Что выгоднее, Майнинг на GPU или инференс LLM 2026?

Доходность RTX 4090 на PoW вроде Kaspa или Clore давно уперлась в розетку и сложность, где при $0.06 за кВт·ч получается в лучшем случае $0.40–0.60 чистыми в сутки с карты. Тот же риг на 8x RTX 4090, подсоединенный к Vast.ai, Render Network или io.net под инференс Qwen 2.5 72B или Llama 3.3 70B в vLLM, выдает совсем другие цифры, но и геморроя с ним в разы больше.

Если в PoW ты прошил BIOS, зажал Power Limit до 250W, выставил lock memory clock на 810 MHz, направил кулеры и закинул стрейт на пул, то под инференс такой сетап не покажет адекватной утилизации.

Главная проблема сдачи видеокарт под ИИ-нагрузки - задержка шины и память. На децентрализованных маркетплейсах заказчики берут ноды под конкретные задачи: кто-то гоняет инференс FP8/INT4, кому-то нужны тензорные ядра под мелкий fine-tuning через LoRA.

Разница по железу и настройке выглядит так:

• Магистраль PCIe: Для PoW (например, Ethash-подобных или HeavyHash) хватит райзеров x1 PCIe 2.0/3.0. Для инференса нужен полноценный пропускной канал. Если карта сидит на PCIe 3.0 x1, гонять веса модели на 40+ ГБ из ОЗУ в VRAM - это смерть по latency. Нужны материнки с поддержкой минимум PCIe 4.0 x8, а лучше x16 на слот, либо серверные платы с коммутаторами Broadcom/PLX.
• Объем и скорость VRAM: В PoW важен размер DAG-файла или ширина шины. В LLM инференсе размер VRAM - это главный лимитирующий фактор. Карта RTX 3090 (24GB) ценится выше, чем RTX 4080 (16GB), просто потому что в 16 ГБ не влезает даже quantized Llama-3-70B при параллельном обслуживании нескольких пользователей через KV-кэш.
• Энергопотребление и скачки нагрузки: В майнинге энергопотребление линейное. Ты ставишь nvidia-smi -pl 280 и график потребления идет по прямой линии. В инференсе при поступлении батча промптов карта мгновенно прыгает с 30 Вт в простое до 450 Вт в пике execution. Если БП дешевый или посажен на одну линию (например, старые китайские блоки на 2000W), срабатывает защита по току (OVP/OCP) от резкого dI/dt.
• ПО и драйверы: Майнинг работает на любом софте типа HiveOS/RaveOS с базовым драйвером NVIDIA. Для ИИ нужен Linux (Ubuntu Server 22.04/24.04), свежие CUDA Toolkit (12.x), Docker, nvidia-container-toolkit и настроенные демоны авторизации площадки.

По экономике: на Vast.ai за RTX 4090 просят около $0.35–$0.50 в час, но это при 100% утилизации (On-Demand). Реальный заполняемость ноды без статического IP и с пингом выше 50мс к основным дата-центрам редко превышает 50–60%. Когда сдавать карту не кому, она просто жрет 40–50 Вт в простое и не приносит ничего.

В итоге, если есть инфраструктура с нормальным охлаждением, стабильный канал хотя бы 1 Gbps, гигабайты системной ОЗУ (минимум 1:1 к объему VRAM) и желание регулярно обновлять контейнеры - сдача карт под инференс дает х2–х3 к доходности относительно PoW. Если риг собран из "говна и палок" на каркасе из деревянных реек, с райзерами x1 и процессором Celeron, единственное, на что он способен - уныло крутить алгоритмы типа Pyrin или NEXA.

Операционка и администрирование

Операционка и администрирование – вот где всплывают настоящие трудозатраты, о которых молчат в промо-роликах маркетплейсов.

Что происходит на стороне ОС и софта

В майнинге вся настройка укладывается в один скрипт авторизации и кастомный конфиг-файл майнера (Gminer, LOLMiner или Rigel). В случае с арендными площадками под ИИ (вроде Vast.ai, Clore.ai или RunPod) хост-машина становится полноценным узлом виртуализации.

