开放算力6

⑴ 华为发布最强AI训练集群Atlas 900的意义何在

日前，在华为全联接2019大会上，华为副董事长胡厚昆发布了Atlas 900 AI训练集群。

此次发布的Atlas 900 AI训练集群由数千颗升腾910 AI处理器互联构成，每颗升腾910 AI处理器内置32个达芬奇AI Core，单芯片提供比业界高一倍的算力。集群总算力达到256P～1024P FLOPS @FP16，相当于50万台PC的计算能力。

华为已在华为云上部署了一个Atlas 900 AI训练集群，集群规模为1024颗升腾910 AI处理器。华为以极优惠的价格，面向全球科研机构和大学，即刻开放申请使用。

传统上，我们对华为的认知是一个做基站的通讯业厂商，后来华为开始做手机，是一个手机厂商，而事实上，华为还有一个企业业务BG，为企业服务也是华为的重要业务。

那么，华为搞这个Atlas 900 AI训练集群的目的是什么?这个东西到底有多先进?其意义何在呢?

一、 升腾910的实力

最近几年，随着深度学习算法的突破，人工智能开始热了起来。但是人工智能的计算模式与传统的CPU计算不太一样，这让算力成了瓶颈。

一开始，人们用很多CPU组成传统的超级计算机，做AI计算。

后来，人们用GPU并行计算的优势，把GPU做人工智能计算。我们熟悉的AlphaGO，就是在nVIDIA的GPU上训练的。

但是，从理论角度，GPU设计出来是跑 游戏 ，跑设计的，而不是为了计算的。后来nVIDIA的黄老板发现，这么强大的计算能力只用来玩 游戏 太浪费，搞出来通用计算，GPU才能跑计算。

而那个时候，深度学习还没突破，人工智能还没热闹起来，所以GPU跑AI计算其实也是兼职，不是专职。

最后，人们干脆搞专门的芯片用来做AI计算，谷歌在搞，网络在搞，中科院投资的寒武纪在搞。

华为一开始是买的寒武纪的IP，用在自己的麒麟970上面，但是很快华为发现这个东西自己也可以来，于是就开发出达芬奇架构，搞出来升腾910。

按照华为的数据，在7nm工艺上，升腾910相比Nvidia 12nm下的Tesla V100要快一倍。

因为Tesla V100不仅算AI，也要当超算的加速器用，阉割一下还得当显卡用，所以晶体管不能全部用在算AI上。

而升腾910是专用的，这个差别，类似于CPU挖矿，GPU挖矿和矿机芯片挖矿的区别。

从专用芯片比较，网络的昆仑，寒武纪公布的芯片算力效率也很强大。但是它们相比华为的硬件实力有很大差距。

所以，华为的产品已经流片上线，它们的产品还在PPT和流片实验阶段。

目前，你能用上的AI计算，华为的方案是最强的。

二、 华为的意图

目前，华为的升腾910和Atlas 900 AI训练集群对外不销售，而是通过网络提供廉价的算力。

从成本上看，Atlas 900 AI训练集群采用“HCCS、 PCIe 4.0、100G以太”三类高速互联方式，高速低延迟互联的另外一个涵义就是“贵!”。

而升腾910用7nm流片，7nm本身就很贵，nVIDIA还用便宜的12nm，华为用昂贵的7nm加上昂贵的高速互联，成本应该高很多。

但是，华为偏偏不高价卖。

nVIDIA的Tesla V100一个卖1万美元。谷歌对外租，但是你要租一个32核的算力一个小时24美元，租一年优惠价是37842美元。

华为的价格还没出来，但是华为说了会以极优惠的价格，面向全球科研机构和大学。

华为高成本搭建算力平台，低价出租，这是做慈善吗?

