算力

算力（也稱哈希率）是比特幣網路處理能力的度量單位。即為計算機（CPU）計算哈希函式輸出的速度。比特幣網路必須為了安全目的而進行密集的數學和加密相關操作。 例如，當網路達到10Th/s的哈希率時，意味著它可以每秒進行10萬億次計算。

在通過“挖礦”得到比特幣的過程中，我們需要找到其相應的解m，而對於任何一個六十四位的哈希值，要找到其解m，都沒有固定算法，只能靠計算機隨機的hash碰撞，而一個挖礦機每秒鐘能做多少次hash碰撞，就是其“算力”的代表，單位寫成hash/s,這就是所謂工作量證明機制POW(Proof Of Work)。

基本介紹

• 中文名：算力
• 外文名：HashRate
• 套用：區塊鏈
• 定義：計算機計算哈希函式輸出的速度
• 單位：hash/s
• 相關學科：計算機科學

概述

日前，比特幣全網算力已經全面進入P算力時代（1P=1024T，1T=1024G，1G=1024M，1M=1024k），在不斷飆升的算力環境中，P時代的到來意味著比特幣進入了一個新的軍備競賽階段。

算力是衡量在一定的網路消耗下生成新塊的單位的總計算能力。每個硬幣的單個區塊鏈隨生成新的交易塊所需的時間而變化。

單位

1 kH / s =每秒1,000哈希

1 MH / s =每秒1,000,000次哈希。

1 GH / s =每秒1,000,000,000次哈希。

1 TH / s =每秒1,000,000,000,000次哈希。

1 PH / s =每秒1,000,000,000,000,000次哈希。

1 EH / s =每秒1,000,000,000,000,000,000次哈希。

區塊鏈相關

早期的比特幣區塊鏈採用高度依賴節點算力的工作量證明(Proof of work, PoW) 機制來保證比特幣網路分散式記賬的一致性。隨著區塊鏈技術的發展和各種競爭幣的相繼湧現，研究者提出多種不依賴算力而能夠達成共識的機制，例如點點幣首創的權益證明(Proof of stake，PoS) 共識和比特股創的授權股份證明機制(Delegated proof of stake，DPOS) 共識機制等。

比特幣區塊鏈系統的安全性和不可篡改性是由PoW 共識機制的強大算力所保證的，任何對於區塊數據的攻擊或篡改都必須重新計算該區塊以及其後所有區塊的SHA256難題，並且計算速度必須使得偽造鏈長度超過主鏈，這種攻擊難度導致的成本將遠超其收益。據估計，截止到2016年1月，比特幣區塊鏈的算力已經達到800 000 000 Gh/s，即每秒進行8*10^18次運算，超過全球Top500 超級計算機的算力總和。

安全性威脅是區塊鏈迄今為止所面臨的最重要的問題。其中，基於PoW 共識過程的區塊鏈主要面臨的是51% 攻擊問題，即節點通過掌握全網超過51%的算力就有能力成功篡改和偽造區塊鏈數據。以比特幣為例，據統計中國大型礦池的算力已占全網總算力的60%以上，理論上這些礦池可以通過合作實施51%攻擊，從而實現比特幣的雙重支付。雖然實際系統中為掌握全網51% 算力所需的成本投入遠超成功實施攻擊後的收益，但51%攻擊的安全性威脅始終存在。基於PoS 共識過程在一定程度上解決了51% 攻擊問題，但同時也引入了區塊分叉時的N@S (Nothing at stake) 攻擊問題。研究者已經提出通過構造同時依賴高算力和高記憶體的PoW共識算法來部分解決51% 攻擊問題，更為安全和有效的共識機制尚有待於更加深入的研究和設計。

全球算力

比特幣的算力分布

這是比特幣的算力分布。

比特幣的算力分布

2017年算力變化

2017年哈希率變化

比特幣網路的算力2017年12月時是9.9EH/s，並且隨著越來越多的礦工加入而增長，因此更多的困難正在增加。

發展與套用

算力為大數據的發展提供堅實的基礎保障，大數據的爆發式增長，給現有算力提出了巨大挑戰。網際網路時代的大數據高速積累，全球數據總量幾何式增長，現有的計算能力已經不能滿足需求。據IDC報告，全球信息數據90% 產生於最近幾年。並且到2020年，40% 左右的信息會被雲計算服務商收存，其中1/3 的數據具有價值。因此算力的發展迫在眉睫，否則將會極大束縛人工智慧的發展套用。目前，我國在算力、算法方面與世界先進水平有較大差距。算力的核心在晶片。因此需要在算力領域加大研發投入，縮小甚至趕超與世界已開發國家差距。

融合發展

大數據是人工智慧發展的基礎保障，是人工智慧這台機器高速運轉的燃料。沒有大數據的支撐，人工智慧就沒有了燃料，談不上發展。算力是人工智慧發展的技術保障，是人工智慧發展的動力和引擎。二者都是人工智慧密不可分的一部分。反過來，人工智慧的發展和套用又會反過來提升大數據和算力的技術革新，提高大數據和算力的水平。三者相輔相成，融合發展，才是未來資訊時代發展的潮流趨勢。大家都非常熟悉AlphaGo，之所以能戰勝棋類頂尖高手，除了人工智慧的深度學習技術之外，大數據提供的一千多萬棋譜才是它持續進步乃至幾乎無懈可擊的根源。在深度學習套用到人臉識別之前，基於大數據的識別成功率只有93%，而深度學習和算法的更新，將人臉識別系統成功率提升到了97% 以上，為人臉識別的商業套用鋪平了道路。

隨著人工智慧、大數據、算力的發展與融合，三者已經有機結合成了一個智慧型化整體，其內涵和外延趨於多樣化，各個細分領域的套用也豐富疊加，你中有我，我中有你。人工智慧與大數據、算力的區別與界限越來越模糊。現階段，人工智慧和大數據的套用已經滲透到工業、農業、醫學、國防、經濟、教育等各個領域，所產生的商業和社會價值幾乎是無限量的。雲計算隨著人工智慧和物聯網的發展套用，也不再局限於存儲和計算，已經成為各個行業發展變革的重要推動力。

總之，算力的發展為大數據發展提供堅實的技術保障，計算力和大數據的發展為人工智慧發展提供技術支撐和基礎原料，是人工智慧突破性進步的核心所在。人工智慧的進步又反過來給算力和大數據提供變革的推手。