Вот базовая разница в стек-архитектуре:

[ PoW Mining ]
Linux Kernel -> NVIDIA Driver -> Mining Executable -> Stratum Pool
[ AI Inference Node ]
Ubuntu Server 22.04/24.04 LTS 
  ├── NVIDIA Driver (535/550+ Open Kernel Modules)
  ├── CUDA Toolkit (12.x) & nvidia-container-toolkit
  ├── Docker Daemon (с нативной интеграцией cgroupsv2 для лимита GPU)
  ├── Host Daemon площадки (Vast/Clore client: мониторинг, проброс портов, SSH-ключи)
  └── Container Context (vLLM / Ollama / ComfyUI / PyTorch + HuggingFace Cache)

Если у тебя упал майнер, watchdog перезапускает процесс за 3 секунды. Если у тебя в контейнере арендатора упал vllm.entrypoints.openai.api_server из-за Out-Of-Memory (OOM) по причине разросшегося KV-кэша на длинном контексте (например, 32k токенов на Llama-3), клиент просто отменяет аренду. Ты теряешь рейтинг хоста (Uptime Score) на платформе, и твоя нода вылетает из выдачи поиска на несколько дней.

Пропускная способность сети и дисковый ввод-вывод

Для майнинга объем входящего/исходящего трафика смехотворен: шары отправляются пакетами по пару килобайт через Stratum-протокол. Подойдет даже 4G-модем с пингом 80мс.

Для аренды под инференс и файн-тюнинг сеть – прямое узкое горлышко:

• Загрузка весов моделей: Клиент арендует карту и затягивает из HuggingFace модель Llama-3-70B в квантовании INT4 (около 40 ГБ). На канале 100 Мбит/с этот процесс займет почти час. Всё это время клиент платит деньги за простой и пишет негативный отзыв. Канал должен быть минимум 1 Гбит/с симметричной оптики (лучше 2.5–10 Гбит/с).
• Дисковая подсистема: Забудь про дешевые SATA SSD или старые HDD, которые еще сносны для запускного диска HiveOS. Контейнеры ИИ постоянно пишут кэш и читают гигабайтные тензоры. Нужны NVMe-накопители (PCIe 4.0 x4) с контроллерами, имеющими DRAM-кэш (например, Samsung 980 Pro / Kingston KC3000), объем – минимум 2 ТБ на каждые 4 видеокарты. Дешевые безбуферные SSD быстро перегреваются, сваливаются в троттлинг по IOPS и завешивают весь Docker-демон.

Безопасность и изоляция хоста

Когда ты сдаешь GPU под вычислительные задачи сторонним людям, ты фактически даешь доступ к исполнению произвольного кода внутри контейнера на своем железе.

Если на хост-системе криво настроен Docker или используется устаревшее ядро без закрытых уязвимостей типа Container Escape (побег из контейнера), арендатор может получить root-доступ к основной ОС.

Обязательные шаги для защиты ноды:

• Отключение privileged режима в настройках хост-демона.
• Настройка iptables / ufw для жесткой изоляции локальной сети (чтобы арендатор из контейнера не просканировал твою домашнюю сеть или роутер).
• Использование отдельных VLAN для майнинг-сегмента и вычислительных узлов.
• Отключение SSH-доступа по паролю на хост-машине и использование авторизации строго по Ed25519-ключам.

Финансовые риски и отток ликвидности

В PoW доход капает на пул нативно: намайнил монеты -> получил выплату на кошелек раз в сутки. Risk/Reward прозрачен.

В ИИ-сервисах выплаты идут во внутреннем токене платформы или в крипте (USDT/BTC) с задержкой (Hold Period). Например, на Clore.ai или Render часть награды выплачивается в их собственных токенах, курс которых подвержен жесткой волатильности. Если токен платформы уходит вниз на 20% за день, твоя фактическая доходность с аренды превращается в цифры ниже PoW.

Если у тебя нет желания дежурить около терминала, править права доступа nvidia-persistenced, чистить кэши Docker командой docker system prune -a и разбираться, почему PyTorch вылетел с сегфолтом из-за конфликта версий cuDNN – аренда железа под ИИ быстро превратится в неликвидную головную боль.

