BIG:比特币矿机迭代:一场7NM芯片引发的“军备竞赛”

-31QU的第289期推送-

2018年下半年以来,在台积电等全球顶级芯片企业芯片制造工艺不断推陈出新的推动下,7nm芯片得到了量产。

几乎同时,封装了7nm芯片的比特币矿机面市,其性能得到了全方位提升,一时间甚嚣尘上。

而采用16nm芯片的上代矿机,与新型矿机相比,其性能则略显落后。16nm矿机在面临7nm矿机挑战时,即将到来的丰水期廉价电力导致的挖矿难度飙升,又会让16nm矿机面临新的挑战。

在这样的背景下,16nm矿机会被淘汰吗?7nm矿机具有绝对优势吗?在技术进步的推动下,2019年能否成为比特币矿机更新换代的关键节点,成为广大矿工必须思考的问题。

文/31QU国锋

7nm矿机“盛况”

2018年下半年以来,日本GMO、比特大陆、嘉楠耘智等国内外矿机厂商陆续推出了7nm矿机。嘉楠耘智的矿机市场总监陈峰甚至公开表示,公司已在进行布局5nm芯片。

从几家厂商公开的数据来看,新一代矿机,无论在性能还是耗电量方面都得到了巨大的优化与提升。

以比特大陆第一代7nm矿机S15为例,该矿机能效比为57J/T,与S9矿机100J/T的能效比相比,降低了50%。这就意味着,在同时挖出1枚比特币的情况下,S15矿机耗电量至少能节省50%。

能效比是指单位时间产生1T算力所消耗的能量。

在“惜电如命”的挖矿行业,这样的效能提升无异关系重大。

同时,7nm矿机本身也在更新换代,这方面比特大陆走在了嘉楠耘智与日本GMO前面。

今年4月份,比特大陆推出了自己的第二代7nm矿机S17。据比特大陆官网显示,蚂蚁矿机S17Pro搭载比特大陆第二代7nm芯片BM1397,标准模式下算力高达53TH/s,能效比为39.5J/T,低功耗模式下能效比低至36J/T。

第二代芯片功耗再次大幅度降低。

据比特大陆官网信息显示,S17矿机在今年4月份一经上线,便在5分钟之内被抢购一空。

众多实力厂商陆续推出最新型号矿机,7nm进驻市场似乎已成定局。

那么,这些看起来性能强悍、在能效比上做出巨大进步的7nm矿机,是否真能赢得矿工的“芳心”,助力矿机产品更新换代,顺利替代上一代16nm矿机吗?

7nm矿机盛况,是否真的会到来。

7nm矿机能否掳取矿工“芳心”?

“决定矿工到底是否更新矿机的唯一因素是投入产出比。如果机器算力高、耗电量底,同时价格又足够实惠,矿工是有动力更换矿机的。”林海说道。

林海是一位资深的比特币矿工,目前他的矿场主要运行的是比特大陆的蚂蚁S9。关于矿圈是否真的到了矿机更新换代的时间点,他有自己的看法。

“另一方面,如果矿机价格昂贵,而上一代矿机本身又能够盈利,那么矿工是完全没有动力更换新设备的。”林海告诉31QU。

在林海看来,只有足够实惠,新矿机才有可能吸引到矿工。那么,7nm矿机是否足够实惠呢?

先比对一下7nm矿机与16nm矿机现阶段的盈利情况。

F2pool最新数据显示,以综合电费0.45元计算,目前S9矿机尚且处盈利状态,目前的币价也远高于S9的关机币价。

对林海而言,单从矿机的盈利能力这个角度来说,他并没有动力更换矿机。

另一方面,7nm矿机的售价,也将林海彻底“死了心”。

“现在一台S17售价1.5万元,目前这种挖矿下,旧矿机反而更有优势,”林海说道,“现在一台二手S9售价只有一千元左右,每天的纯利润也有3块多,如果币价再涨,在挖矿难度增长幅度不大的情况下,盈利能力还会更好。”

▲挖矿难度增加了14.1%,但是比特币价格上涨超过60%

那么,目前新矿机有没有可能通过降价“赢得”矿工关注?

“实际上,目前7nm矿机售价很难降下来,因为这种专用矿机芯片从设计到应用,再到整个矿机的设计试验成型,再到上市,要花费巨额资金,收回成本绝对不是一朝一夕的事情。”林海告诉31QU。

虽然目前无从得知比特大陆的蚂蚁S17与嘉楠耘智的阿瓦隆A9的研发成本,但是从日本GMO公司设计制造的7nm矿机花费100亿日元推测,比特大陆与嘉楠耘智两家公司的7nm矿机研发费用也应该也在数亿级别。

“降价方式只有等待矿机量产,出货量大了,研发成本也就容易收回,矿机降价也就是自然而然的事情。”林海说道。

同时,我们联系到某家矿机公司的市场部负责人,从他处也得到证实,目前7nm矿机的预定出货量一般,没有成为这些公司产品销售的重点。

看来,7nm要想掳取矿工“欢心”,前方还有很长道路要走。

但目前而言,矿圈所倚重的以矿机蚂蚁S9为代表的16nm矿机,在面临不断推陈出新的7nm矿机“隔代竞争”压力,与即将到来的四川廉价水电导致的算力暴涨,挖矿成本面临不断升高的情况下,16nm矿机能否扛得呢?

