Від електроенергетичної інфраструктури до токен-економіки: «сімшаровий торт» у галузі штучного інтелекту

Оригінальна назва: Від електроінфраструктури до Token-економіки: «Сімшаровий торт» індустрії AI

Автор оригіналу: BlockBeats

Джерело оригіналу:

Перепублікація: Mars Finance

Драйвери епохи AI вже перетворилися з моделей у Token

За останні два роки, логіка нарративу у галузі AI переважно зосереджувалася навколо «війни великих моделей», яку розпочали великі компанії. Кількість параметрів з мільярдів перейшла до трильйонів, витрати на тренування зросли з кількох десятків мільйонів доларів до сотень мільйонів, а GPU-кластери розширилися з кількох тисяч карт до десятків тисяч. Усі обговорювали, чия модель сильніша, хто ближчий до AGI, ніби кінцева мета AI — це продуктивність великих моделей.

Але до 2026 року логіка драйвінгу галузі вже змінилася. Останній звіт JPMorgan стверджує, що справжнім рушієм подальшого зростання AI-інфраструктури вже не є тренування моделей, а масовий попит на AI-Inference. У майбутньому найбільше споживання обчислювальних ресурсів матимуть не тренування великих моделей, а глобальні AI-агенти. Кожен виклик, кожна взаємодія, кожне виконання задачі — по суті, споживає Token. Галузь AI переходить від «епохи моделей» до «епохи Token-індустрії».

Адже справжнім рушієм функціонування AI-індустрії стане не сама модель, а виробничі, розподільчі, диспетчерські та споживчі системи, що формуються навколо Token. Особливо після початку масового зростання AI-агентів, стане критично важливим питання: як реальновиготовляти, розподіляти, динамічно керувати та ефективно споживати Token у реальному часі — це стане новим ключовим викликом галузі.

Як нещодавно запропонував Юсен Хуан, AI — це не просто програмна галузь, а інфраструктурна система, подібна до електроенергії та Інтернету. У його «п’ятишаровій» моделі галузь AI поділена на: енергетику, чіпи, інфраструктуру, моделі та застосунки. Але з переходом від «епохи тренувань» до «епохиInference», GoodVision AI схильна розглядати весь ланцюг економіки AI як «сімшаровий торт», що обертається навколо Token:

Перший шар: Електроенергія — енергетична основа епохи AI
Другий шар: AIDC — фабрика Token
Третій шар: GPU — обладнання для виробництва Token
Четвертий шар: LLM — двигун виробництва Token
П’ятий шар: Розподіл Token — «електромережа» епохи AI
Шостий шар: Оптимізація Token та інтелектуальне диспетчерське управління — «мозок» епохи AI
Сьомий шар: AI-агенти — кінцеві споживачі Token

Від енергетики, GPU до AIDC, краєвих вузлів, моделей inference та інтелектуального диспетчерського управління — галузь AI формує унікальну «Token-індустріальну систему».

Проте наразі ця система ще далека від зрілості.

Деякі мають найсучасніші GPU, але обмежені енергопостачанням; інші створюють великі AIDC, але стикаються з проблемами ефективного диспетчерського управління; хтось розробляє потужних AI-агентів, але стикається з високими витратами на inference та затримками; хтось володіє краєвими вузлами, але не може сформувати єдину скоординовану мережу. Весь ланцюг індустрії швидко розвивається, але між рівнями існує багато розривів, дублювань та вузьких місць у ефективності.

Лише коли ці сім шарів інфраструктури будуть справді з’єднані, скоординовані та працюватимуть разом, галузь AI перейде від «інструментальної епохи» до «епохи широкомасштабного впровадження у розумний світ».

Перший шар торту: Електроенергія — енергетична основа

Промислова революція боролася за вугілля та нафту, епоха Інтернету — за трафік і сервери, а в епоху AI найнижчий рівень боротьби знову повертається до енергетики.