Пошаговый сценарий настройки десктопного сетапа под сдачу в Compute-сети

Если на руках есть условный рабочий ПК или риг на базе 2x RTX 4090 / 3090 и желание перевести его с PoW на инференс, типовая сборка софтверной части выглядит так:

1. Чистая установка Linux и базового окружения

Забудь про специализированные майнерские сборки на флешках. Нужна чистая Server-версия дистрибутива на NVMe-диске:

# Обновляем пакеты и ставим базовый софт
sudo apt update && sudo apt upgrade -y
sudo apt install -y build-essential dkms git curl wget htop nvme-cli net-tools ufw

2. Установка драйверов NVIDIA и CUDA без лишнего мусора

Не ставь драйверы через стандартный ubuntu-drivers autoinstall — он часто подтягивает десктопные библиотеки и ломает Headless-режим. Забирай официальный ветку драйвера (например, 550+):

# Добавляем репозиторий NVIDIA
sudo add-apt-repository ppa:graphics-drivers/ppa -y
sudo apt update
sudo apt install -y nvidia-driver-550-server nvidia-utils-550-server
# Включаем persistence mode (чтобы GPU не уходили в спящий режим и не тормозили при старте контейнера)
sudo nvidia-smi -pm 1

После перезагрузки проверяем состояние шины и лимиты мощности. Для стабильности в режиме 24/7 имеет смысл слегка подрезать TDP, чтобы снизить пиковые температурные прыжки VRAM:

# Ограничиваем RTX 4090 до 350-380W вместо дефолтных 450W
sudo nvidia-smi -pl 360

3. Настройка Docker и NVIDIA Container Toolkit

Без проброса GPU в изолированные контейнеры ни один маркетплейс (Vast.ai, Render, RunPod) работать не будет:

# Установка Docker CE
curl -fsSL https://get.docker.com -o get-docker.sh
sudo sh get-docker.sh
# Добавление NVIDIA Container Toolkit
curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg
curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list | \
  sed 's#deb [^ ]* #&[signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] #' | \
  sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list
sudo apt update
sudo apt install -y nvidia-container-toolkit
# Настройка runtime и перезапуск демона
sudo nvidia-ctk runtime configure --runtime=docker
sudo systemctl restart docker

Проверка, что видеокарта видна внутри контейнера:

docker run --rm --gpus all nvidia/cuda:12.0.0-base-ubuntu22.04 nvidia-smi

Сравнительный финансовый срез под разные типы видеокарт

Чтобы понимать реалии рынка, сводная таблица по окупаемости и пригодности популярного железа:

* Доход указан с учётом средних значений утилизации (50-70%) и вычета стоимости электроэнергии по тарифу $0.06/кВт·ч.

Альтернативный сценарий: Гибридный майнинг/инференс через авто-переключение

Для тех, кто не хочет терять деньги во время простоя ноды на ИИ-маркетплейсах, существует схема динамического переключения задач:

• Основной приоритет: Демон Vast.ai / Clore.ai ждет заказа от клиента.
• Фоновый процесс: Пока сдавать карту не кому (нет активной аренды), скрипт-воркер запускает легкий PoW-майнер (например, Kaspa или Zephyr на CPU/GPU).
• Триггер переключения: Как только поступает API-запрос на создание Docker-контейнера под ИИ, скрипт мгновенно посылает SIGKILL майнеру, высвобождает VRAM и отдаёт карту клиенту.

Реализовать это можно через простой bash-скрипт мониторинга состояния Docker-контейнеров:

#!/bin/bash
# Простой воркер мониторинга активных ИИ-контейнеров
MINER_PID=""
while true; do
    # Проверяем, есть ли запущенные контейнеры кроме системных
    ACTIVE_CONTAINERS=$(docker ps -q --filter "label=ai_workload=true" | wc -l)
    if [ "$ACTIVE_CONTAINERS" -gt 0 ]; then
        if [ ! -z "$MINER_PID" ]; then
            echo "[+] Поступила ИИ-нагрузка. Останавливаем фоновый майнинг..."
            kill -9 $MINER_PID
            MINER_PID=""
            # Возвращаем кулеры и лимиты под ИИ
            nvidia-smi -pl 380
        fi
    else
        if [ -z "$MINER_PID" ]; then
            echo "[-] Нет арендаторов. Запускаем фоновый PoW-майнер..."
            # Подрезаем Power Limit под майнинг для экономии розетки
            nvidia-smi -pl 250
            /opt/miners/rigel --algo kaspa --pool stratum+tcp://... --wallet ... &
            MINER_PID=$!
        fi
    fi
    sleep 10
done

Такая обвязка позволяет убрать главную проблему ИИ-аренды — нулевой доход во время ожидания заказчика, сохраняя при этом готовность ноды принять высокооплачиваемый таск за пару секунд.

Итоговый выбор упирается исключительно в готовность администрировать стек. PoW — это классическая история про инвестиции в железо с минимальными операционными затратами. Сдача карт под ИИ — это полноценный micro-IaaS бизнес, где ты выступаешь в роли мини-провайдера облачных вычислений.