比特大陆算力巢2018

Ⅰ 比特大陆算力逼近51%你想多了

有媒体指出，上周，挖矿巨头比特大陆（Bitmain）挖出的比特币区块占比达到了42%，其算力正在逐渐逼近51%。事实上真的是这样吗？

比特大陆旗下的两个矿池， BTC.com和蚁池（AntPool）在过去的7天时间里挖出的区块数量达到了41.9%。截至发稿时， BTC.com和蚁池的算力分别是15.97%和29.86%。

（比特币矿池7天出块状况）

（比特币网络算力分布）

比特大陆是矿机制造商，同时还运营着矿池，因此把竞争者甩开了一大截。其生产的ASIC矿机的挖矿效率远远超过了任何的高端显卡。

比特大陆同时还在挖Bitcoin Cash (BCH) 。Bitcoinist称，比特币和BCH采用了同一种算法，一旦比特大陆不再挖BCH，而是把这部分算力切换到比特币网络，其掌握的算力就可能达到约45%。而这个数字和51%十分接近，因此，文章认为比特大陆很容易就能发起 51%攻击。

然而，事情并没有想象中那样简单。首先要了解矿池的作用是什么。矿工通过矿池汇集算力以降低挖矿成本。矿工选择矿池的标准在于其费率以及网络稳定程度等因素，而不是哪里的算力高，哪里能帮我发动51%攻击，我就去哪里。最终的选择权始终在矿工手中。

其次，尽管从比特币转而支持BCH，比特大陆CEO吴忌寒曾多次在公开场合表示，既然两个币种已经独立存在，那就各自好好发展。

最后，关于文章中提到把BCH算力切回比特币网络的问题，这个选择权依然在矿工。驱动矿工的在于利益，如果在BCH网络挖矿依然有利可图，那为什么要浪费资源频繁切换算力。再说了，51%攻击不止在道德上说不过去，而且所需成本极高，还不如继续诚实挖矿，这样也能让矿工为自己争取到更多的长期利益。

如果真的有51%攻击怎么办？

51%攻击牵动着整个社区的神经。这个数字经常和去中心化以及不可更改性的缺失联系在一起。假如真的有矿工能够掌握51%的算力，是否有办法阻止其恶意行动？

事实上，一家公司掌握51%算力的情况在比特币历史上曾经出现过。2014年，挖矿公司Ghash的算力超过了51%，在社区引起了巨大争议。

Ghash提出的其中一个解决方案就是呼吁矿工将算力切换到其它矿池，从而解除危机。与此同时，Ghash还呼吁其它将来可能遇到同类情况的公司做出同样的选择。

另一个解决方案就是更改比特币的PoW算法，由于其中涉及重大的安全问题，这不是一个正确的选择。不过，早前门罗币为了更改算法就曾进行硬分叉，最终导致社区因意见不一致而分裂。

无论如何，就算比特大陆真的掌握了51%的算力，他们也不会对比特币网络进行攻击。我们反而更应该担心的是网络的安全问题。

Ⅱ 姣旂壒澶ч檰鍏鍙哥畝浠

姣旂壒澶ч檰鍏鍙告槸鍏ㄧ悆棰嗗厛鐨勬暟瀛楄揣甯佺熆鏈哄巶鍟嗭紝鏃椾笅鍝佺墝铓傝殎鐭挎満ANTMINER闀挎湡鍦ㄨ屼笟鍐呬繚鎸佹妧鏈鍜屽競鍦轰紭鍔垮湴浣嶏紝瀹㈡埛瑕嗙洊鍏ㄧ悆100澶氫釜鍥藉跺拰鍦板尯銆

姣旂壒澶ч檰鍏鍙告婚儴浣嶄簬鍖椾含锛屽湪涓鍥介欐腐銆佺編鍥姐佹柊鍔犲潯銆侀┈鏉ヨタ浜氥佸搱钀ㄥ厠鏂鍧︺侀樋鎷変集鑱斿悎閰嬮暱鍥姐佺珛闄跺疀銆佸反鎷夊湱绛夊浗瀹跺拰鍦板尯璁炬湁瀛愬叕鍙搞傛嫢鏈夌嫭鐗圭殑绠楀姏鑳芥晥姣旀妧鏈锛屼负鍏ㄧ悆鍖哄潡閾剧綉缁滄彁渚涜兘鏁堟瘮鏈浣崇殑绠楀姏鍩虹璁炬柦涓庤В鍐虫柟妗堬紝鑷2013骞存垚绔嬩互鏉ワ紝宸插皢鏁板瓧璐у竵鐭挎満浜у搧鐨勭畻鍔涜兘鏁堟瘮闄嶄綆浜嗕袱涓鏁伴噺绾с

