Bitfury вступает в Gonka: компания вложила $12 млн в проект братьев Либерманов
Мощности в аренду
Проект Gonka AI, запущенный выходцами из России Давидом и Даниилом Либерманами, заключил соглашение об инвестициях с Bitfury, крупнейшим майнером криптовалют за пределами Китая. Bitfury инвестирует 12 млн USDT ($12 млн) в проект, который создает независимую инфраструктуру для децентрализованных ИИ-вычислений.
Как сообщили Forbes в Gonka AI, Bitfury купит 20 млн монет проекта (GNK) по цене 60 центов за штуку. Всего на данный момент выпущено и распределено 30 млн монет, а их общее количество составит около 1 млрд. То есть технически общую стоимость Gonka AI по раунду можно оценить в $600 млн, но эта оценка будет основана на очень маленькой доле — 2%.
Все привлеченные средства останутся в распоряжении сообщества и будут использованы для грантов разработчикам и в качестве различных стимулов развития проекта, сообщил Forbes представитель Gonka AI.
Либерманы запустили проект Gonka AI в августе 2025 года. Принадлежащая им американская компания Product Science разработала протокол децентрализованного ИИ, после чего контроль над проектом был передан сообществу пользователей Gonka. У Либерманов осталось 10% проекта, которые они не могут продавать в течение четырех лет с момента его запуска.
Gonka AI занимается созданием децентрализованной сети, в которую может добавиться любой обладатель мощных видеокарт (GPU) типа Blackwell или Hopper производства компании Nvidia. Средняя стоимость подобных видеокарт — от $30 000 до $60 000, они могут использоваться как для майнинга криптовалют, так и для ИИ-вычислений. Владельцы GPU с помощью протокола Gonka могут сдавать их в аренду всем, кто нуждается в вычислительных мощностях для ИИ-проектов, получая оплату в монетах проекта (GNK). В свою очередь, пользователи используют мощности проекта для ИИ-вычислений, покупая GNK для оплаты услуг Gonka.
Инвестиция в Gonka AI — первая инвестиция Bitfury, сделанная после создания фонда в размере $1 млрд, которые майнер планирует инвестировать в этичные крипто- и ИИ-стартапы. Bitfury в 2011 году создали латвиец Валерий Вавилов и украинец Валерий Небесный, первые большие деньги компания заработала на майнинге биткоина. Сейчас в группу Bitfury входит несколько компаний, две из них публичные: Cipher Mining (рыночная капитализация около $7 млрд) и Hut8 (около $4 млрд).
По данным Gonka, на первом этапе ее сеть состояла из 80 GPU, в начале октября их было уже 500, сейчас — более 5000 видеокарт типа H100 и их эквивалентов. Для сравнения: у BitTensor, крупнейшего на данный момент проекта в области децентрализованного ИИ, чуть больше 8000 GPU, а сам проект оценивается в $3 млрд.
В конце октября о намерении запустить децентрализованную сеть для ИИ-вычислений заявил основатель Telegram Павел Дуров: проект будет называться Cocoon, его работа будет также поддерживаться GPU-майнерами, которые будут получать вознаграждение во внутренней валюте Telegram — монетах Toncoin (TON).
Давид и Даниил Либерманы — серийные предприниматели, живущие в США. Они занимались технологиями дополненной реальности (их стартап Kernel AR в 2016 году выкупила Snap Inc.), венчурными инвестициями, а также развивали проект «инвестиций в людей» в рамках созданной ими The Libermans Company.
Зачем это нужно?
Эксперт в области машинного обучения и ИИ Иван Серов называет сделку довольно крупной. Bitfury, по его словам, таким чеком словно говорит: «Мы верим, что DeAI — это уже не просто хайп». Есть ощущение, что оформляется целый класс децентрализованных сетей для AI-компьютинга, делится впечатлениями Серов. При этом он не верит в светлое будущее децентрализованного ИИ как единственно возможного развития: «Скорее, это важная ниша в общей AI-инфраструктуре, а не замена OpenAI или AWS».
Здесь речь скорее не столько про «децентрализованный ИИ», сколько про аренду вычислительных мощностей, считает старший аналитик BestChange.ru Никита Зуборев. А это, в свою очередь, может быть полезно в широком спектре задач: обучение моделей ИИ, инференс (решение ИИ-задачи на новых данных, например, распознавание в реальном времени лица по фото), гидродинамика (моделирование потоков жидкостей и газов), моделирование молекул (изобретение лекарств и антидотов), производство спецэффектов для видео, 3D-проектирование и анимация, анализ больших данных (Big Data), майнинг некоторых криптовалют и т.д., перечисляет он. Подобная модель бизнеса, по его словам, позволяет технологическим стартапам убрать необходимость покупать на старте дорогостоящее оборудование, позволяя масштабировать вычисления по необходимости.