当然不是，华为的意图也很有意思。

现在人工智能热，相当于淘金。而华为，nVIDIA和谷歌(未来也许有网络、寒武纪)是卖水的。

在通讯行业，电信运营商是淘金的，华为、诺基亚，爱立信是卖水的。

华为知道卖水能发财，目前这个布局期，我卖便宜点，尽量让淘金者喝我的水，然后习惯用我的杯子，我的水桶(AI配套的软件框架)，等你习惯了，整个AI业界都用我的算力。我再舒舒服服的收费，淘金者就只能从我这买水了。

这个策略，和当年微软纵容盗版Windows一样，你习惯用Windows不是个系统问题，而是整个生态都在Windows下没法换了。X86处理器也没法换。

这是华为的意图。

三、 华为的AI大局缺一个网络

我们知道，当年在桌面计算上。是Wintel联盟，英特尔出硬件，微软出软件，搭建生态系统。

后来移动领域，是AA，ARM和安卓，ARM和苹果。

华为要搞这个，不仅是开放算力的问题，还需要有一个搞软件，搞应用的把算力需求放到华为平台上来。

这个人是谁呢?网络最合适 。

网络深耕AI的年头很长，布局时间和谷歌差不多，其他家的AI还在概念的时候，网络的AI已经落地到工业企业，用于质检，物流，客服很多领域了。

网络的做法是，前台服务结合行业，后台算力在网络的AI云上，网络提供软件框架，落地到解决方案。网络云端相当于AI的大系统。

华为的AI卖水要成功，需要和网络结合起来，华为AI提供算力，网络把华为的AI算力，做成AI云平台，让应用端直接调用，应用端解决实际问题。

最后是任何行业需要AI提高效率，那么它就用网络AI云平台的方案，直接调动功能。而网络AI再使用华为的AI计算硬件的算力。

华为与网络联手，或者能够变成AI时代的Wintel。

⑵ 华为云算力包括哪些

华为云计算是华为公有云品牌,致力于提供专业的公有云服务,提供弹性云服务游宏器、对象存储服务、软件开发云等云计算服务,以“可信、开放、全球服务”三大核心优势服务祥皮全球用谨磨差户.通俗的将:卖云服务器等云产品服务的。

---

⑶ 悠跑牵手英伟达 打造首个开放式汽车超算平台

 易车讯 3月24日，悠跑科技与NVIDIA宣布牵手。悠跑UP超级底盘将采用NVIDIA DRIVE Hyperion AV平台架构打造其高性能汽车大脑（HPVC, High Performance Vehicle Computer）。集成NVIDIA DRIVE Orin系统级芯片能力，悠跑HPVC成为业界首个拥有灵活算力的开放式汽车超算平台。

悠跑UP超级底盘，从滑板底盘升级而来，以满足快速变化的个性化体验为研发目标，高度集成了智能电动车的核心能力：三电、悬架、转向、智驾及热管理等。其智驾核心模块-高性能汽车大脑（HPVC）具备可插拔能力，搭载的芯片在数量上可做灵活增减，最高算力达1000TOPS以上。这将使UP超级底盘实现算力的高度可拓展性，以满足从L2到L4及以上不同级别的自动驾驶需求，终端用户也将有机会持续迭代车辆的算力。

悠跑科技创始人、CEO李鹏表示：“与NVIDIA的合作，将进一步拓展UP超级底盘的智能化能力带宽，极大丰富悠跑的生态能力，助力我们的客户打造一流的智能电动车。”

悠跑科技是一家以滑板底盘为核心能力，面向场景造车的新型电动车公司。悠跑科技在今年1月首发UP超级底盘和UP SPACE悠跑超级舱体概念车两大超级产品线，助力更多造车者实现造车自由。

⑷ 加速新冠疫苗研发，阿里云免费开放一切AI算力

自从阿里云宣布向全球公共科研机构免费开放一切AI算力后，何万青博士就进入了连轴转状态，经常工作到凌晨。作为阿里云高性能计算团队负责人，他要对接大量科研机构、高校院所以及化学、生物医学专家的需求。