2018骞存帹鍑轰簡闈㈠悜ETH鐨凟3銆侀潰鍚慫EC鐨刏9銆侀潰鍚慏ASH鐨凞5銆侀潰鍚慙TC鐨凩3++鍜孡5銆侀潰鍚慏CR鐨凞R3銆侀潰鍚慩MC鐨刋3锛2019骞村彂甯冩柊浜у搧ANTMINER S17锛屼娇BTC鐭挎満杩涘叆绠楀姏鑳芥晥姣40 J/T鏃朵唬銆

鍏鍙哥畝浠

姣旂壒澶ч檰涓嶄粎鍦ㄥ尯鍧楅摼棰嗗煙鏈夌潃娣卞帤鐨勭Н绱鍜屽奖鍝嶅姏锛岃繕鍦ㄤ汉宸ユ櫤鑳介嗗煙鏈夌潃骞块様鐨勫墠鏅鍜屽彂灞曘傛瘮鐗瑰ぇ闄嗕簬2017骞9鏈堣幏寰椾簡绾㈡潐璧勬湰鍜屽浗闄呮暟鎹闆嗗洟涔濅綅鏁扮殑鎶曡祫锛岀敤浜庡紑鍙戜汉宸ユ櫤鑳借姱鐗囥傛瘮鐗瑰ぇ闄嗘帹鍑轰簡鍩轰簬娣卞害绁炵粡缃戠粶澶勭悊鍣ㄦ妧鏈鐨勪汉宸ユ櫤鑳借姱鐗囩储鏅锛屽苟灏嗗叾搴旂敤浜庢櫤鑳借闊炽佸浘鍍忚瘑鍒銆佽嚜鐒惰瑷澶勭悊绛夐嗗煙銆

浣滀负涓瀹跺垱鏂板瀷浼佷笟锛屽湪鍖哄潡閾惧拰浜哄伐鏅鸿兘棰嗗煙閮藉彇寰椾簡鏄捐憲鐨勬垚灏卞拰褰卞搷鍔涖傛瘮鐗瑰ぇ闄嗕篃鍙楀埌浜嗗氭柟闈㈢殑璁ゅ彲鍜岃崳瑾夛紝渚嬪2019骞10鏈堣鑳℃鼎鐮旂┒闄㈣瘎涓哄叏鐞冪嫭瑙掑吔姒滅20浣嶏紝2020骞1鏈堣鑳℃鼎鐮旂┒闄㈣瘎涓轰腑鍥500寮烘皯钀ヤ紒涓氱246浣嶏紝2020骞6鏈堣鑳℃鼎鐮旂┒闄㈣瘎涓轰腑鍥借姱鐗囪捐10寮烘皯钀ヤ紒涓氱7鍚嶇瓑銆

浠ヤ笂鍐呭瑰弬鑰冿細鐧惧害鐧剧戔斿寳浜姣旂壒澶ч檰绉戞妧鏈夐檺鍏鍙

Ⅲ BM ASIC算力多少

BM ASIC算力16纳米
2016年6月，比特大陆推出的ASIC芯片，是台积16纳米制程的BM1387。以哈希率来说，16纳米ASIC芯片的算力，几乎是创业初期55纳米ASIC芯片的13.2倍，电源效率也是10倍左右。因此，尽管比特大陆为首的挖矿IC公司，自然成为摩尔定律的虔诚信徒，对于先进制程的需求近乎饥渴。

Ⅳ 2018 AI云端芯片一览

在2018年，AI云端芯片行业迎来发展元年。这一年，算力密度达到百T级别的芯片成为行业竞争的焦点。多家主要厂家在这一年推出了自己的云端AI芯片。以下是对几家重要厂家发布的云端AI芯片的回顾。