来自7nm矿机的隔代竞争

“16nm矿机本身正面临隔代竞争问题。”林海说道。

所谓矿机的隔代竞争,是指矿机芯片在存在代差的情况下,进行的能效比竞争,例如55nm矿机与16nm矿机之间就存在隔代竞争。

芯片工艺是从110nm、55nm、28nm、16nm、12nm/10nm、7nm这样的顺序逐级优化发展而来。

一般情况下,当出现隔代竞争时,性能较为先进的矿机能够彻底碾压老旧矿机,进而推动整个矿机行业更新换代。

以16nm矿机为例,以蚂蚁S9为代表的该型矿机出现之后,性能与价格全方位优于采用55nm芯片的S1。在相同的情况下,S9的挖矿能力是S1的22.5倍。在售价方面,蚂蚁在2013年12月份上线时,售价高达2.2万元。而S9在2016年6月份上线时,售价只有1.4万元。

从过往数据可以看出,无论是矿机能效,或者是售价,隔代矿机S9与S1两型隔代矿机之间形成了碾压性优势。

那么,这样的隔代优势,还能出现在S9与S17矿机上吗?

“目前来看,虽然S17pro采用了7nm芯片,S9采用了16nm芯片,矿机之间存在代差,但是并没有呈现出S9与S1那样的隔代优势。”林海说道。

以比特大陆性能最为强悍的7nm矿机蚂蚁S17pro为例,该矿机算力为53T,功耗为2520W,能效比则为47J/T。与此相比,目前市面上出货量最大的蚂蚁S7矿机,该型矿机算力为14T,功耗为1350W,能效比为97J/T。

蚂蚁S17pro能效比为蚂蚁S9能效比的2倍,原未达到S9与S1那样的巨大差距。

“实际上,如果S9开启BOOST超频,能效比还能提升到70J/T的水平。”林海说道,“开启该功能之后,S9性能表现会更进一步。”

而之所以产生这样的情况,有技术专家认为,这是因为半导体目前在原材料仍然是以硅为基础,这导致了芯片工艺可能已经走到了摩尔定律的尽头,而这早已在14/16nm技术刚推出时就已经有了端倪。

摩尔定律是由英特尔创始人之一戈登·摩尔提出来的。其内容为:当价格不变时,集成电路上可容纳的元器件的数目,约每隔18-24个月便会增加一倍,性能也将提升一倍。换言之,每一美元所能买到的电脑性能,将每隔18-24个月翻一倍以上。这一定律揭示了信息技术进步的速度。

尽管这种趋势已经持续了超过半个世纪,摩尔定律仍应该被认为是观测或推测,而不是一个物理或自然法。预计定律将持续到至少2015年或2020年。然而,2010年国际半导体技术发展路线图的更新增长已经放缓在2013年年底,之后的时间里晶体管数量密度预计只会每三年翻一番。

也就是说,随着芯片的纳米工艺进步,产品并不会产生之前那样快速的性能进步。

同时,莱比特创始人江卓尔也持有相似看法,他认为,“16nm矿机将成为次终极矿机。”

从这个角度老看,以蚂蚁S9矿机能够扛得住隔代竞争。

既然如此,那么为什么如此多厂家会如此积极地力推7nm矿机,他们的用意何在?是市场推动,还是军备竞赛?

7nm矿机是军备竞赛还是市场推动?

“芯片技术进步得益于台积电、格芯、联电、三星这些芯片公司制造工艺的进步,这些技术进步推动了硬件设备的进步。”林海说道,“7nm芯片被制造出来之后,首先应用在苹果、华为等手机大厂上,然后才有可能轮到矿机。”

也就是说,众矿机厂商的7nm矿机是建立在7nm芯片技术成熟的基础上。

“芯片制造工艺,其复杂程度绝非富士康这类低门槛组装厂能比的,是一件非常具有技术含量的工作。”林海告诉31QU。

10nm、7nm等数字的意义:芯片是由晶体管分布排列在晶体硅上面组成的,nm代表相邻两个晶体管的最小间距,这个数字越小,能在相同体积下塞下的晶体管数量就越多,芯片性能就会越好。

“矿机升级,实际上是技术进步推动。”林海说道,“矿机厂商想要在7nm时代占据一席之地,也是正常的。”

同时,在比特币全网算力不断增长,挖矿难度与日俱增,但是比特币价格却并未同步增长的情况下,矿工行业也在期待能效比更高、价格更加实惠的矿机出现,以降低挖矿成本。

2018年下半年以来,比特币价格最高跌幅超过50%,同时,挖矿算力也产生了巨大变化,大量蚂蚁S9、T9等矿机甚至在某一时间点接近关机,或挣扎运行。

“那次大跌,S9如果不是开了超频,早已经挂了。”林海说道,“也就是说,虽然S9这些主流矿机还有能力盈利,还占据着矿机市场的大部分份额,但目前也到了该更新换代的时间点。”

如此看来,新型号的矿机,既是矿机厂商“军备竞赛”的产物,又是市场推动的结果。

无论如何,7nm矿机要想成功吸引矿工的注意,替代S9等上代矿机,晋级成为矿圈宠儿,还需要很长的路要走。

矿机更新换代过程,绝不可能是单一因素所能决定。

这个过程是在芯片技术不断进步、矿机设计技术不断完善、资本市场不断推动等综合因素作用的的结果。

声明:“31QU”所有原创文章,转载均须获得“31QU”授权。未获授权严禁转载。

●●●

郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。

链链资讯

[0:31ms0-5:366ms