这些机构和专家，在这个特殊的阶段，都是想快捷利用阿里云的超大规模算力，来缩短药物研发周期，以尽早让相关的疫苗、特效药上市，控制住新型冠状病毒感染肺炎疫情。

在免费开放算力之前，阿里云的超大规模算力早就服务于多家生物医药机构和专家，一个典型代表就是全球 健康 药物研发中心GHDDI。

GHDDI是由盖茨基金会、清华大学和北京市政府三方联合成立的公共卫生与药物创新机构。主要为建设新药研发和转化的创新平台，加强医药研究和开发。

2017年，GHDDI成立的第二年，阿里云就开始为GHDDI的各类新药研发、化合物筛选等提供算力支持。

在新型冠状病毒感染肺炎疫情发生后，GHDDI也在1月27日上线了“一站式科研数据与信息共享平台”，这是一个基于阿里云的药物研发和大数据平台，主要功能有四个：

针对SARS/MERS等冠状病毒的 历史 药物研发进行数据挖掘与集成；

开放相关临床前和临床数据资源；

计算靶点和药物分子性质；

跟进新型冠状病毒最新科研动态，实时向科学界和公众公布，为新型冠状病毒科学研究提供重要数据支撑。

很多人会有疑问，药物研发属于生物医学领域，超大规模算力属于计算机科学领域，为什么药物研发要用到超大规模算力？而且GHDDI宣布上线研发平台以及阿里云宣布免费提供相关算力后，为什么众多机构和专家趋之若鹜？

何万青博士说，这跟药物研发的流程不无关系。

通常一款药物的研发，始于病毒的“毒株分离”，然后进行测序分析；找到病毒的靶点进行识别和验证；寻找对应化合物；合成先导化合物；评估研究和动物实验；制剂合成；临床试验以及上市等步骤。

说起来很简单，实际上新药研发却是个费钱费力更费时间的过程，数据显示，在美国研发一种新药，从项目启动到被FDA（美国食品药品监督管理局）批准上市，平均需要花费10-15年的时间，耗资超过13亿美元。

目前，针对新型冠状病毒疫苗和新药的研究，已经完成了“毒株分离”的“湿实验”，“基因测序”工作也已经结束，接下来就要了“干实验”阶段。“干实验”阶段，涵盖对病毒靶点进行识别和验证、寻找对应化合物等过程。

可以这么理解，生物医药领域的“湿实验”，主要是在实验室里的研究工作，“干实验”就要靠超大规模算力帮忙。

何万青博士解释，“特别是寻找对应化合物，一定要调用超大规模算力，因为可供制成药物的化合物有5000-15000种。要先从庞杂的化合物中找到针对病毒合适的‘进攻方向’，再进行合成和拼接，如果都要从实验室里一一比对，那就太浪费时间了。”

然而云计算可以解决这些耗时的环节。

例如与阿里云合作的全球 健康 药物研发中心GHDDI，具备了上千种化合物的数据库，这些化合物的性质、药效也都已经掌握，通过计算机模拟，可以加快找到遏制新型冠状病毒对应化合物的速度。

特别重要的是，面对人类共同的敌人-病毒，公共科研机构更需要无需排队，随时可以得到弹性伸缩、数据交流和发布更加方便的协同环境。

“在全国人民为配合切断病毒传染途经而自我隔离的情况下，阿里云弹性高性能计算EHPC平台和超级计算集群SCC恰好解决这个燃眉之急。这也印证了阿里的一句土话‘此时此刻，非我莫属’。”何博士说。

但是，就算通过云计算找到了对应化合物，按照流程还要进行“先导化合物合成”、“动物实验”、“临床实验”等一大堆繁琐的步骤，药物和疫苗研发的速度，极有可能赶不上疫情发展的周期。

