Рост прибыли на 13,84% без нового оборудования: кейс PITBIT ECOSYSTEM
Парк из 240 устройств Bitmain S21+ работал на стоке. После внедрения ПО PITBIT затраты на электроэнергию снизились на 10,38%, чистая прибыль выросла на 13,84%
Задача: повысить эффективность без расширения инфраструктуры
Клиент эксплуатировал промышленный майнинговый парк из 240 устройств Bitmain S21+. Оборудование работало на стандартной заводской прошивке, которая ориентирована на универсальные условия эксплуатации и не учитывает специфику конкретной площадки: качество электроснабжения, параметры системы охлаждения и особенности локальной инфраструктуры.
Задача состояла в том, чтобы повысить финансовую эффективность парка без дополнительных капитальных затрат, расширения мощностей и закупки нового оборудования. Основным рычагом для этого была выбрана программная оптимизация: настройка режимов работы устройств с учетом реальных условий площадки.
Исходные показатели
До внедрения системы PITBIT парк демонстрировал следующие характеристики. Производительность одного устройства составляла 235 TH/s, совокупный хешрейт парка достигал 56 400 TH/s. Энергопотребление одного устройства составляло 3,85 кВт/ч, суточное энергопотребление всего парка — 22 176 кВт/ч. При стоимости электроэнергии 4 рубля за киловатт суточные расходы на электроэнергию составляли 88 704 рубля.
По состоянию на 18 мая 2026 года доходность парка составляла 2001 доллар в сутки, что по актуальному курсу соответствовало 146 073 рублям в сутки. Чистая прибыль до налогообложения после вычета затрат на электроэнергию — 57 369 рублей в сутки.
Решение: методология работы команды
Работа велась в четыре последовательных этапа.
Этап первый — диагностика площадки и сбор исходных данных. До любых изменений в настройках специалисты PITBIT подключили систему мониторинга к каждому из 240 устройств и собрали детальную телеметрию: фактическое энергопотребление каждого устройства, температурный профиль в динамике, количество аппаратных ошибок, характер отклонений при запуске через генерацию. Это позволило увидеть, что разные устройства в парке работают с разной эффективностью даже при одинаковых заводских настройках: часть устройств потребляла больше расчетного, часть демонстрировала нестабильный запуск.
Этап второй — индивидуальная настройка режимов энергопотребления. Заводская прошивка применяет единые настройки частоты и напряжения ко всем устройствам без учета состояния конкретных чипов. На основе собранной телеметрии специалисты сформировали индивидуальный профиль для каждого устройства: скорректировали рабочие частоты и напряжение таким образом, чтобы каждый ASIC выдавал целевой хешрейт при минимально необходимом для этого энергопотреблении. Настройка велась последовательно по группам устройств с контролем результата после каждого изменения.

Этап третий — разработка конфигурации мягкого старта для работы через генерацию. Анализ телеметрии показал, что основной источник сбоев — резкий пиковый бросок тока в момент одновременного запуска устройств. Для устранения этого была разработана специальная конфигурация запуска: устройства набирают мощность не мгновенно, а поэтапно, с заданными временными интервалами и лимитами нарастания нагрузки. Параметры конфигурации подбирались исходя из характеристик конкретного генератора клиента и допустимых токовых нагрузок его инфраструктуры.
Этап четвертый — активация автопилота и установка пороговых значений. После завершения настройки был активирован модуль автоматического управления: команда задала пороги по температуре, напряжению и числу ошибок, при достижении которых система самостоятельно корректирует режим работы устройства без участия оператора. Тем самым результат оптимизации был зафиксирован в виде устойчивого автоматического контура, не требующего ручного вмешательства в штатных условиях.
Выводы
Данный кейс демонстрирует, что значительная часть потенциала майнингового парка остается нереализованной при работе на стандартных заводских прошивках. Программная оптимизация с учетом специфики конкретной площадки позволяет раскрыть этот потенциал без каких-либо капитальных вложений.
Для оператора парка из 240 устройств результат составил 276 480 рублей дополнительной прибыли ежемесячно при неизменной производительности и нулевых затратах на расширение инфраструктуры. На более крупных парках этот эффект масштабируется пропорционально.
По мере роста конкуренции и сжатия маржинальности в отрасли именно способность извлекать операционный резерв из уже установленного оборудования становится одним из ключевых факторов устойчивости майнингового бизнеса.
Результаты
После внедрения системы PITBIT энергопотребление одного устройства снизилось с 3,85 до 3,45 кВт/ч при неизменной производительности. Суточное энергопотребление всего парка сократилось с 22 176 до 19 872 кВт/ч, суточные затраты на электроэнергию снизились с 88 704 до 79 488 рублей.

Совокупный экономический эффект выглядит следующим образом. Ежедневная экономия на электроэнергии составила 9 216 рублей, снижение энергозатрат — 10,38 процента. Чистая прибыль выросла с 57 369 до 66 585 рублей в сутки, что соответствует приросту на 13,84 процента. В пересчете на месячный отчетный период дополнительная прибыль составила 276 480 рублей.
Производительность парка осталась на прежнем уровне: совокупный хешрейт 56 400 TH/s сохранился без изменений. Весь прирост прибыли получен исключительно за счет снижения операционных расходов на электроэнергию.
Дополнительные эксплуатационные эффекты
Помимо прямого финансового результата внедрение системы принесло ряд операционных улучшений, значимость которых для промышленного майнинга трудно переоценить.
До внедрения площадка сталкивалась с регулярными сбоями, вызванными резкими пиковыми нагрузками при запуске оборудования через генерацию. После настройки плавного пуска эти сбои прекратились, а поломки, связанные с нестабильной нагрузкой на энергетическую инфраструктуру, были устранены. Для промышленного майнинга это принципиально важно: даже кратковременный перегрев способен приводить к дорогостоящему ремонту и вынужденному простою, стоимость которого кратно превышает затраты на профилактику.
Автоматический контроль состояния оборудования снизил зависимость работы площадки от человеческого фактора. Система самостоятельно реагирует на отклонения в режиме реального времени, не требуя постоянного ручного мониторинга каждого из 240 устройств.
Источники изображений:
Сгенерировано нейросетью Nano Banana
Рубрики
Рекомендации партнеров:
Новости отрасли:
Все новости:
Публикация компании
Профиль
Рубрики