Вырос более чем в 7 раз от минимума: как L1-блокчейн Pearl устанавливает цены на вычислительные мощности GPU?

Автор: Decentralisedco

Перевод и адаптация: AididiaoJP, Foresight News

На терминалах Bloomberg отображаются индексы цен на видеокарты от Silicon Data, Ornn и Compute Desk. Все три отслеживают цены аренды H100, но не могут прийти к единому мнению о том, сколько именно стоит одна карта H100.

Большая часть вычислительной мощности GPU циркулирует по частным двусторонним контрактам со скидками, поэтому эти индексы не способны обеспечить эффективное ценообразование.

Однако крипто-сеть с 320 тысячами видеокарт уже использует реальные рыночные транзакции для определения цены вычислительной мощности GPU.

Почему никто не может установить цену на GPU?

Что вы фактически арендуете, когда платите от 3 до 10 долларов в час за карту H100?

На Vast.ai за 3 доллара вы получаете одну карту GPU в резервном серверном стоечном шкафу какого-то пользователя, подключенную через обычный Ethernet, без каких-либо гарантий аптайма. С другой стороны, та же самая H100 обойдется в 10 долларов в час, но она расположена в специально построенных дата-центрах Oracle Cloud, где карты объединены между собой каналом InfiniBand со скоростью 400 Гбит/с, а круглосуточный мониторинг осуществляет целая команда инженеров.

Цена превышает аналогичную более чем в три раза, потому что Oracle продает вам не просто доступ к чипу, а целую вычислительную экосистему. Одна эта разница увеличивает разрыв в цене на одинаковый кремниевый кристалл у разных провайдеров в 6,7 раза.

Разница в ценах существует, потому что сам по себе GPU — это не продукт. Это лишь сырье в рамках более крупного сервиса. Кластер из 512 карт GPU, соединенных внутри одного здания технологиями NVLink и InfiniBand, способен выполнять задачи распределенного обучения, тогда как 512 отдельных карт, разбросанных по пяти дешевым дата-центрам, не смогут сделать то же самое эффективно, даже при равном количестве чипов. Это совершенно разные продукты, которые случайно носят одно имя, подобно студийной квартире в Куинсе и пентхаусу на Верхнем Восточном Манхэттене: технически обе «нью-йоркские квартиры».

Рынок долговых обязательств уже понял эту логику. CoreWeave неоднократно брала кредиты под залог оборудования класса H100. Когда такой долг обеспечен долгосрочным соглашением типа «take-or-pay» от Meta, процентная ставка составляет около 5,9%. Но когда компания занимает деньги под такое же оборудование без контрактной обвязки, ставка падает до 9,75%. Разрыв в 400 базисных пунктов формируется исключительно клиентскими договорами поверх железа. Это отражает то, что рынок облигаций считает своим реальным залогом, а не сами видеокарты.

Вся логика фьючерсных контрактов строится на возможности классифицировать базовые активы. Вы проверяете его, сортируете по категориям, и разрыв между высшим и низшим сортами должен быть настолько узким, чтобы механизм ценообразования мог усреднить дисперсию. Например, отклонение золота от стандартных биржевых слитков Лондона составляет менее 1%, что и объясняет успешное функционирование золотых фьючерсов с 1970-х годов.

Для сырой нефти WTI допускается отклонение от базового сорта примерно в 5%, остальное компенсируется дисконтами и премиями. Даже живая скотина — вероятно, самый странный актив, который когда-либо пытались загнать в фьючерсный контракт, поскольку каждая корова биологически уникальна — имеет диапазон качества в пределах 15–20%. Однако когда Silicon Data провели бенчмаркинг 3500 видеокарт H100S в 11 различных локациях, разница в производительности составила 38%.

И это только характеристики самих чипов, без учета сетевой инфраструктуры, аптайма, систем охлаждения и всего прочего, что отличает дешевые стойки от корпоративных кластеров. Если добавить полную конфигурацию услуг, разброс цен расширится до 200–700%. На планете нет ни одной системы сортировки, которая могла бы поглотить семикратный разрыв в качестве. Мыслить, что фьючерсные контракты смогут чисто и объективно оценить такие активы, действительно заблуждение.

Что происходит, когда вы пытаетесь внедрить механизм поставок для неквалифицируемого актива? Вы получаете классический неблагоприятный отбор (adverse selection). Если продавец должен вам 1000 часов работы H100 по фьючерсу, он может поставить часы на дорогих топ-кластерах или на дешевых спотовых инстансах за $3 в час. И то, и другое формально соответствует условиям контракта. При этом они всегда выберут второй вариант, ведь разница остается у них в кармане, а у вас нет права регресса.

Джордж Акерлоф описал этот феномен в своей знаменитой статье 1970 года о «рынке лимонов». Его вывод гласил: когда покупатель не может проверить качество до поставки, худшие версии продукта систематически вытесняют все лучшие, пока рынок не разрушится изнутри.

