В сентябре 2022 года Ethereum завершил исторический переход с Proof of Work (PoW) на Proof of Stake (PoS), что сделало устаревшими майнинговые фермы на GPU на миллиарды долларов буквально за одну ночь. Ethereum Merge не только положил конец золотой эпохе майнинга на GPU, но и поставил перед отраслью важный вопрос: куда уйдёт огромный мировой избыток простаивающей вычислительной мощности GPU?
Сегодня эту проблему решают децентрализованные физические инфраструктурные сети (DePIN). В секторе DePIN несколько сетей объединяют неиспользуемые GPU в распределённые вычислительные кластеры, предоставляя услуги рендеринга и AI-вычислений по цене, значительно ниже традиционных облачных провайдеров. Render Network занимает центральное место среди таких проектов.
По данным Gate на 8 мая 2026 года, токен RENDER стоит $1,9626, прибавив 2,27% за 24 часа и 14,82% за неделю, а его рыночная капитализация составляет примерно $1,018 млрд. Однако помимо ценовых колебаний, гораздо важнее структурные изменения в фундаментальных показателях сети: на AI-вычисления приходится уже 35–40% активности, суммарное количество отрендеренных кадров превысило 71,4 млн, число активных GPU-нод — более 5 700, сожжено свыше 1,24 млн токенов. Эти показатели отражают более глубокую тенденцию: децентрализованные вычислительные сети переходят от «токеновых субсидий предложения» к «реальному денежному потоку, основанному на спросе», где ключевую роль играет искусственный интеллект.
От краха майнинга к инфраструктуре AI-вычислений
Чтобы понять развитие Render Network в 2026 году, важно рассмотреть три ключевых смены парадигмы.
Первая смена произошла во второй половине 2022 года. После Ethereum Merge множество майнинговых ферм на GPU осталось без дела, майнеры столкнулись с обесцениванием оборудования и нулевым доходом. В то же время генеративный AI ещё не стал массовым трендом, и спрос и предложение вычислительных ресурсов GPU находились в неопределённом состоянии. В этот период судьба простаивающих GPU стала скрытой проблемой отрасли.
Вторая смена парадигмы пришлась на 2023–2024 годы. Взрывной рост генеративного AI, спровоцированный ChatGPT, вызвал экспоненциальный мировой спрос на GPU. Однако этот спрос не автоматически затронул разбросанные по миру неиспользуемые GPU, поскольку задачи обучения и инференса AI были сосредоточены на централизованных платформах вроде AWS и Google Cloud. Главной задачей децентрализованных вычислительных сетей в этот период стало «организация предложения» — как объединить разрозненные GPU в надёжные и пригодные для работы кластеры.
Третья смена парадигмы началась в 2025 году и ускорилась в первой половине 2026 года. Главная особенность этого этапа — переход децентрализованных GPU-сетей от «токеновых субсидий предложения» к «денежному потоку, основанному на спросе». Майнинговые фермы, оставшиеся без дела после Ethereum Merge, теперь используются для обучения и инференса AI через такие сети, как Render. Растущий спрос на недорогие AI-вычисления структурно совпадает с ценовым преимуществом децентрализованных GPU-сетей.
Развитие Render Network отражает эти процессы в миниатюре. Render был основан в 2009 году Джулсом Урбахом, основателем OTOY, первый публичный токенсейл прошёл в 2017 году, запуск основной сети состоялся в апреле 2020 года. В 2023 году сообщество одобрило предложение RNP-002 о миграции с Ethereum на Solana, что заложило основу для высокопроизводительных и недорогих on-chain-расчётов. В 2024–2025 годах сеть сосредоточилась на интеграции внешних операторов нод и проверке жизнеспособности распределённого управления GPU-ресурсами. В начале 2026 года, после внедрения и одобрения предложения RNP-023, к сети подключились примерно 60 000 GPU из децентрализованного субнета Salad, сформировав выделенный пул для AI-вычислений.
Базовая логика модели Burn-and-Mint Equilibrium
Модель BME: «Дефляционный транслятор» спроса на вычисления
В основе экономической модели Render Network лежит механизм Burn-and-Mint Equilibrium (BME), внедрённый по итогам голосования сообщества. Его работа строится на трёх этапах:
Первый — ценовая привязка. Каждая задача рендеринга или AI-вычислений оценивается в долларах США, пользователи оплачивают эквивалентную сумму в токенах RENDER. Такой подход устраняет неопределённость стоимости вычислений из-за волатильности криптоактивов и позволяет бизнесу и создателям точно планировать расходы.
Второй — оплата с сжиганием. После оплаты задачи соответствующее количество токенов RENDER сжигается, при этом удерживается комиссия сети в размере 5%. Таким образом, каждая транзакция в сети становится дефляционным событием.