Адже AI в кінцевому підсумку споживає електроенергію. Витрати на електроенергію для великого AI-центру вже наближаються до рівня середнього міста. У всьому світі нові AIDC (AI-центри даних) стикаються з однією й тією ж проблемою: можна купити GPU, можна збудувати землю, але постачання електроенергії не встигає, а розподіл по мережі — теж.

Саме тому дедалі більше компаній AI починають знову звертати увагу на енергетичну інфраструктуру. На GTC 2026 Юсен Хуан навіть визначив майбутні дата-центри як «Token-фабрики». Їхній верхній рівень породжуватиме суперенергетичну індустрію.

На китайському ринку компанії, такі як Yangtze Power, China Nuclear Power, China General Nuclear, Three Gorges Energy, Longyuan Power, China Huadian New Energy, — представляють ключові енергетичні напрямки: гідроенергію, атомну енергію, вітрову та сонячну енергетику. З-поміж них, атомна та гідроенергія завдяки стабільності постачання стають найважливішими базовими джерелами для AIDC; вітрова та сонячна енергетика отримують додатковий поштовх через зростання попиту на «зелену» енергію та ESG.

Зі зростанням проектів «Довгий шлях на схід — обчислення на заході» та будівництва великих дата-центрів, співпраця між новими енергетичними базами та обчислювальними центрами швидко посилюється.

У США традиційні гіганти енергетики, такі як NextEra Energy, Dominion Energy, Duke Energy, Southern Co., Exelon, також отримують вигоду від розширення AI-даних центрів. Зокрема, NextEra — лідер у зеленій енергетиці Північної Америки; Dominion володіє ключовими трансмісійними ресурсами у «коридорі даних» Північної Вірджинії; Exelon, завдяки стабільності атомної енергетики, стає важливим гравцем у потребі «постійної високостабільної електроенергії» в епоху AI. Загалом, світова енергетична галузь поступово переходить від традиційних комунальних послуг до ключового ресурсу інфраструктури AI.

Загалом, конкуренція на цьому рівні змінюється з «боротьби за ціну електроенергії» між традиційними енергетичними компаніями на «боротьбу за контроль над довгостроковими, стабільними та дешевими джерелами енергії» між дата-центрами, хмарними провайдерами та енергетичними компаніями. Той, хто зможе закріпити довгострокове, стабільне та недороге енергопостачання, матиме першу «драконівську кулю» у виробництві Token.

Другий шар торту: AIDC — фабрика для виробництва Token

Окрема GPU безглузда, важливою є масштабована група. Тому з’явилися AIDC.

Вони схожі на сталеливарні заводи, електростанції та конвеєрні лінії індустріальної епохи — концентрують тисячі GPU, формуючи стабільну здатність виробництва Token. Але проблеми з’явилися і тут: традиційне будівництво AIDC зазвичай триває від 18 до 36 місяців, а розширення електромереж — ще довше. Коли попит на AI зростає експоненційно, швидкість будівництва старих IDC вже не може задовольнити нову Token-економіку.

На американському ринку Equinix — один із провідних операторів дата-центрів у світі, має понад 240 центрів у понад 30 країнах. Її головна перевага — не кількість приміщень, а глобальна мережа з низькою затримкою та високою швидкістю з’єднання, що робить її важливим вузлом для розгортання AI-обчислень.

Digital Realty через платформу PlatformDIGITAL входить у сферу AI-інфраструктури, обслуговуючи великі хмарні компанії та фінансові установи.

На китайському ринку润泽科技 — один із найяскравіших представників AIDC-операторів. Її основний бізнес поступово переходить від традиційних IDC до AI-обчислювальних центрів, з ключовими конкурентними перевагами у масштабних дата-центрах, енергоресурсах та операційних можливостях AIDC. Офіційні дані, такі як奥飞数据, 首都在线, — активно розширюють свої регіональні дата-центри, хмарну інфраструктуру та послуги з托管 AI-обчислень. 中科曙光 зосереджена на співпраці з урядовими та науковими структурами у сфері AIDC.

