌跡、可預測的現金流以及與加密貨幣相比市場波動性降低，這是合理的。爲了進一步了解當前差異的規模，混合挖礦/AI 公司的總 EV 是 Digital Realty EV 的 23%，盡管總潛在 MW 容量是後者的 3.5 倍。
  

因此，現金流可預測性、活躍的融資市場和顯著的估值上升空間使得 AI/HPC 機會對擁有合適資產的礦工具有極大的吸引力和增值潛力。這些礦工有望在傳統數據中心市場取得重大進展，並成爲該行業最大的運營商之一。

比特幣挖礦的前景

過去幾個月，AI/HPC 備受關注，但我們仍預計比特幣挖礦網絡的哈希率和增長將繼續上升。挖礦的增長與 AI/HPC 的增長同步。比特幣價格上漲提高了礦工的盈利能力，如果價格繼續走高並超過網絡難度的增長，挖礦可能會變得更加有利可圖。但隨着比特幣和 AI/HPC 的崛起，未來的挖礦格局會是怎樣的？下面我們概述了在可預見的未來可能出現的 AI/HPC 與比特幣挖礦相融合的一些主要趨勢：

礦工最大化電子的價值：

大多數比特幣礦工始終優先考慮最大化其能源使用價值。目前，對於那些擁有可適應站點的人來說，AI 數據中心是最有利可圖的途徑。考慮到 AI/HPC 站點的價值增長，能夠轉換爲 AI/HPC 數據中心的採礦站點很可能會遵循這條路徑來最大化股東價值。然而，這並不一定意味着比特幣礦工的缺點。我們仍然預計網絡哈希率會增長，但速度會比沒有一家美國主要礦工將站點轉換爲 AI/HPC 數據中心時慢。這些轉換通過消除競爭哈希率使留在網絡上的礦工受益。

比特幣挖礦是將闲置電力貨幣化的驅動力：

隨着人工智能/高性能計算 (AI/HPC) 的日益突出，我們預計礦工將進一步關注在更偏遠地區部署其產能，因爲超大規模企業在更發達的市場中擁有可用於人工智能/高性能計算的大型場地，因此出價高於礦工。比特幣挖礦無需許可、不受地點限制且靈活，使其成爲利用闲置發電能力的最佳方式之一。

我們預計，比特幣挖礦的更大一部分將被推向邊界，以將闲置電力產能貨幣化——尤其是在美國偏遠地區以及埃塞俄比亞、巴拉圭等國際新興市場，這些國家擁有豐富的廉價過剩能源。

比特幣挖礦作爲基礎設施投資和 AI/HPC 可選性的战略橋梁

此外，隨着美國不同地區努力建設輸電基礎設施和光纖連接，比特幣挖礦可以充當橋梁，承保更大容量的能源基礎設施項目，如變電站和發電廠建設，即使在沒有立即或明確的機會利用 AI/HPC 容量的情況下也是如此。通過將比特幣挖礦用於機會性房地產和發電相關投資，投資者可以在等待其他長期能源用例實現的同時獲得回報，將其定位爲基礎設施增長和投資的有吸引力的策略。

對於無法轉換爲 AI/HPC 數據中心的礦工來說，比特幣礦場仍然可以作爲長期盈利的業務來運營。幾家礦工在沒有現有 AI/HPC 租戶的情況下購买了大負荷設施，並且還投資了處於不同开發階段的站點。正如我們之前所概述的，其中一些站點可能不具備 AI/HPC 所需的最佳特性，但仍然對比特幣挖礦有用。其他礦工沒有團隊或內部專業知識來與主要承購商籤約並承擔具有挑战性的工程和大型建設項目。尋求最大化價值的礦工的希望是鎖定一個 AI 客戶，但在 AI/HPC 機會無法實現的情況下，這些礦工仍然可以選擇建立一個有利可圖的 BTC 挖礦業務。

AI/HPC 數據中心與挖礦之間的新興協同效應

比特大陸等 ASIC 制造商已开始爲數據中心機架开發外形尺寸與 GPU 相似的 ASIC。ASIC 外形尺寸與下一代 GPU 外形尺寸的進一步協調將允許數據中心通過在空闲機架空間安裝服務器大小的礦機來將其未充分利用的服務器機架貨幣化，如果使用類似的機架，這將有助於簡化爲 AI/HPC 改造數據中心的過程。展望未來，礦工可能更愿意購买這些機器，因爲它們在數據中心設計方面保持靈活性，並且如果出現更高價值的機會，可以幫助礦工更輕松地轉向 AI/HPC。

隨着 AI/HPC 數據中心容量的增長，它們對電網的影響也在增長。雖然這些數據中心必須幾乎一直在线，但這並不一定意味着總能耗是恆定的。事實上，AI/HPC 訓練的負載曲线可能非常不穩定，因爲密集計算執行期間消耗更多功率，而檢查點期間消耗較少功率。檢查點的頻率各不相同，根據部署的基礎設施和模型的大小，該過程可能需要幾分鐘到幾十分鐘。隨着模型規模的擴大，需要存儲更多的數據，從而增加保存所有數據所需的時間。

