Прибыльность майнинга биткоина сократилась на 7%

cryptonews.ruPublié le 2025-12-19Dernière mise à jour le 2025-12-19

В сентябре рентабельность добычи первой криптовалюты упала более чем на 7% а суточный доход на 1 EH/s хешрейта сократился с $56 000 до $52 000. Об этом пишет CoinDesk со ссылкой на отчет Jefferies.

Специалисты инвестиционного банка обозначили в числе главных причин обвала прибыльности майнинга просадку цены биткоина на 2% за месяц и совокупных рост вычислительных мощностей сети примерно на 9%.

В начале IV квартала хешрейт немного сократился, снижая конкуренцию, но резкая коррекция актива усилила давление на экономику его добычи, подчеркнули эксперты.

Их оценку подтверждают данные Hashrate Index. После масштабной коррекции крипторынка 11 октября хешпрайс стабильно находится ниже отметки $49 за PH/s в сутки. Более низкие значения метрики в это году фиксировались в апреле, когда курс биткоина обвалился ниже $90 000.

Источник: Hashrate Index.

Базирующиеся в США публичные майнинговые компании за сентябрь сгенерировали 3401 BTC против 3576 месяцем ранее.

Лидером выступила MARA Holdings, намайнившая 736 BTC, на втором месте оказалась CleanSpark с 629 BTC. У этих же фирм наиболее высокий развернутый хешрейт — 60,4 EH/s и 50 EH/s соответственно.

Однако, несмотря на снижение прибыльности добычи, акции майнеров стремительно растут. Согласно отчету TheMinerMag, капитализация 15 крупнейших американских компаний индустрии к середине октября достигла $90 млрд. С 15 сентября котировки Bitfarms выросли на 162%, стоимость Canaan прибавила 149%, а CleanSpark — 125%. За этот период биткоин упал на 3,7%.

Основным фактором такого резкого расхождения трендов эксперты назвали «ИИ-разворот» добытчиков криптовалюты. Преимуществом добытчиков криптовалюты на фоне бума сферы высокопроизводительных вычислений стал уже имеющийся доступ к энергоресурсам и готовая инфраструктура.

Майнеры расширяют диверсификацию в ИИ-вычисления

Одной из крупнейших сделок в этом направлении стала покупка в июле ИИ-гиперскейлером CoreWeave оператора майнинг-центров Core Scientific за $9 млрд.

В августе Google увеличила долю в TeraWulf до 14% через расширение финансовых гарантий до $3,2 млрд для сделки между майнером и облачной ИИ-платформой Fluidstack. В сентябре майнинговая компания анонсировала привлечение примерно $3 млрд на строительство дата-центров через поддерживаемую технологической корпорацией структуру.

В том же месяце Google помогла Fluidstack заключить арендное соглашение с еще одним добытчиком криптовалюты — Cipher Mining. Корпорация гарантировала выполнение английским стартапом обязательств на сумму $1,4 млрд в обмен на 5,4% акций майнера.

О расширении подразделения облачных вычислений AI Cloud в августе объявила IREN, инвестировав около $193 млн в графические процессоры NVIDIA Blackwell B200. На тот момент компания входила в четверку майнинговых компаний с хешрейтом не менее 50 EH/s наряду с MARA, CleanSpark и Cango. В TheMinerMag отметили, что из этого квартета только IREN начала экспансию в ИИ.

20 октября в CleanSpark заявили о переходе от «чистого майнинга» к высокопроизводительным вычислениям (HPC).

Monetize every megawatt. https://t.co/5JGWnrSACd

— Harry Sudock (@harry_sudock) October 20, 2025

Компания наняла на должность вице-президента по центрам обработки данных на базе ИИ ветерана индустрии Джеффри Томаса.

Bitdeer в отчете об операционной деятельности за сентябрь анонсировала планы по перепрофилированию майнингового объекта в Норвегии для оказания услуг в сегменте HPC. С этой же целью фирма расширит уже имеющиеся ИИ-мощности в Юго-Восточной Азии и США.

Напомним, в августе эксперты GoMining спрогнозировали волну институциональных инвестиций в биткоин-майнинг на фоне бума ИИ-вычислений.

Lectures associées

Le tableau de paris codé a rapporté de l'argent, mais Polymarket n'est vraiment pas un bon endroit pour "l'arbitrage"

Dans son article, l'auteur partage son expérience de développement d'un tableau de bord personnalisé pour suivre et gérer ses paris sur Polymarket, une plateforme de prédiction. En utilisant cet outil avec un capital d'environ 1600 dollars, il a obtenu un rendement de plus de 30% sur une quinzaine de jours. Cependant, il insiste sur le fait que Polymarket n'est pas un lieu adapté pour des stratégies d'arbitrage traditionnelles. Le tableau de bord, divisé en un "Tableau de bord des positions" et une "Veille des opportunités", vise à visualiser les investissements, gérer les risques et suivre les marchés d'intérêt. L'outil intègre un système de contrôle des risques basé sur le fractionnement des paris en trois catégories (T1, T2, T3) selon le niveau de conviction et le risque, et limite l'exposition à certains thèmes pour éviter une "diversification illusoire". L'auteur met en garde contre les pièges des marchés binaires comme Polymarket. Il explique que même pour un pari perçu comme ayant une probabilité de réussite très élevée, le risque de perdre 100% du capital engagé existe toujours. Il souligne l'importance cruciale de la gestion de la taille des positions pour survivre à des erreurs de jugement inévitables à long terme. Il note également que de nombreux marchés, bien que distincts, peuvent être corrélés autour d'un même événement sous-jacent, amplifiant ainsi les risques. Son expérience l'amène à considérer Polymarket non pas comme une source de revenus stables, mais plutôt comme un terrain d'entraînement pour affiner son jugement sur l'actualité politique, économique et technologique. Il conclut que la valeur principale de son outil réside dans l'imposition d'une discipline et d'un cadre rigoureux, transformant l'intuition en processus contrôlé, bien plus que dans la performance affichée sur une période courte.