Ще один сегмент — «майнінг-ферми», що трансформуються. CoreWeave, IREN, Applied Digital, Cipher Mining — багато з них починали з криптовалютного майнінгу, але через стрімке зростання попиту на AI GPU швидко переключилися на AI-інфраструктуру. IREN фокусується на «зелений електроенергія + AI-обчислення», створюючи високоплотні GPU-центри на основі відновлюваних джерел енергії. Applied Digital і Cipher Mining також трансформуються з майнінгових ферм у високопродуктивні AI-обчислювальні інфраструктури.

Крім того, з’являється новий тренд — малі, модульні AI-фабрики, що швидко масштабуються. Як і в епоху Інтернету, коли великі машини поступово замінювалися хмарними сервісами, AI-обчислення дедалі більше розподіляються від великих центрів до регіональних краєвих вузлів.

Тому GoodVision AI обрала інший шлях: створення легких, модульних, швидко масштабованих AI-фабрик. У порівнянні з традиційними великими AIDC, вона робить акцент на регіональну розгортку, високоефективні GPU-кластери та інтеграцію енергетики й обчислень.

Їхній підхід — не будувати один великий дата-центр, а швидко розгортати у глобальних регіонах високоплотних населення маленькі вузли AI-фабрик (2-4 МВт). Така модель швидше підключає місцеві енергоресурси і краще відповідає тренду розгортання inference-обчислень на краях мережі.

Якщо традиційний AIDC — це сталеливарний завод індустріальної епохи, то AI-фабрики GoodVision — це «регіональні Token-фабрики» епохи AI — легкі, гнучкі, орієнтовані на користувача, і більш пристосовані до глобального розподілу inference-мереж.

Третій шар торту: GPU — обладнання для виробництва Token

Якщо електроенергія — це енергетика, то GPU — виробниче обладнання. У перші роки буму AI GPU переважно використовувалися для тренування; але у майбутньому попит зросте ще більше через inference. Адже тренування — це справа кількох провідних компаній, а inference проникне у кожен застосунок, кожен пристрій, кожен кінцевий термінал. Роботи, автопілоти, AI-окуляри — все це потребує inference, і навіть у майбутньому взаємодія між AI-агентами споживатиме Token у реальному часі.

NVIDIA залишається абсолютним лідером у галузі AI-чіпів. Її GPU H100, B200, Blackwell визначають стандарти тренування та inference у світі. Важливо, що NVIDIA не лише продає чіпи, а й створює цілі екосистеми — CUDA, TensorRT, DGX, HGX — що ускладнює конкуренцію, адже потрібно не лише змагатися у продуктивності GPU, а й у екосистемі програмного забезпечення.

AMD — головний конкурент у сегменті GPU, з продуктами на кшталт MI300X. Вони роблять ставку на відкриту екосистему та платформу ROCm, щоб залучити AI-розробників і бізнес-клієнтів.

Broadcom і Marvell — це інша стратегія: ASIC та високошвидкісні мережі. З ускладненням inference-застосунків все більше компаній намагаються створювати кастомізовані ASIC для підвищення енергоефективності та зниження вартості.

Intel намагається зайняти свою нішу через серверні CPU та прискорювачі Gaudi, прагнучи повернутися до конкуренції у AI-інфраструктурі, використовуючи свою CPU-екосистему.

У Китаї компанії, такі як寒武紀, мають репутацію національних лідерів у AI-чіпах, зосереджуючись на серії思元 та власних AI-фреймворках Neuware. 海光信息 має ліцензію на архітектуру AMD Zen і активно працює у сегментах DCU та inference.

Китайські виробники GPU, такі як摩尔线程, 燧原科技, 沐曦股份, 壁仞科技, — це представники «національної заміни» у галузі AI-чіпів. Вони прагнуть до сумісності з CUDA та створення власних GPU-кластерів.