换句话说，就是没等新药研发出来，疫情就已经结束了。

好在针对新型冠状病毒新药和疫苗的研发，还有一条路可以选，“老药新用”。

“老药新用”指的不仅仅是药物，还可以是相关的治疗经验。

此前类似的SARS/MERS等疫情爆发后，医学界留有大量的 历史 药物研发以及临床数据，还有很多医学文献散落全球各地，这些都可能成为这次新型冠状病毒治疗突破口。

调用筛选医学文献，分析 历史 数据时，超大规模算力也会派上大用场。

比如GHDDI在上线研发平台就表示，目前研发平台已经涵盖既往冠状病毒相关研究中涉及的900多个小分子在不同阶段的相关实验信息，“希望科研界能参与提炼有用信息并得到帮助或启示”。

何博士感慨，“有了超大规模算力的帮助，在‘军情紧急’的情况下，也不用完全从‘0’开始了。”

而GHDDI上线研发平台后，也致谢阿里云团队协助部署后端并提供计算资源。

何万青博士团队中还有很多技术专家，比如孙相征和余洋等人，目前的工作就是对接GHDDI以及各类科研机构、专家们的需求。

这些计算机科学领域的大牛说，他们并不是医学专业出身，能做的只是为研究人员提供算力保障、优化技术支持和应用答疑等“后勤工作”，让科学家能够专注于学科本身的科研突破，而无需耗费太多精力去学习“交叉学科”的计算技术，但是他们看到了越来越多的生物医学专家加入了进来，感受到了“很强的使命感”，大家都在用自己的绵薄之力，加速对新型冠状病毒的研究以及相关药物、疫苗的研发。

⑸ 开放科学平台：大国科技竞争的关键变量

作者：苏中 阿里研究院资深技术专家

当代 科技 发展对数据和算力提出了极高要求。在传统基础技术研究领域，科研院所、高校的科研团队普遍缺乏这方面的能力支撑。为了应对这一变化，近十年来，“开放科学平台”在欧美逐渐盛行，为科研社区提供包含开放数据及相关分析工具、开放算力平台、开放源代码的各种支持。在科学技术的大国竞争时代，“开放科学平台”逐渐成为推动 科技 发展的关键变量。中国在这个领域需要加大投入，从而实现科学范式转变阶段基础科学平台建设的跟跑、并跑直到领跑。

1

科学进步背后的规律：从“Paradigm Shift”到“第四范式”

科学进步的轨迹是什么样的？

早期，人们普遍认为，科学发展是循序渐进的，科学家不断涌现，将已有科学理论向前推进从而推动科学发现越来越接近真理。

1962年，美国学者托马斯·库恩在《科学革命的结构》一书中提出，以物理学 历史 发展为例，科学发展存在有规律的不连续性。书中说，科学由一系列交替的“正常科学阶段”和“科学革命”阶段组成。在科学革命阶段，伴随着概念层的突破，已有的理论框架被新科学范式全面颠覆并重构，例如从牛顿力学到量子力学的转变。

库恩创造了“范式转变（Paradigm Shift）”这一科学哲学新概念。在库恩定义的范式转变理论中，科学发现遵循的是另一条五个阶段的循环路径：

1. “前范式阶段”： 几个不相容和不完整的理论，并逐渐收敛到一种被科学界普遍接受主导范式

2. “正常科学阶段”： 在主导范式的背景下不断解决科学难题，推进科学进步

3. “危机阶段”： 主导范式能未解决的异常现象，会在较长时期内不断累积，最终导致主导范式的信任危机

4. “范式转变阶段”： 主导范式出现重大失败后，科研基本假设被重新审视，进入新范式建立阶段

5. “新范式阶段”： 科学革命后，新范式主导地位确立

库恩开创了一门名为科学史或科学 社会 学的新学科。 社会 学家和 历史 学家开始把科学看成一种普通的亚文化。范式转变推动科学发展已成广泛共识。

库恩之后，计算机领域的学界泰斗、数据库领域的传奇科学家吉姆·格雷把科学技术发展史总结为四个范式阶段：

1. 第一范式：经验（empirical）证据。 数千年文明史中，人类绝大多数技术发展源于对自然现象观察和实验总结。相比于宗教或神学中不允许被质疑的教条来说，基于观察和实验的经验范式是科学技术发展中人类迈出的一大步。