华为在10月发布了晟腾910和310芯片，这两款芯片均搭载了华为的达芬奇架构。其中，晟腾910具有高算力密度（256TFlops、512T int8），瞄准云端市场；而310则是低功耗高性能芯片（8TFlops、16T int8/8W功耗），针对边缘市场。晟腾910的推出标志着华为自研AI芯片的正式问世，并且已超越英伟达，成为业内最大算力的芯片。

NVIDIA在9月发布了T4板卡，搭载的GPU芯片TU102采用最新的Turing架构，相较于上一代V100的Volta架构，性能提升明显。T4板卡支持多种精度，包括int4、int8、fp16和fp32，并且具有出色的功耗效率。此外，T4是第一个支持GDDR6的GPU，内存达到16GB，速度为320GB/s，支持x8和x16 PCIE3.0。

寒武纪在5月份发布了云端AI加速卡MLU100，搭载了MLU100芯片和v01架构。该芯片在关闭稀疏模式下有32TOPS算力，打开稀疏模式下达到128TOPS算力。值得注意的是，联想同步推出了搭载该板卡的服务器平台——ThinkSystem SR650，这将对寒武纪的云端芯片发展产生重大影响。

Google在2018年发布了第三代TPU芯片TPUv3。相较于第二代TPUv2，TPUv3在性能上有了显著提升，支持Training和Inference功能，采用同构多核架构，并且每个处理器核的处理能力和支持的操作尚不明确。TPUv3的每个core增加了MXU单元，相较于v2MXU矩阵数量翻倍。

Graphcore是一家英国初创公司，成立于2016年。在2018年，Graphcore筹集了1.58亿英镑（约合2亿美元），估值达到17亿美元。Graphcore自主设计了IPU AI人工智能芯片，具有同时支持Training和Inference的特点。该芯片采用同构多核架构，超过1000个独立处理器，支持all-to-all的核间通信，并采用大量片上memory，不直接连接DRAM。

Habana的Goya HL1000推理芯片在ResNet-50推理基准下每秒可处理15000张图片，延迟时间为1.3毫秒，功耗100W。在Bach size=1的情况下，每秒可处理8500张图片，延迟时间仅为0.27毫秒。Habana计划在2019年第二季度推出HL-2000的训练芯片。

除上述公司外，腾讯投资的上海燧原科技有限公司也在准备今年即将发布的训练芯片。比特大陆此前已发布BM1680和BM1682两代云端芯片，虽然算力方面不及最近几家发布的芯片，但其两代芯片的技术积累为将来的发展打下了坚实的基础。BM1684预计将在2019年上半年问世。

在AI云端芯片的赛道上，英伟达一直占据领先地位，但国内外初创公司紧追不舍。创业公司在技术、工具链的构建、场景和产品的打磨以及技术领先性方面面临着巨大的挑战。AI领域的大浪中，未来谁能主沉浮，还需拭目以待。

Ⅳ 北京算力大陆属于比特大陆

北京算力大陆属于比特大陆。根据查询相关公开信息：詹克团此前就已经以极低的价格将比特大陆在北京的场地出租出去，承租方是北京算力大陆科技有限公司，这是詹克团新设立的公司，两个集团法人都是詹克团。

Ⅵ 比特大陆和算力大陆关系

合作关系。北京算力大陆科技有限公司由福建湛华智能科技有限公司全资持股，后者由北京比特大陆科技有限公司与福建算丰科技有限公司共同持股。

Ⅶ 比特大陆怎么样获得算

比特大陆怎么获得算力
比特大陆是一家专业的比特币矿机生产商，其获得算力的方式主要是通过出售自己生产的矿机来获取收益。
比特大陆生产的矿机主要采用ASIC芯片，能够在比特币挖矿领域发挥出较强的算力。一般情况下，购买比特大陆生产的矿机并连接到矿池即可参与比特币挖矿，从而获得比特币的奖励。
用户需要选择合适的矿机型号、购买数量以及连接的矿池等因素。购买比特大陆矿机需要支付相应的费用，同时用户还需要承担矿机的运营成本，如电费、维护费用等。
此外，比特大陆还提供云算力服务，用户可以通过购买比特大陆提供的云算力，以较低的成本参与比特币挖矿。用户只需要支付相应的租用费用，即可获得一定的算力，从而获得比特币的奖励。不过需要注意的是，云算力服务存在一定的风险，用户需要认真评估风险与收益之间的平衡关系。