計算最大主義：比特幣挖礦與人工智能的共生關系

作者：Ariel Deschapell、Drew Armstrong，Bitcoin Magazine；編譯：白水，金色財經

人類進步的故事可以簡化爲提高能源利用率的故事。我們利用能源創造秩序，無論是在生物方面還是在社會方面。能源過剩可以創造各種形式的財富，進而產生新技術來有效地利用更多能源。這一事實啓發了卡爾達肖夫指數等著名概念，該指數通過文明利用能源資源實現有用目的的能力來衡量文明。

計算是這一努力的自然延續。現代數字技術將越來越多的電力轉化爲先進的價值創造過程。最近對計算的需求激增主要來自兩種技術：比特幣挖礦和最近的高性能計算（“HPC”），特別是用於AI的圖形處理單元（“GPU”）。這些技術導致的能源消耗急劇上升引發了許多問題：這些耗電技術會對我們的能源系統產生什么影響？鑑於它們相互消耗大量能源，它們之間會產生什么樣的相互作用？這些發展對人類意味着什么？

我們探索了這些技術各自的基本特徵，以及它們如何爲過剩電力提供替代市場，從而實際上提高能源系統的效率。基於這一探索，我們還認爲比特幣挖礦和 HPC 是互補的，而不是競爭的。正如我們將看到的，它們各自的權衡提供了一種共生能力，可以最大限度地提高能源資源創造的價值，從而造福整個社會。

簡而言之，我們主張計算最大主義。

高效節能

現代技術依賴於將各種能源轉化爲電能，而這帶來了一些挑战和權衡。其中最主要的是便攜性有限。

這是由於幾個簡單的現實。電力需要電網，本質上是一系列實時傳輸能量的龐大電路。電網必須保持平衡，這意味着發電量必須在任何時間點大致等於需求量。

這很難，原因有二：

首先，能源資源並不總是分布方便，开發周期較長，調度能力也參差不齊。

其次，輸電和儲電都很昂貴，交貨時間也同樣長，而且效率低下。據估計，在電力到達當地消費者手中時，輸電和配電損失了 8-15%，而長期電池儲電的損失則更高。

結果是，在源頭立即使用電力總是比在時間或空間上運輸電力更便宜、更高效。因此，最有效的解決方案不是更廣泛、更低效地將電力運輸到可以使用的地方，而是將用例轉移到電力上。計算是這種過剩電力的理想用例，因爲它功率密集、便攜性高且可擴展；我們尚未發現對計算需求的限制。同時，“實體空間”限制是鋁冶煉和制造等傳統能源消耗形式的強大限制因素。

比特幣挖礦已成爲當地剩余電力的理想用例，提供可調度和創收的負載來平衡電網。最近，對高性能計算（尤其是 GPU）的需求也對能源利用產生了不可忽視的影響。許多人預計這兩種技術會在同一能源資源上展开競爭，但隨着我們探索每種技術的特點，潛在的共生關系將不言而喻。

比特幣挖礦

比特幣挖礦可以被認爲是一種無需許可的能源消耗。比特幣的工作量證明共識機制相當於能源密集型計算的證明。礦工必須執行這種能源密集型計算來創建新的交易塊，從而獲得比特幣作爲獎勵。正是這種工作量證明以去中心化和無需許可的方式提供了全球結算保證。

實際上，這看起來像是數百萬台計算機（如今稱爲專用集成電路或“ASIC”）在世界各地的基本數據中心運行。比特幣挖礦的一大優點是其無需許可的性質；世界上任何地方的任何人都可以插入 ASIC。實際上，比特幣允許世界各地的礦工參與全球能源市場；誰的電力成本最低，誰的利潤就最高。

這種全球去中心化網絡是比特幣持續穩步普及的原因之一，因爲人們尋求一種全天候運行、沒有單點故障、避开政治控制下的中央銀行壟斷的不良激勵的新貨幣和金融體系。

與 GPU/HPC 基礎設施相比，比特幣挖礦具有以下特點：

• 無需客戶

• 無需客戶獲取

• 無需支持

• 高中斷率

• 低運營復雜性

• 低連接要求（低於 100MB/s）

• 低利潤（通常）

HPC

數據中心 GPU 是最新的 HPC 形式，由於人們對依賴它的 AI/ML 突破的興趣迅速增加，對 HPC 的需求在過去兩年中呈爆炸式增長。這些技術解鎖了以前不可能實現的全新數字操作和功能類別，而由此產生的用例才剛剛开始被探索。人們對這些技術的興趣突然激增，迅速使底層 GPU 的領先制造商 NVIDIA 成爲全球最有價值的公司。

最初，這種需求的突然激增造成了 GPU 本身生產不足的嚴重瓶頸。然而，這只是暫時的，隨着時間的推移，產量的增加會不斷緩解這一問題，焦點迅速轉移到新的瓶頸上：數據中心機架空間和廉價電力。結果，只要有大量穩定電力供應的地方，新數據中心的建設就呈爆炸式增長。這使得 GPU 基礎設施在許多電力過剩的地區與比特幣挖礦展开競爭。

相對於比特幣挖礦，GPU/HPC有以下特點：

• 無需客戶

• 無需客戶獲取

• 無需客戶支持

• 低中斷率

• 高運營復雜性

• 高連接要求（10 - 100GB）

• 高利潤（通常）

利用多余電力降低運營成本

過去十年，對比特幣和 AI/ML 技術的需求不斷增長，證明了它們對社會的實用性。這種需求導致了它們各自的計算資源的激增。

爲了降低運營成本，兩個市場都在尋求利用多余的電力，因爲這樣往往更便宜。這自然解決了上面討論的一些電網效率低下的問題，但這也意味着數據中心建設者和運營商會發現自己在問，在同樣的可用電力量下，應該支持和投資哪種形式的計算。