Четко осознавая это, CME решил полностью отказаться от физической поставки в своем планируемом на 5 октября 2026 года фьючерсном контракте на GPU, заменив её расчетами в денежной форме по индексу Silicon Data. Проблема лишь в том, что этот индекс фиксирует цены из открытых прайс-листов облачных провайдеров, тогда как крупные покупатели фактически торгуются со скидкой в 40–50%. Механизм расчета опирается на оценочные значения по спискам, хотя очевидно, что большинство крупных игроков рынка вовсе не платят эти цены.

Эту проблему нельзя решить улучшением опросов. Информация, необходимая для точной привязки цены к конкретному GPU-часу в конкретном дата-центре, существует только в головах операторов этого оборудования, и у них есть веские причины держать её в секрете. Кроме того, вычислительная мощность — это товар потокового характера. Купленный в определенный миг GPU-час не исчезает навсегда. Любой ценовой сигнал на вычислительную мощность должен работать в режиме реального времени, иначе цифра устареет в момент вашего объявления.

Единственный способ получить эти данные — наблюдать за реальными сделками в полном масштабе, где контрагенты ставят собственные деньги. Это приводит нас к решению, эволюционировавшему из той же электроэнергетики: сети на кодовой базе Bitcoin, куда в настоящее время направлено 320 тысяч видеокарт.

А что, если мы можем рассчитать цену?

Майнеры биткоина запускают хеширование SHA-256. Эти вычисления существуют только ради одной цели: доказать, что майнер потратил определенное количество электроэнергии. Как только это доказательство записывается в блок, сам хеш или выполненная работа обесцениваются. Их нельзя повторно использовать, перенаправить на другие задачи или продать кому-либо за пределами блокчейна. Работа, затраченная на добычу одного биткоин-блока, не является взаимозаменяемой.

Проблема в том, что тысячи майнеров выполняют эту работу для каждого блока, но сеть принимает только один блок от одного майнера. Остальная работа выбрасывается. Каждый найденный, но отвергнутый сетью SHA-256 хеш представляет собой цикл GPU, который мог бы использоваться в коммерчески значимых задачах. А в 2026 году «коммерчески значимая работа GPU» означает лишь одно: вычислительная мощность для ИИ.

Pearl — это Layer 1 блокчейн, пытающийся придать вычислительной мощности GPU коммерческую ценность. Он наследует ту же самую консенсусную модель Proof-of-Work и алгоритмы регулировки сложности, что защищали биткоин с 2009 года. Однако майнеры Pearl обрабатывают не хеши SHA-256, а осуществляют умножение матриц на GPU.

Почему умножение матриц имеет ценность? Потому что именно оно лежит в основе ответов, которые генерирует ChatGPT. Тот же принцип работает, когда Nano Banana рендерит изображения по текстовым подсказкам, когда компании дообучают языковые модели на проприетарных данных, или когда беспилотные автомобили в реальном времени обрабатывают видеопоток с камер.

Вычислительное ядро каждой большой языковой и диффузионной модели, которая привлекала внимание Кремниевой долины и поглощала сотни миллиардов долларов капитала за последние три года, построено на умножении матриц. Pearl предоставляет майнерам дополнительные стимулы, превращая эти же операции в объект доказательства выполнения работы.

А как же безопасность? Это прямая функция хеш-алгоритмов. Непосредственно заменить функцию хеширования умножением матриц нельзя.

У SHA-256 нет shortcuts. Без полного расчета невозможно получить выход. Сам факт существования выхода означает, что требуемая работа действительно выполнена. Умножение матриц устроено иначе. По сути, вы выполняете операции умножения и сложения над числовыми последовательностями. Следовательно, математические паттерны позволяют майнерам находить ответы с минимальными усилиями, что подрывает достоверность Proof-of-Work.

Pearl использует механизм под названием NoisyGEMM, чтобы гарантировать честность майнеров. Процесс состоит из трех этапов:

До начала любых вычислений майнер фиксирует входную матрицу. После фиксации изменить входные данные становится невозможно.

Затем протокол добавляет случайный шум в зафиксированную матрицу. Это устраняет любые симметрии (shortcuts), которые могли бы запланировать майнеры. Поскольку участники не знают заранее, какой будет шум, им приходится выполнять вычисления постфактум.

Майнер выполняет полное умножение матриц над версией с шумом, разбивая процесс на блоки, обрабатываемые напрямую на GPU.

Каждый выходной блок хешируется и сравнивается с целевым значением сложности сети.

Если хеш отдельного блока оказывается ниже заданного порога, майнер получает награду за блок.

Внедрение шума предотвращает получение вознаграждения без реальных вычислений. Однако именно из-за этого шума исходные результаты рабочей нагрузки становятся недоступными. Решение Pearl заключается в присвоении шуму известной структуры. Это позволяет после завершения умножения математически отфильтровать шум с минимальными затратами ресурсов.