同樣，對於 AI/HPC 推理工作負載，負載配置文件預計與客戶需求緊密結合，因爲每個模型查詢都直接在數據中心內處理。最初，隨着模型需求的波動，這些配置文件可能會表現出很大的波動性。然而，隨着時間的推移，隨着特定模型的廣泛採用，負載可能會變得更加可預測，白天的需求達到峰值，晚上的需求會下降。這種每日負載周期爲比特幣挖礦提供了理想的機會，因爲挖礦操作可以動態擴大或縮小，以補充 AI 推理過程波動的能源需求。

因此，未來比特幣挖礦可以用作負載平衡機制，在負載較低時挖礦會增加，在 AI 負載恢復時會減少。租戶可能還不需要使用全部 GPU 容量，從而允許礦工加速。

對於數據中心運營商來說，好處是顯而易見的，因爲他們能夠從可在线的容量中獲取更多價值，而對於租戶來說，這爲數據中心和整個電網提供了一定程度的負載穩定性。隨着數據中心集群規模的擴大，功耗和對電網的影響將受到越來越嚴格的審查，確保負載穩定性將至關重要。

將 MW 轉移到 AI/HPC 應該會減緩哈希率的增長率

進入 AI/HPC 運營的礦工正在積極轉移原本可用於比特幣挖礦的容量，這應該會減緩網絡哈希率的增長率。考慮到比特幣的潛在牛市，這一點尤爲重要，因爲比特幣價格的上漲不會帶來同等和抵消的網絡哈希率的增長，從而推高哈希率。話雖如此，我們仍然預計，隨着更高效的採礦機投入使用，網絡哈希率會上升，無論是爲了替換老一代機器，還是在不利於 AI/HPC 業務的站點進行新的淨投入。

總結

美國的數據中心需求可能會以前所未有的速度激增，預計僅 2024 年就將同比增長 31%。這些預測還表明，美國數據中心的容量將在未來五年內增加一倍以上，從目前的 21 GW 數據中心容量躍升至預計的 45 GW。這種爆炸式增長，加上超大規模提供商在未來 5-10 年內承諾的數千億美元投資，爲能夠提供兩種關鍵資源的企業創造了極具吸引力的機會：豐富的廉價能源和能夠支持 AI 和 HPC 運營的強大基礎設施。

當前的 AI 和 HPC 熱潮暴露了傳統數據中心的一個關鍵弱點，即它們無法改造現有設施以滿足現代 AI 工作負載的強大電力需求。市場中的這一空白爲比特幣挖礦業務創造了重大機會，這些業務已經擁有 AI/HPC 公司迫切需要的東西：具有加速通電計劃的大型站點。超大規模提供商的選擇有限，無法及時擴展其業務以滿足 AI/HPC 業務的爆炸性需求。比特幣礦工正在成爲超大規模企業擴展業務並在不斷增長的市場中保持競爭力的合理可行選擇。然而，比特幣礦工的這一世代機會仍然具有選擇性。只有一小部分比特幣挖礦業務擁有必要的基礎設施和能力，能夠成功支持現代 AI/HPC 工作負載的苛刻要求。那些擁有這些稀缺資產並尋求最大化其價值的礦工將轉向 AI/HPC 數據中心。

盡管一些批評人士認爲，比特幣礦工向 AI/HPC 服務多元化可能會通過減少專用於挖礦區塊的計算能力來削弱網絡安全，但這種轉變實際上可能使更廣泛的挖礦生態系統受益。無法滿足 AI/HPC 站點需求的礦工可以從哈希價格的提高中獲得更高的盈利能力。隨着越來越多的礦工下线，比特幣價格上漲，哈希價格的上漲將顯著提高所有比特幣礦工的利潤率。隨着比特幣價格今年迄今上漲高達 143%，以及新任親比特幣總統入主白宮，美國的比特幣挖礦有望進入迄今爲止最強勁的時代。

加密貨幣和人工智能的交集可以說是 2024 年最熱門的加密貨幣領域之一。截至 2024 年 12 月，使用流動代幣構建人工智能項目的加密貨幣項目的總市值約爲 330 億美元。此外，Galaxy Research 估計，2024 年，超過 3.82 億美元的風險投資已分配給早期加密人工智能初創公司。雖然大多數加密人工智能項目缺乏產品市場契合度，但比特幣挖礦與人工智能/高性能計算業務增長的交集是顯而易見的。比特幣挖礦進入人工智能領域與這兩個領域的其他重疊領域相比脫穎而出，因爲它有可能大規模供應人工智能/高性能計算業務最重要的組成部分——能源。因此，持有人工智能/高性能計算可轉換資產的比特幣礦工可能是當今行業中唯一純粹且可擴展的加密貨幣 x 人工智能投資之一。

鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播信息之目的，不構成任何投資建議，如有侵權行為，請第一時間聯絡我們修改或刪除，多謝。

標題：Galaxy：一文看懂比特幣挖礦和AI基礎設施的未來趨勢

地址：https://www.torrentbusiness.com/article/140529.html

標籤：研究報告  人工智能  挖礦