2. 第二范式：理论（theoretical）科学。 相比于依赖观察和实验的第一范式可以做到“知其然”，第二范式的科学理论需要做到“知其所以然”，对自然界某些规律做出背后原理性的解释。因此，理论必须满足进一步的要求，如可证伪的预测能力、多个独立来源的一致性等。

3. 第三范式：计算（computational）科学。 随着计算机的运算能力越来越强大，它逐渐被用于科学研究领域。同前两个范式不同，计算科学中诞生了一种崭新的技术工具：计算模型与系统模拟。这一工具利用计算机的计算能力、基于大规模并行的计算机体系结构、通过设计算法并编制程序来模拟复杂过程，在大气环流、核反应过程、病毒感染过程。在经济学、心理学、认知科学等缺乏简单、直观分析解决方案的领域获得广泛采用。

4. 第四范式：数据科学（Data exploration）。 从基因测序仪、深空望远镜到覆盖全球的社交媒体，人类 社会 已经被深度数字化。每天在我们生活的数字地球里每天都会产生海量的数据。据估计到 2025 年，全球每天将新产生463 EB 的数据，相当于212,765,957 张 DVD，这些DVD叠在一起有30个珠穆朗玛峰那么高。在这样一个数据爆炸的时代，基于数据的技术革命也正在发生，数据科学成为技术发展的最前沿。以数据为中心的计算平台、数据加工、处理与分享工具、算法与模型库等一系列科学研究方式构成了技术发展的第四范式。

2

“开放科学平台”：更好应对第四范式的挑战

在第四范式主导的 科技 时代，研究团队除了研读技术最前沿研究论文，同时也需要这些论文涉及的实验数据集，以便复现实验结果。巨量数据和庞大计算需求给创新带来了新的挑战。传统科学交流仅限于论文和有限的公开数据集，为了促进新范式时代技术发展的持续性，加速科研团队的合作共享，欧美开始兴起了“开放科学”运动：

arXiv: 美国物理学博士保罗·金斯帕格1991在美国洛斯阿拉莫斯国家实验室创建了分享arXiv存储库，帮助全球科研团队分享研究论文预印本的全文数字版本。2008年，arXiv突破了50万篇文章的里程碑；2014年底达到100万篇；今天， arXiv每月从全球科研社区获得超过15000篇投稿。一些出版商还免费授予arXiv作者存档同行评审后印本的权限。arXiv也鼓励了更多科研机构，如美国国家医学图书馆仿照arXiv建立了医学领域的PubMed中央存储库。

Papers with Code： 相比arXiv，Papers with Code在开放获取领域则更进一步。这个平台不仅分享论文，还鼓励科研团队分享论文工作所对应的代码和数据集。平台同时提供了相关评测环境，可以对提交的算法代码在公共数据集合上做技术排名。Papers with Code不仅创建一个包含论文、代码和数据集的开放集合，同时也提供了技术评估方法的免费开放平台，显著促进了相关领域科研团队技术分享与协作，加速 科技 创新进程。

NASA开源科学计划： 为了降低太空科学 探索 门槛，让更多的科研团队可以参加美国国家航空航天局的科学研究，NASA 提出了开源科学计划 (OSSI)。OSSI的目标是在十年内建立一个开放科学社区，参与的科研团队承诺在研发过程中开放和共享相关软件、数据以及知识（包含算法、论文、文档以及相关辅助信息），并充分利用协作工具和云计算在内的技术工具提高NASA科学进步的速度和质量。

3

大国 科技 博弈：开放科学平台的重要性

在第四范式时代，爆炸式增长的数据在 科技 研发工作中扮演了极其重要的角色，它也给经历这一次范式转变中各个学科，尤其是非计算机领域的科研团队带来全新挑战，涉及数据与模型的获取与分享、计算模型与系统模拟的规模膨胀、大规模人工合成数据构造、多模态数据处理与分析的工具、数据抽取、转换、加载、数据可视化与交互、人工智能工具集与算力平台等领域。