Когда видеокарта майнит Pearl, сеть измеряет, сколько операций умножения матриц выполнила эта машина за установленные протоколом 194 секунды на интервале между блоками, с учетом текущих параметров энергопотребления, охлаждения и сетевой связности.

H100, размещенная в корпоративном дата-центре с качественным охлаждением, обработает больше задач за один блок, чем тот же самый чип в домашней мастерской с плохой вентиляцией и потребительским Ethernet. Pearl автоматически фиксирует эту разницу, чего неспособны сделать какие-либо средние по модели индексы цен.

При масштабировании этой системы на 320 тысяч GPU в десятках географических регионов совокупная вычислительная мощность становится крупнейшим непрерывным эталоном реальной ИИ-мощности в истории. Она обновляется каждые 194 секунды без необходимости проведения опросов или публикации тарифных расценок.

Вычислительная мощность здесь также отражает конфигурацию. Каждая из этих 320 тысяч видеокарт способна генерировать доход от аренды на Vast.ai, CoreWeave, Lambda или десятках других облачных провайдеров, конкурирующих за клиентов в сфере ИИ. Эти операторы сознательно переключают свое оборудование на Pearl.

Когда где-либо в мире скачет спрос на реальную вычислительную мощность GPU, операторы отключают машины от Pearl, направляя их на обслуживание платных заказчиков, и общая мощность сети снижается.

При ослаблении спроса и падении доходов от аренды эти GPU возвращаются в сеть, увеличивая суммарную мощность. Регулировка сложности сети реагирует на такие миграции тем же способом, которым алгоритм сложности Bitcoin реагирует на изменения экономики майнинга с 2009 года.

Отличие заключается в том, что биткоин-майнеры оценивают затраты на электроэнергию против дохода от продажи добытых монет. Во время августовской жары 2023 года в Техасе Riot Platforms временно отключила большую часть своих установок, получив финансовую компенсацию от энергосети в размере 31,7 млн долларов США, что превысило стоимость добытых за тот же месяц 333 биткоинов втрое. Когда достаточное количество майнеров принимает такое решение, вычислительная мощность падает, а сложность пересчитывается каждые 2016 блоков, чтобы поддерживать генерацию нового блока примерно раз в 10 минут.

Такой поток GPU между сетью Pearl и рынком аренды формирует постоянно обновляемую равновесную цену вычислительной мощности. Высокий и растущий показатель мощности указывает на удешевление компьютера в открытом рынке, так как операторам выгоднее майнить Pearl, чем сдавать их в аренду.

Падение мощности сигнализирует, что где-то появился покупатель, готовый заплатить достаточно высокую цену, чтобы отвлекнуть машины. Этот ценовой сигнал базируется на проявленных предпочтениях (revealed preferences) и исходит от тысяч операторов GPU, которые своими устройствами и собственными деньгами выбирают приоритеты. Он не идет от решений маркетинговых отделов облачных провайдеров, которые печатают тарифы в прайс-листах, — именно этим ограничивались данные, доступные индексам Bloomberg и механизму расчетов CME.

Компания Together AI стала первым проектом, начавшим монетизацию на этой основе. 15 мая 2026 года она анонсировала endpoint для инференса, работающий поверх сети майнинга Pearl, предложив модель Gemma-4-31B-it-Pearl на 25% дешевле стандартных облачных тарифов. Бизнес-модель работает благодаря тому, что GPU, обслуживающие инференс через Together, одновременно продолжают майнить Pearl. Полученный майнинг-доход частично компенсирует операционные расходы, позволяя Together устанавливать цены ниже рынка без потерь собственной маржи.

Значительная часть сети Pearl еще не обслуживает текущий спрос со стороны платных клиентов на инференс, и ликвидация этого разрыва, безусловно, станет ближайшей задачей. Однако ценообразование от этого не зависит. Оно основано на реалистичности альтернативных издержек (opportunity cost), которые присутствуют как для каждой из 320 тысяч машин Pearl, так и для множества других устройств на рынке инференса.

Рынок вычислительной мощности GPU — это рынок объемом в сотни миллиардов долларов ежегодно, лишенный надежного механизма ценообразования. Индексы Bloomberg пытаются его отслеживать, но не способны дать точное направление даже за отдельные недели. CME планирует запустить 5 октября 2026 года фьючерсы на GPU с денежными расчетами по ценам из прайс-листов, которые крупные покупатели явно игнорируют.

Однако блокчейн-сеть на кодовой базе Bitcoin, существующая всего пять месяцев, где 320 тысяч видеокарт непрерывно решают: продолжать майнинг или сдавать мощности в открытый рынок, — уже формирует агрегированный результат, максимально приближенный к истинной цене в индустрии вычислительной мощности GPU.