«Мы внимательно следим за развитием децентрализованных технологий, включая решения на базе мультиагентных систем», — говорит руководитель R&D-отдела «Авито» Александр Рыжков. По его словам, подобные архитектуры позволяют снизить зависимость от централизованных вычислительных узлов и обеспечивают высокую надежность: даже при сбое части узлов сеть продолжает функционировать, что критически важно для поддержания ее работоспособности: «Особую роль здесь играют мультиагентные системы, где автономные алгоритмы кооперируются для решения сложных задач, формируя гибкий коллективный интеллект, недоступный монолитным моделям».
С появлением все большего числа стартапов в сфере ИИ понадобится много дешевых вычислительных мощностей, которые смогут обеспечить не только крупные корпорации, но и мелкие участники рынка, объединенные в крупные кластеры благодаря проектам, подобным Gonka AI, считает Никита Зуборев. «Перспективы у этой ниши бизнеса очень позитивные. Сферы, где могут быть использованы GPU-мощности, довольно технологичны, привлекательны и еще не заняты полностью. Совершенно точно будет появляться множество компаний, поэтому спрос на распределенные GPU-сети будет расти, а значит, и связанные с этим проекты потенциально прибыльны», — заключает он.
Если отбросить типичный крипто-маркетинг, есть несколько вполне логичных плюсов, размышляет Серов. «Во-первых, сейчас нормальные GPU в дефиците, а рынок контролируют несколько монополистов — Nvidia + скейлеры типа AWS и Azure. В то же время Gonka и подобные сервисы обещают быть им альтернативой, свести в один рынок много разрозненных GPU (майнеры, хостеры, дата-центры второго эшелона) и сделать к ним простой доступ: не надо проходить корпоративный онбординг, можно просто прийти с кошельком и заплатить токенами. К тому же они могут потенциально снижать цены на вычисления за счет конкуренции между провайдерами, то есть пользователи будут платить меньше, чем тому же AWS», — продолжает эксперт.
Во-вторых, приватность. Для многих компаний в таких сферах, как, например, финансы или медицина, или даже стран, как Россия, это очень важно, убежден Серов. «Далеко не во всех компаниях разрешено использовать даже отечественные облачные сервисы, а про международные я вообще молчу, — говорит он. — DeAI предлагает простую идею: никто не может вас отключить, цензурировать или переписать правила в одностороннем порядке. В-третьих, с точки зрения провайдеров мощных видеокарт, есть потенциальная возможность заработать больше, чем от майнинга. Но будет ли это работать в реальности — пока непонятно».
Что может пойти не так?
При этом пока не очень ясно, насколько хорошо это будет работать по сравнению с классическими сервисами, которые отлаживались годами, ведь даже они иногда «падают», обращает внимание Иван Серов. «С точки зрения техники возможны задержки, нестабильность и непредсказуемость работы такой сети, а также безопасность данных при распределенной обработке и сложность оркестрации больших тренировок на разнородном зоопарке GPU, — размышляет он.
Кроме того, не стоит забывать и о регуляторных рисках, особенно в США и ЕС, указывает Серов. «Например, токены могут трактовать как ценные бумаги, и тогда появятся требования KYC, похожие на то, что есть у криптобирж сейчас», — делает вывод он.
Если возвращаться к мультиагентным подходам, то они открывают дополнительные возможности для масштабирования и гибкой координации вычислительных процессов, однако они также не лишены проблем, обращает внимание Рыжков. Главный вызов сегодня, по его мнению, заключается не в самой архитектуре, а в умении правильно настраивать и отлаживать поведение тысяч независимых агентов: «Более того, способность таких систем поддерживать высокую производительность также вызывает скепсис. Сейчас основная задача индустрии — научиться эффективно контролировать эти процессы без ущерба для децентрализации. Мы уверены, что дальнейшие исследования и инженерные разработки в этой области будут способствовать созданию более устойчивых и производительных систем, способных дополнять и усиливать существующие цифровые решения».
Либерманы далеко не пионеры в освоении этой сферы. Уже не первый год существуют Render Network, Aethir и Bittensor, которые занимаются тем же, замечает Никита Зуборев. Кроме того, задолго до эпохи расцвета ИИ и появления криптовалют возникла распределенная вычислительная платформа Rosetta@home, которая с 2005 года использовала вычислительные мощности добровольцев в научных исследованиях структуры белков. «То есть сама бизнес-модель не является новой и появилась в ответ на спрос со стороны инженеров и ученых», — говорит Зуборев.
Но даже если рассматривать исключительно сферу применения в области ИИ, то зачастую максимум ресурсов тратится именно на обучение модели — если говорить, например, о нейросетях, которые используют для распознавания изображений или генерации новых по заданным условиям, рассуждает Зуборев. «Для их работы нужны уже гораздо меньшие вычислительные мощности, чем на этапе их обучения, и компании могут брать в аренду чужие избыточные мощности, чтобы после обучения GPU не простаивали зря. Это удешевляет процесс разработки моделей, снижает стоимость тестирования гипотез разработчиками и увеличивает их скорость», — резюмирует он.
При участии Владислава Нового