今天，新一轮大国竞争很大程度上 体现为支撑 科技 发展的生态系统以及创新体系之间的竞争，开放科学平台已成为促进 科技 研发重要的基础能力之一。 以第四范式驱动的新一代创新体系在欧美已经有先发优势，从政府主导的科研项目到学术界的实践已有十年经验。我国需要在这个领域认识到不足，加速构建独立自主的开放科学平台，从而实现科学范式转变阶段 科技 发展的跟跑、并跑直到领跑。

参考文献：

1.https://www.theguardian.com/books/2012/jul/03/structure-scientific-revolutions-kuhn-review

2.https://www.britannica.com/biography/Thomas-S-Kuhn

3.https://amturing.acm.org/award_winners/gray_3649936.cfm

4.https://www.microsoft.com/en-us/research/publication/fourth-paradigm-data-intensive-scientific-discovery/

5.https://en.wikipedia.org/wiki/Metaphysics_(Aristotle)

6.https://www.weforum.org/agenda/2019/04/how-much-data-is-generated-each-day-cf4bddf29f/

7.https://www.skatelescope.org/8https://arxiv.org/help/stats/2021_by_area

END

⑹ 算力计算有哪些方法算力计算适用方法

算力计算是一种计算技术，它可以用来解决复杂的计衫销算问题。算力计算的方法有很多，主要有以下几种：

1、分布式计算：分布式计算是一种分布式计算技术，它可以将一个复杂的计算任务分解成多个小任务，然后将这些小任务分发到多台计算机上进行计算，最后将计算结果汇总，从而达到解决复杂计算问题的目的。

2、网格计算：网格计算是一种分布式计算技术，它可以将一个复杂的计算任务分解成多个小任务，然后将这些小任务分发到多台计算机上进行计算，最后将计算结果汇总，从而达到解决复杂计算问题的目的。

3、云计算：云计算是一种分布式计算技术，它可以将一个复杂的计算任务分解成多个小任务，然后将这些小任务分发到多台计算机上进行计算，最后将计算结果汇总，从而达到解决复杂计算问题的目的。

4、超级计算机：超级计算机是一种高性能计算机，它可以运行大规模的复杂计算任务，可以解决复杂的计算问题。

5、人工智能：人工智能是一种模拟人类智能的计算机科学技术，它可以用来解决复杂的计算问题。

6、量子计算：量子计算是一数塌消种利用量子物理原理来解决复杂计算问题的计算技术。

以上就是算力计算的几种方法，它们都可以用来解决复杂的薯知计算问题。不同的方法有不同的优势和劣势，因此，在选择算力计算方法时，应该根据实际情况选择最合适的方法。

⑺ chia的有效算力是多少

Chia全网有效算力6,322PiB 挖矿产出594,824枚
2021年5月18日，Chia当前全网有效算力为6,322PiB，活跃矿工数为327,063，目前XCH总量21,594,824枚，挖矿产出594,824枚。当前每天每TiB算力可产出0.0015个XCH，1TiB算力挖出1个XCH需要花费约1年313天。据欧易OKEx行情显示，当前XCH报价为1367美元，日内涨幅6.22%。
链乔教育在线旗下学硕创新区块链技术工作站是中国教育部学校规划建设发展中心开展的“智慧学习工场2020-学硕创新工作站 ”唯一获准的“区块链技术专业”试点工作站。专业站立足为学生提供多样化成长路径，推进专业学位研究生产学研结合培养模式改革，构建应用型、复合型人才培养体系。

⑻ 比特币算力复苏了

四方投研社区6月27日讯 从6月23日开始，比特币算力连续四天出现上涨，一些业内人士认为，算力市场可能已经从“6·19” 24:00四川所有比特币等虚拟货币矿机集体断电后恢复了，但真是这样吗？下面就让我们一起来盘点下最近这段时间究竟发生了什么吧。

