比特币矿工拥有人工智慧公司所需的强大平台，但将旧矿区转化为真正的数据中心收入并非易事。

根据史丹佛大学关于人工智慧产业的年度报告，截至2025年底，全球人工智慧资料中心所属的电力容量已达约29.6吉瓦（GW），足以让整个纽约州达到高峰需求。

该报告于四月发布，指出运算本身已经丰富且成本正在下降。有许可、连网、可随时抽取的电力需求很高，但供应电力的来源却非常困难。有一个产业过去十年默默地为另一个原因建造了这样的基础设施：比特币挖矿。

到2025年底，AI资料中心的电力容量达到约29.6 GW，与纽约州在高峰需求时相当。资料来源：史丹佛大学

晶片的经济性正朝著相反的方向发展。史丹佛表示，自2006年以来，GPU运算成本已下降超过99%，而领先晶片每瓦运算量也远高于十年前。但效率提升并未减少总需求。这些资金反而被投入到更大型的模型中，而非存入储蓄，持续对电网施加压力。

自 2006 年以来，GPU 运算成本已下降超过 99%，儘管总功耗持续攀升。资料来源：史丹佛大学

史丹佛估计，最严苛的训练运行，包括像Llama 4 Behemoth这类系统，累积的发电量超过100兆瓦（MW），相当于一座小型发电厂。人工智慧专用容量在三年内增加了约200倍，从2022年的不到一吉瓦，且资料中心用电量预计将持续攀升至2030年。

这种挤压不仅是数字上的，更是地理上的。根据史丹佛大学的资料，美国拥有5,427个资料中心，是其他国家的十倍以上。

晶片可在数月内订购与交付，但为场地通电、包括变电站、互连核准与冷却，则需数年时间。

若计入整个系统，而非仅加速器，AI 截至 2024 年的累积电力需求估计达 9.4 GW，接近瑞士或奥地利的国家用电量，约为比特币挖矿预估的一半。

估计到2024年，AI全力投入的电力需求约佔比特币挖矿量的一半。资料来源：de Vries-Gao，史丹佛大学

但比特币矿工不能就这样把机器交给 AI 实验室。挖矿 ASIC（解决比特币计算的晶片）只做一个狭窄的工作，对训练或推论毫无用处。真正转移的是晶片周围的所有东西，例如带电站点、电力合约、电网连接以及冷却密集机架的外壳。

已经有电网连接的 Bitcon 矿机，已经有基础设施可以填补 AI 开发者的空缺，租用这些容量比重新开始要好得多。矿工通常也坐在AI想要的位置，像德州和墨西哥湾沿岸这些低功率美国州。

採矿经济本身就是一场数字计算游戏。摩根大通最近估计比特币的全体生产成本约为每枚币78,000美元，远高于撰写本文时BTC约53,400美元的市场价格，且今年迄今下降超过34%，根据CoinGecko的数据。