marsbitIl y a 1 h

Le tableau de paris codé a rapporté de l'argent, mais Polymarket n'est vraiment pas un bon endroit pour "l'arbitrage"

marsbitIl y a 1 h

Analyse de la croissance de Notion : D'un outil de prise de notes à 100 millions d'utilisateurs, comment Notion a construit sa triple roue de croissance via le produit, les modèles et la communauté

Notion est passé d'un outil de prise de notes à une plateforme de gestion des connaissances et de collaboration comptant 100 millions d'utilisateurs, grâce à un système de croissance à trois niveaux. La croissance a été principalement tirée par le produit (PLG) : sa structure modulaire offre une grande adaptabilité, sa stratégie gratuite a facilité l'adoption et ses fonctionnalités de partage et de collaboration ont généré une diffusion virale naturelle. Le deuxième moteur est l'économie des modèles. Face à la liberté parfois déroutante du produit, les modèles (officiels et créés par les utilisateurs) fournissent des solutions concrètes, réduisant les coûts d'activation pour les nouveaux venus et créant un canal de croissance via les moteurs de recherche. Ils ont également permis l'émergence d'une communauté de créateurs qui soutient l'écosystème. Le troisième moteur est la croissance communautaire. La communauté Notion va au-delà du support technique : elle produit des tutoriels, organise des événements locaux via des ambassadeurs et participe à la traduction culturelle du produit. Elle transforme les utilisateurs en éducateurs et en promoteurs, réduisant ainsi les coûts d'expansion mondiale. Le marketing de contenu de Notion se concentre sur l'éducation aux méthodes de travail plutôt que sur la vente de fonctionnalités. Son passage au marché professionnel s'est fait "par le bas", les équipes adoptant d'abord l'outil avant que les entreprises ne formalisent son usage. À l'ère de l'IA, Notion intègre ces capacités dans ses flux de travail existants, renforçant sa valeur et ouvrant la voie à une évolution potentielle vers un système d'exploitation du travail. La force durable de Notion réside dans cet écosystème difficile à répliquer : la combinaison d'un produit flexible, d'un vaste patrimoine de connaissances utilisateur, d'une économie de modèles dynamique et d'une communauté engagée crée un effet de levier et une fidélité qui vont bien au-delà de simples fonctionnalités logicielles.

marsbitIl y a 4 h

Analyse de la croissance de Notion : D'un outil de prise de notes à 100 millions d'utilisateurs, comment Notion a construit sa triple roue de croissance via le produit, les modèles et la communauté

marsbitIl y a 4 h

Guide de test pratique de la carte AI de WeChat : L'ère du AI Shopping est-elle arrivée ?

**Titre :** Guide de test de la carte AI de WeChat : l'ère du "AI Shopping" est-elle arrivée ? **Résumé :** WeChat Pay a lancé une "carte AI dédiée", présentée comme permettant à des agents IA (comme WorkBuddy) d'effectuer des paiements pour répondre aux besoins des utilisateurs. Cependant, les tests révèlent que cela ne permet pas une consommation "entièrement automatique". En réalité, la carte AI est un portefeuille séparé du portefeuille WeChat principal. L'utilisateur doit la recharger avec des fonds spécifiques. Chaque paiement initié par l'IA nécessite une confirmation manuelle sur le téléphone de l'utilisateur. La carte isole les dépenses liées à l'IA pour une meilleure gestion. L'activation se fait via le chatbot WorkBuddy. Les cas d'usage annoncés sont l'achat de contenu payant, l'utilisation d'API/outils payants et les abonnements. Cependant, dans la pratique, il est difficile de déclencher ces paiements. Un test pour commander un thé via WorkBuddy a échoué. L'agent a dû utiliser une compétence externe ("Assistant de vie Meituan"), ce qui a consommé beaucoup de crédits (plus que l'allocation quotidienne gratuite). Après autorisation et paiement via la carte AI, l'agent a acheté un bon d'achat incorrect, pas le produit désiré. L'échec ne vient pas de la fonction de paiement elle-même, qui fonctionne, mais de la chaîne d'exécution de l'agent IA : compréhension précise du besoin, appel correct à des plateformes tierces, sélection du bon produit, etc. La carte AI ne gère que l'étape finale du paiement. Le mécanisme actuel est prudent : fonds limités à la carte AI, confirmation obligatoire pour chaque transaction, pas d'accès direct au portefeuille principal. Cela minimise les risques (mauvais achats, abonnements non désirés). **Conclusion/Recommandations :** Il est possible d'expérimenter cette fonction, mais avec prudence : commencez par de petites recharges, vérifiez toujours les détails (produit, prix) avant de confirmer le paiement, et ne présumez pas que l'agent IA a parfaitement compris une demande complexe (notamment pour la livraison, les coupons spécifiques).

marsbitIl y a 4 h

Guide de test pratique de la carte AI de WeChat : L'ère du AI Shopping est-elle arrivée ?

marsbitIl y a 4 h

Trading

Spot
Futures
活动图片