З CUDA, HBM-пам’яттю та Tensor Core — ядром AI-індустрії є підвищення «ефективності генерації Token за одиницю часу». Водночас, інфраструктура — сервери, оптоволоконні модулі, системи охолодження, комутатори — тісно пов’язані з продуктивністю Token.

Ці компоненти не так яскраві, як NVIDIA або OpenAI, але визначають здатність AI-світу функціонувати. Це схоже на те, що для промислової революції потрібні не лише парові машини, а й залізниці, електромережі та порти. Революція AI — це не лише софт, а глобальне оновлення ланцюга виробництва енергії, чіпів, мереж, хмарних сервісів і інфраструктури.

Vertiv — світовий лідер у галузі UPS та управління електропостачанням для дата-центрів, пропонує системи живлення, розподілу по шафах та точкові кондиціонери.

英维克 — лідер у системах рідинного охолодження та температурного контролю на китайському ринку, клієнтами є BAT та інші великі інтернет-компанії. Зі зростанням потужності GPU, рідинне охолодження стає стандартом для AIDC.

中恒电气, 科华数据, 科士达 — важливі гравці у сферах UPS, систем живлення та живлення для IDC.

У напрямку мереж та оптоволоконних модулів — 中际旭创, 新易盛, 天孚通信 — отримують вигоду від стрімкого зростання високошвидкісних внутрішньомережевих комунікацій у AI-кластерах.

Що стосується серверних систем, то Dell, HPE, 超微, Lenovo, 浪潮信息 — відповідають за масштабне збирання та доставку AI-серверів.

Цей рівень, хоча і не безпосередньо орієнтований на кінцевого користувача, визначає здатність інфраструктури AI стабільно функціонувати. Рідинне охолодження, UPS, оптоволоконні модулі, комутатори, акумулятори та сервери — це як залізниці, електромережі та порти у промислову епоху, і стають справжнім «бізнесом з продажу інфраструктури» у світі AI.

Четвертий шар торту: LLM — двигун виробництва Token

LLM (великі мовні моделі) визначають, як Token розуміються, генеруються та організовуються. За останні два роки компанії, такі як OpenAI, Anthropic, Google, Meta, xAI, DeepSeek, розпочали глобальну «гонку великих моделей». Кількість параметрів з мільярдів перейшла до трильйонів, а здатності моделей розширилися від текстової генерації до мультимодальності, inference, кодування, Agent-співпраці та довготривалої пам’яті.

Проте з розвитком галузі ринок почав усвідомлювати: справжня цінність — не у тому, хто має найбільшу модель, а у тому, хто здатен з меншими витратами та більшою ефективністю підтримувати її роботу. Адже сама модель не створює цінності безпосередньо; цінність — у процесі inference, що виконується після кожного виклику.

Це означає, що LLM поступово перетворюється з «демонстрації можливостей моделей» у «двигун виробництва Token» у світі AI.

Закриті та відкриті моделі, такі як OpenAI, Anthropic, Google Gemini, Meta Llama, змагаються за майбутній доступ до AI-екосистеми; а нові гравці, як DeepSeek, — через дешевше та ефективніше inference — починають переосмислювати конкурентний ландшафт. Зараз конкуренція на рівні LLM вже не зводиться лише до кількості параметрів, а оцінюється за кількома показниками:

Вартість Token, ефективність inference, контекстуальні можливості, мультиагентна співпраця, довготривала пам’ять, здатність до інтеграції з інфраструктурою.

Адже у епоху AI важливо не просто мати «розумні» великі моделі, а щоб вони могли стабільно, масштабно та з низькими витратами працювати у глобальному масштабі. GoodVision AI має власні рішення для оптимізації цього процесу: співпрацюючи з виробниками великих моделей, розгортає їх у AI-фабриках, переходячи від оренди обчислювальних ресурсів до безпосереднього надання Token-сервісів; це підвищує маржу та покращує користувацький досвід.