Третий — периодическое эмитирование. Сеть выпускает фиксированное количество новых токенов за каждый эпохальный цикл (обычно раз в неделю), чтобы вознаградить операторов нод, предоставляющих вычислительные мощности. График эмиссии заранее задан и постепенно снижается, что обеспечивает долгосрочный контроль предложения.
Элегантность модели BME заключается в прямой связи между «объёмом использования» и «предложением токенов». По мере роста числа задач AI и рендеринга больше токенов RENDER сжигается, а новые токены эмитируются строго по расписанию, не зависящему от объёма сжигания. Это означает, что в периоды быстрого роста сети количество сжигаемых токенов может стабильно превышать эмитируемые, создавая структурное дефляционное давление. Данные за январь–сентябрь 2025 года, показывающие годовой рост сжигания токенов на 279%, подтверждают эффективность механизма.
«Дефляционный усилитель» AI-вычислений
AI-вычисления обладают уникальными характеристиками, превращая их в «катализатор» для механизма BME. В сравнении с задачами 3D-рендеринга инференс AI отличается тремя ключевыми аспектами:
Во-первых, более высокая частота. Одна задача 3D-рендеринга может занять часы, а запрос инференса AI обычно длится секунды или минуты. Это означает, что при одинаковом потреблении ресурсов AI-задачи генерируют гораздо больше on-chain-платежей и сжигания токенов, чем рендеринг.
Во-вторых, большая непрерывность. Рендеринг часто носит проектный и эпизодический характер, а инференс AI обычно работает как круглосуточная онлайн-услуга, обеспечивая стабильный поток спроса на сеть.
В-третьих, более крутая траектория роста. Мировой спрос на вычисления для инференса AI стремительно растёт. Render Network отмечает, что обучение составляет лишь небольшую часть AI-использования, а инференс — около 80%. Такая структура открывает возможность использования потребительских GPU для глобальных вычислительных задач.
В совокупности эти три свойства приводят к тому, что каждый процент роста доли AI-вычислений оказывает нелинейный усилительный эффект на дефляционное воздействие модели BME. Сейчас, когда на AI приходится 35–40% активности сети, и этот показатель продолжает расти, сеть вступает в положительный цикл: «рост спроса → ускоренное сжигание → сокращение предложения → увеличение плотности стоимости → приток новых нод → дальнейший рост спроса».
Ключевые показатели Render Network
Для наглядного представления фундаментальных изменений Render Network приведём основные метрики за первую половину 2026 года:
| Показатель | Данные | Описание |
|---|---|---|
| Цена RENDER | $1,9626 | Данные Gate на 8 мая 2026 года |
| Изменение за 24 часа | +2,27% | Изменение за 7 дней: +14,82% |
| Рыночная капитализация | ~$1,018 млрд | Капитализация в обращении |
| Суммарное число отрендеренных кадров | 71,4 млн+ | По состоянию на апрель 2026 года |
| Доля AI-вычислений | 35–40% | Продолжает расти |
| Активные GPU-ноды | 5 700+ | Обслуживают задачи AI и рендеринга |
| Суммарное сжигание токенов | 1,24 млн+ | Общая дефляция по модели BME |
| Новые GPU по RNP-023 | ~60 000 единиц | Salad subnet — эксклюзивный поставщик вычислений |
| Уровень одобрения предложения | 98,86% | Одобрение первого раунда по RNP-023 |
Анализ рыночных настроений: быки против медведей
Обсуждения Render Network и её токеномики далеко не однозначно оптимистичны. На рынке сосуществуют как бычьи, так и медвежьи взгляды, каждый из которых имеет свои аргументы.
Бычья логика: открытие стоимости и рост, основанный на спросе
Ряд индикаторов свидетельствует о растущем интересе к Render Network. В прошлых отчётах Render занимал четвёртое место среди DePIN-проектов по социальной активности: 1 800 публикаций и 162 900 взаимодействий. Такой социальный всплеск частично обусловлен улучшением фундаментальных показателей сети.
Бычий нарратив строится на трёх уровнях: во-первых, на уровне отраслевых трендов — мировой спрос на вычисления AI стремительно растёт, централизованные облачные сервисы сталкиваются с ростом затрат и дефицитом ресурсов, а децентрализованные альтернативы увеличивают долю рынка. Во-вторых, на уровне фундаментальных показателей сети — такие метрики, как годовой рост сжигания токенов, увеличение доли AI-вычислений и высокое одобрение RNP-023, указывают на переход от токеновых субсидий к реальному росту, основанному на спросе. В-третьих, на уровне токеномики — потенциал модели BME создавать структурную дефляцию при высоких AI-нагрузках формирует экономическую основу долгосрочной стоимости RENDER.
Медвежьи опасения: усиление конкуренции и пробелы в верификации
Медвежьи взгляды также заслуживают внимания и фокусируются на двух аспектах.