6月18日，据澎湃新闻最先报道，四川省有关部门下发通知，要求发电企业自查自纠，立即停止向虚拟货币“挖矿”项目供电，不折不扣落实国家清理要求。通知还要求，各市(州) 于6月20日前完成省内26个疑似虚拟货币挖矿重点项目的甄别、清理和关停工作，同时要求发电企业立即停止向虚拟货币挖矿项目供电，并于6月25日前上报自查、整改情况。此外，各市（州）政府也被要求开展拉网式排查，对发现的挖矿项目立即关停。

6月19日24点，即6月20日零点，四川所有矿场被集体断电，来不及转移的比特币矿工因此遭遇巨大损失，据悉四川是国内乃至世界最大的比特币矿工聚集地，大约有800万的负荷正用于加密货币挖矿。当日算力随机跌破100 E，创下近7个月最低点。上一次比特币比特币全网算力新低发生在2020年11月3日，当时算力为87.8228 E。

6月20日，四川矿场集体断电后，数据显示多个有国内背景的比特币矿池算力正急剧下降，前10大矿池算力出现普跌，蚂蚁矿池跌幅超过25%、ViaBTC、鱼池F2Pool、BTC.com等矿池算力也都出现了10-20%的跌幅。

6月21日，主流矿池算力进一步下降，蚂蚁矿池减少近2500 P，鱼池F2Pool减少近2000 P、Poolin减少了超过1000 P。结果比特币全网算力跌破90 E（最低触及88.9964 E），系2020年11月以来首次。比特币全网算力曾在2020年11月3日跌至87.8228 E。之后在长达半年多时间里一直处于90 E以上，这也是比特币全网算力自5月19日四川省清退挖矿之后连续第三天下跌。

6月22日，比特币全网算力依然没有停止下跌，下滑至87.3106 E，随之而来的是比特币价格重挫，一度跌破29,000 USDT，创下近五个月新低。

6月23日，比特币全网算力跌至83.4331 EH/s，创下近一年新低（实际上也是近13个月新低），上一次低于该算力值的时间发生在2020年5月26日，当日比特币全网算力为76.4801 EH/s。

不过，随后的情况似乎出现好转。

6月24日，比特币全网算力开始回升，达到86.3269 E，此外多个国内背景的矿池算力也出现上涨。

6月25日，比特币全网算力反弹到90 E以上（92.4852 E），前五大矿池算力24小时变化均恢复正增长，其中Poolin算力24小时涨幅3.84%、蚂蚁矿池算力24小时涨幅1.48%、ViaBTC算力24小时涨幅1.44%。

据decrypt报道，Ycharts数据显示，比特币算力在6月26-27日上涨了近5%，一度反弹至104 EH/s——这可能是因为许多矿工开始将自己的矿机迁往北美（美国德克萨斯州、马里兰州和加拿大等地）和哈萨克斯坦，比如：

6月21日广州物流公司向CNBC确认，他们空运了3000公斤（6600磅）比特币矿机到美国马里兰州，每公斤价格低至9.37美元；

嘉楠耘智则于6月23日发布的新闻稿中称，已在哈萨克斯坦建立了运营基地并开展挖矿业务，欲将其业务多元化至比特币挖矿，并继续出售挖矿设备，以帮助提升其财务业绩；

与此同时，美股上市企业比特矿业官网消息称其首批虚拟货币矿机运抵哈萨克斯坦，320台矿机总算力约为18.2 PH/S，预计在6月27日部署完毕并投入运营，其他自有矿机也正分批运往海外。

值得注意的是，随着全网算力表现出复苏迹象，比特币价格也开始略微回暖，本文撰写时据CoinGecko数据显示为33,222.32美元，24小时涨幅达到6.1%。

但据业内人士分析，除非国内政策放松，否则至少在半年内很难恢复到以前（130 E）的水平。与比特币算力相关的一系列数字变化，凸显出数字货币与国内政策之间存在密不可分的联系，数字货币行业不能低估这种影响力，但对未来政策开放也要有一定预期（虽然短期内不可能）。