П’ятий шар торту: Розподіл Token — «електромережа» епохи AI

Після створення AIDC постає питання: як зробити так, щоб ці обчислювальні ресурси використовувалися по всьому світу?

З’являються платформи оренди обчислювальних потужностей. Вони схожі на «електромережу» у епоху AI — розподіляють GPU-ресурси, що раніше були централізованими, і здають їх у оренду для розробників, компаній та AI-застосунків.

AWS, Azure, Google Cloud, Alibaba Cloud, Tencent Cloud — залишаються найпотужнішими гравцями цього рівня. Вони мають найбільшу глобальну інфраструктуру хмарних сервісів і поступово інтегрують ресурси AI GPU у свої IaaS-системи.

Разом із тим, швидко зростають «AI-орієнтовані хмарні платформи»: CoreWeave, Nebius, Nscale — спеціалізуються на AI-навчанні та inference, більш гнучкі та сфокусовані на GPU-кластерах.

CoreWeave — один із найяскравіших представників у цій ніші, спершу займався майнінгом Ethereum, але тепер повністю перейшов до AI GPU-хмарних сервісів і став одним із ключових партнерів NVIDIA.

DigitalOcean, Vultr — легкі хмарні платформи для малого бізнесу та стартапів, з акцентом на швидке розгортання та низьку ціну.

У Китаї основні гравці — 優刻得, 金山云, 首都在线 — є провідними постачальниками GPU-хмар та оренди AI-обчислень. Конкуренція тут схожа на ранню епоху електромереж: як ефективно розподілити розрізнені ресурси.

Шостий шар торту: Оптимізація Token та інтелектуальне диспетчерське управління — «мозок» AI

Це, можливо, найнедооціненіша, але й найважливіша частина «торту». Після стрімкого зростання кількості AI-агентів з’явилася проблема: не всі задачі варто виконувати великими моделями. Багато простих задач можна зробити локальними моделями; багато реальних у реальному часі — краєвими inference; конфіденційні — взагалі не можна завантажувати у хмари. Після питання «чи є обчислювальні ресурси» з’являється нове — «як розумно використовувати ресурси».

Зі зростанням попиту на Token, ключовим стає питання: «як забезпечити, щоб відповідна модель працювала на відповідних ресурсах для відповідних задач». Це — головна мета GoodVision AI у напрямку оптимізації AI Token-фабрик.

Як і в енергетичній системі: частина навантаження — від великих мереж; частина — від дахів із сонячними панелями. Важливою є саме «інтелектуальна диспетчерська система».

Майбутній AI матиме таку ж структуру: прості задачі — локальні малі моделі; складні — викликають великі хмарні моделі; висококонфіденційні — на краях мережі; високонавантажені — через гібридні хмари з динамічним диспетчерським управлінням.

Крім GoodVision AI, у цій сфері активно працюють QingCloud, Lambda, OpenRouter, Fireworks AI.

Цей «шостий шар» тісно пов’язаний із двома попередніми — AIDC і розподілом обчислювальних ресурсів. Коли GPU-ресурсів, регіональних вузлів і масштабів inference-задач стає дедалі більше, просто «володіння обчислювальною потужністю» вже не дає довгострокової переваги. Багато операторів AIDC і платформ GPU починають усвідомлювати: головне — не кількість GPU, а здатність динамічно керувати моделями, ресурсами та потоком Token.

Тому багато платформ, що раніше займалися AIDC і GPU-орендами, тепер розвиваються у напрямку «інтелектуального диспетчерського управління». Наприклад, у Китаї компанії, такі як優刻得, 首都在线, 中科曙光, — намагаються поєднати свої GPU-інфраструктури, мультихмарні ресурси та можливості inference-управління, щоб перейти від «продажу обчислювальної потужності» до «оптимізації обчислювальних процесів».