這兩種形式的計算都是能源密集型的，而且相對與位置無關（除非法律或司法考慮超出了本文的範圍），這使得它們看似競爭，但實際上它們可以成爲高度互補的工具，以最大限度地利用這些過剩或擱淺的電力並從中獲利。

GPU 工作負載具有更高的操作復雜性和較低的中斷性，以及更高的前期資本投資。這使得它成爲利用短暫的電力過剩的糟糕選擇，例如太陽能電池板發電的峰值窗口。與比特幣挖礦不同，GPU 的客戶通常對正常運行時間和可用性等問題很敏感。也有例外，例如現貨實例和可以從此類實例進行故障轉移的框架，但一般來說，由於客戶的存在，GPU 基礎設施的中斷容忍度永遠不會與比特幣挖礦相匹配。再加上更高的資本成本和復雜性，在這些情況下，我們可以預期比特幣挖礦將繼續增長並成爲電網中高度靈活、可調度的負載。

另一方面，持續的電力過剩，例如水電或核電站的基本發電量與其周邊消耗量之間的基本固定差值，是 GPU 基礎設施縮小差距並建立新的基线消耗和平衡的理想機會。這些情況有利於 GPU 基礎設施的低中斷性，並證明增加支出和運營復雜性是合理的，以確保大幅提高收入。只要支持帶寬可用於促進 GPU 工作負載（至少 10GB/s，理想情況下爲 100GB/s），這些站點將始終提供比專門用於比特幣挖礦更多的盈利機會。

混合數據中心战略

還有一些策略可以同時利用這兩種技術來最大化收入和投資回報。

首先，在場地適合高性能計算之前，比特幣挖礦可以作爲能源資源的初始負載。示例包括：（1）使用半便攜式模塊化比特幣挖礦數據中心將電力貨幣化，同時構建 HPC 數據中心的其余基礎設施（冗余電源/互聯網线路、建築物、備用能源系統等）；或（2）利用比特幣挖礦开拓闲置能源資源，其中一些最終可能用於 HPC。事實上，Core Scientific 最近宣布與 CoreWeave 達成的交易可以看作是這種情況在野外發生的一個例子，因爲比特幣挖礦導致了大型變電站和數據中心外殼的开發，最終將用於 HPC。

第二種更先進的策略是將 HPC 和比特幣挖礦工作負載結合在一起，使用比特幣挖礦作爲平衡 HPC 工作負載功耗波動的平衡力量。雖然 HPC 負載需要可靠的電力，但承載生產 AI/ML 模型的“推理工作負載”可能會根據用戶的實時使用水平而波動，從而導致典型的高活動和功耗以及低活動和低功耗周期。到目前爲止，這種 HPC 的價值已經大大超過了波動的電力使用帶來的任何低效率，但比特幣挖礦的高度靈活和可中斷性質可用於提供穩定的功耗，從而降低有效電價，此外還可以爲整個數據中心提供額外的收入。一些人將這種策略描述爲“鯔魚數據中心”，AI 在前面，比特幣在後面。雖然還爲時過早，但這種方法有望充分利用 HPC 和比特幣挖礦的優勢，以提供當前技術所能實現的最大價值數據中心部署。

行業影響

直到最近，數據中心行業一直由主機托管提供商主導。這些提供商構建用於托管工業服務器的設施，並將空間、電力、連接，有時甚至是服務器本身出租給租戶。傳統上，這些租戶中的大多數都是大型企業和超大規模雲提供商。在許多情況下，這些超大規模和企業租戶還建立了自己的數據中心來支持自己的增長。

自 2017 年左右以來，比特幣挖礦真正進入了工業層面，整個數據中心綜合體都是專門爲支持比特幣挖礦而建造的，這些地區的電力生產和消耗量差異極大。現在，在 2023 年和 2024 年，我們看到市場發生了更加顯著和顛覆性的變化。隨着對 GPU 基礎設施的需求激增，許多以前專注於主機托管的數據中心已經开始自己購买和托管這種 GPU 基礎設施。與此同時，超大規模企業正在轉向電表後方，與大型基載發電廠共置，爲 HPC 需求的新一輪激增尋求廉價可靠的電力。這一點尤其值得注意，因爲間歇性可再生能源近年來一直是最受歡迎的發電形式，這主要得益於政府補貼。

我們預計：

1. 兩種計算形式的能源需求持續增長。

2. 新數據中心建設將成爲擴大 HPC 足跡的下一個瓶頸，大量比特幣挖礦設施將被重新用於利潤率更高的用例。

3. 挖礦硬件將遷移到邊緣地區，尋找遠程位置和可變效率低下的地方，而 HPC 工作負載不適合將其貨幣化。

4. 在“mullet 數據中心”中混合比特幣挖礦和 HPC 將利用 HPC 的高收入潛力和比特幣挖礦的靈活性，有效平衡電力消耗和本地電網，同時勝過傳統數據中心策略。

結論

當新的高耗能技術出現時，人們往往會擔心它們的能源利用率及其外部影響。比特幣挖礦和 HPC 也不例外，政客和空談技術專家都呼籲減輕或控制它們。但這種耗能技術代表了人類進步的自然趨勢。除了比特幣結算網絡和 AI/ML 工作負載提供的不言而喻的效用外，我們還可以證明，它們可以以有效的方式部署，最大限度地利用新的和現有的能源資源，以實現有用的經濟目的。