Во-первых, конкурентная среда. Несмотря на преимущество Render как первопроходца в децентрализированных GPU-вычислениях, конкуренты быстро догоняют. Akash Network использует модель обратного аукциона для предоставления различных вычислительных ресурсов, включая GPU; io.net агрегирует GPU на разных платформах, ориентируясь на задачи AI и машинного обучения. В более широком контексте централизованные гиганты вроде AWS и Google Cloud генерируют сотни миллиардов долларов ежегодно, тогда как доходы децентрализованных вычислительных сетей пока остаются скромными.
Во-вторых, проблема верификации результатов. В 2025 году Render Network столкнулась с инцидентами, когда вредоносные ноды возвращали повреждённые результаты рендеринга в Blender, и тогда не существовало on-chain-методов обнаружения таких случаев. Это вызвало дискуссию о «верифицируемости результатов» в децентрализованных вычислительных сетях: без криптографических доказательств такие сети напоминают «Airbnb для GPU» — они решают проблему сопоставления спроса и предложения, но вопрос доверия остаётся открытым.
Что касается «пробела в верификации», отраслевые наблюдатели признают это структурным недостатком, но считают, что он не отменяет применимость децентрализованных вычислительных сетей в отдельных сценариях — например, рендеринг и AI-инференс. Проблема в том, что критики часто смешивают «неполное решение вопроса доверия» с «провалом всего сектора», что является логической ошибкой и игнорирует быстрый прогресс технологий верификации, таких как zk-proof и доверенные вычислительные среды.
Кроме того, цена RENDER за год снизилась примерно на 58,46%, значительно оторвавшись от роста фундаментальных показателей сети, что заставляет некоторых сомневаться в эффективности захвата стоимости токеном.
Анализ влияния на отрасль: структурная трансформация сектора децентрализированных вычислений
Одобрение RNP-023 и продолжающийся рост AI-нагрузок — это не просто отдельные события, а драйверы трёхкратной трансформации структуры спроса и предложения, конкурентной среды и токеномики.
Во-первых, предложение вычислительных ресурсов переходит от «фрагментированного» к «масштабному». Подключение 60 000 GPU — это скачкообразный рост вычислительной мощности Render Network. Более того, эти GPU поступают из проверенной сети Salad, что обеспечивает надёжность и качество услуг, протестированные рынком, и должно снизить долю вредоносных нод, смягчив проблему верификации.
Во-вторых, инференс AI становится центральным полем битвы для децентрализованных вычислений. В сравнении с традиционным 3D-рендерингом инференс AI предъявляет более сложные требования к задержкам и верификации, но его рыночный потолок гораздо выше. Текущий фокус Render Network на AI-инференсе, включая партнёрства с такими компаниями, как Stability AI, уже начал формировать начальный синергетический эффект экосистемы.
В-третьих, токеномика переходит от «инфляционных стимулов» к «дефляционному положительному циклу». Ранние модели DePIN опирались на эмиссию токенов для привлечения предложения, что приводило к «активности, основанной на субсидиях» и дисбалансу спроса и предложения. С ростом реальных платёжных операций за AI-вычисления сжигание токенов структурно опережает эмиссию, что фундаментально меняет динамику рынка. С 2025 года и в начале 2026 года ведущие GPU-сети проходят трансформацию, которую рынок ещё не полностью оценил: переход от субсидируемого предложения к денежному потоку, основанному на спросе.
Заключение
Ethereum Merge поставил многих GPU-майнеров перед выбором, но взрывной рост спроса на AI-вычисления открыл новые возможности для этих простаивающих ресурсов. Благодаря модели Burn-and-Mint Equilibrium Render Network создала уникальную экономическую петлю в децентрализированных GPU-вычислениях: каждый запрос инференса AI — это одновременно потребление вычислений и дефляционное событие для токена.
В 2026 году, с внедрением предложения RNP-023 (одобрено 98,86% голосов, подключено около 60 000 GPU из Salad как эксклюзивных поставщиков вычислений), продолжающимся ростом доли AI-вычислений и быстрым сжиганием токенов, Render Network находится на переломном этапе, переходя от «сети только для рендеринга» к базовой «инфраструктуре AI-вычислений». Однако усиление конкуренции, разрыв между ценой токена и фундаментальными показателями сети, а также нерешённая проблема верификации результатов остаются ключевыми факторами, влияющими на дальнейшее развитие.
Для наблюдающих за сектором децентрализированных GPU главный вопрос — сможет ли модель BME реализовать своё обещание «дефляции, основанной на спросе» в условиях структурного роста спроса на AI-инференс? Ответ на этот вопрос определит не только ценностное предложение токена RENDER, но и роль децентрализованных вычислительных сетей в глобальной AI-индустрии.