Сьомий шар торту: Моделі та Agent — споживачі Token

Цей рівень, хоча і найближчий до кінцевого користувача, є й найконкурентнішим. На GTC 2026 Юсен Хуан висловив ідею: у майбутньому кожна компанія стане «виробником і споживачем Token».

AI-агент може одночасно викликати кілька моделей, інструментів, API, і постійно виконувати inference, планування та виконання. Це означає, що обсяг Token, який споживатимуть AI-агенти, значно перевищить сьогоднішні масштаби людських діалогів з AI. Деякі глибокі користувачі AI вже будують системи з багатьма агентами, що одночасно викликають один одного, — і споживають по мільярду Token щодня.

Майбутнє — не 1 мільярд людей, що користуються AI, а 10, 100 або навіть 1000 мільярдів AI-агентів, що працюють одночасно, взаємодіючи між собою. І справжній вузький кут — не у моделях, а у ефективності диспетчеризації Token.

Гіганти технологій, такі як Microsoft, Google, Meta, Amazon, вже інтегрують AI у свої продукти — у офісні системи, пошук, соцмережі, хмарні сервіси.

Компанії, як Adobe, Salesforce, ServiceNow, Palantir, активно розвивають корпоративних AI-агентів та автоматизацію робочих процесів. А Hugging Face стає «GitHub» для AI-індустрії — не лише спільнотою моделей, а й важливою інфраструктурою для глобальної AI-екосистеми.

У Китаї компанії, такі як科大讯飞, 昆仑万维, 三六零, 金山办公, 商汤科技, — активно працюють над AI-асистентами, AI-офісами та AI-агентами.

Коли «сімшаровий торт» буде сформований повністю, світ AI справді почне

Зараз галузь AI ще перебуває у стані формування недосконалої інфраструктури.

Хтось має найсучасніші GPU, але обмежений енергопостачанням; хтось створює великі AIDC, але стикається з проблемами диспетчеризації; хтось розробляє потужних моделей і агентів, але з високими витратами на inference та затримками; хтось володіє краєвими вузлами, але не може сформувати єдину скоординовану мережу.

Від електроенергії, AIDC, GPU до LLM, розподілу Token, інтелектуального диспетчерського управління та AI-агентів — весь ланцюг AI-індустрії швидко зростає, але між рівнями існує багато розривів, дублювань і вузьких місць у ефективності.

Лише коли ця «сімшарова» інфраструктура буде повністю побудована і почне ефективно працювати у скоординованому режимі, галузь AI перейде від «інструментальної епохи» до «епохи широкомасштабного впровадження у розумний світ».

Майбутній світ AI — це вже не лише кілька великих компаній, що тренують великі моделі, а мільярди AI-агентів, що постійно працюють, співпрацюють і викликають обчислювальні ресурси та Token. Кожна взаємодія, inference, виклик інструментів і автоматичне виконання задач — це синхронна робота енергетичних систем, GPU, мереж, диспетчерських систем і inference-нодів.

Це означає, що галузь AI поступово перетворюється з «програмної логіки» у глобальну «індустріальну систему», що охоплює енергетику, чіпи, хмарні сервіси, краєві мережі та інтелектуальне диспетчерське управління.

Як і промислова революція, що потребувала не лише парових машин, а й залізниць, електромереж і портів; революція Інтернету — не лише ПК, а й оптоволоконних кабелів, дата-центрів і хмарних сервісів. Справжній зрілість революції AI визначить не один популярний застосунок, а глобальна «інфраструктура розумних базових систем», здатна безперервно виробляти, розподіляти, керувати та споживати Token.

Коли ця «сімшарова» інфраструктура буде справді з’єднана, конкуренція у галузі AI буде радикально переформатована. Найуспішнішими стануть ті компанії, що зможуть поєднати енергетику, обчислювальні ресурси, мережі, моделі та потоки Token.