比原鏈是一種多元比特資產(chǎn)的交互協(xié)議，其共識機制選擇了對人工智能ASIC芯片友好的PoW算法。傳統(tǒng)的PoW共識機制，以比特幣為例，礦工要周而復始的完成哈希運算以得到滿足難度值條件的區(qū)塊。而人工智能則需要大量的ASIC芯片的運算，比原鏈的共識機制就巧妙地利用了對人工智能有益的PoW機制。隨著人工智能的大爆發(fā)，相應的ASIC芯片的需求將是巨大的，而能充分利用挖礦淘汰的礦機做對人類有益的運算，這對整個人類社會的意義是顯而易見的。

在2009年，隨著創(chuàng)世區(qū)塊的誕生，比特幣為了解決拜占庭問題而使用的PoW共識機制以低效換來了高度的安全性。

PoW相關理念最早于1993年被Cynthia Dwork和Moni Naor提出，之后的幾年，該概念在是否能有效對抗拒絕服務攻擊的爭論中不斷被人們所知。PoW機制的核心在于強迫攻擊者作出一定量的工作才能進行接下來的交互操作，這樣無形中就給攻擊者提高了攻擊的成本。自然而然的，攻擊者需要完成的工作可以按消耗的計算機資源種類分為以下三大類：

消耗CPU資源。例如，反垃圾郵件的Hashcash方案以及受此啟發(fā)而誕生的比特幣；

消耗內存資源。例如，為了防止與比特幣采用相同的共識機制所可能導致的51%攻擊，以太坊在創(chuàng)建之初就使用了一種需要占用大量內存資源的PoW算法；

消耗網(wǎng)絡資源。攻擊者在進行拒絕服務攻擊之前，必須要獲取多個遠程服務器發(fā)送的令牌。由于網(wǎng)絡的延遲性，敵手必須要等待才能獲得訪問權限。

中本聰為了解決拜占庭共識問題，在比特幣系統(tǒng)中引入競爭挖礦的機制。同時，為了保證最大可能的公平性，采用了基于哈希運算的PoW共識機制。礦工如果想要得到一個合法的區(qū)塊，則必須向區(qū)塊頭中填入不同的隨機值，然后計算出區(qū)塊頭的哈希值，使得得到的哈希值小于目標值。這樣，礦工在不斷尋找合適隨機值的過程中完成了一定的工作量?？梢园l(fā)現(xiàn)，礦工完成的這個工作量對于現(xiàn)實社會毫無意義。唯一的意義就是保障了比特幣的安全性。

之后，隨著顯卡和FPGA的出現(xiàn)，比特幣挖礦算力增長迅速，而隨著帶有為哈希運算專門優(yōu)化的ASIC芯片的挖礦設備面世，比特幣的算力遂呈幾何指數(shù)增長。算力的提升進一步提高了比特幣系統(tǒng)的安全性，也意味著越來越多的能源被用作挖礦。為了滿足日益增長的挖礦電力需求，中國的絕大部分比特幣礦場必須依托于西南地區(qū)或者內蒙古地區(qū)的小型發(fā)電站。

當前的比特幣網(wǎng)絡全網(wǎng)算力為5000PH/S，而阿瓦隆即將發(fā)布的Avaon741礦機單機算力為8TH/S，而功率為1150瓦，即使全網(wǎng)礦機全部更換為最新礦機，全網(wǎng)一天要消耗約1700萬度電力能源。無疑，這是一種巨大的能源浪費。

ASIC（Application Specific Integrated Circuit），即特定用途集成電路。不同于CPU，GPU的強通用性和兼容性，也不同于FPGA在硬件結構上的高度可重構性，ASIC芯片一般只對特定的運算進行優(yōu)化，屬于一種單一功能的集成電路。但是，就是由于其只對特定運算進行優(yōu)化，所以ASIC在運算效率上具有巨大的優(yōu)勢，且功耗也控制的相對較低。

如下圖所示，從創(chuàng)世區(qū)塊到第26萬號區(qū)塊，挖礦難度值似乎沒有什么增長。相對于26萬號區(qū)塊之后的巨大難度值，之前的挖礦難度只能用簡單來形容。然而，約26萬區(qū)塊號之后，比特幣區(qū)塊的難度值急劇增加。這從側面也反映了比特幣全網(wǎng)算力的大幅度提高。實際上，比特幣的全網(wǎng)算力從創(chuàng)世區(qū)塊的約7MH/S已增至如今的約5000PH/S，比特幣的算力已經(jīng)增加了7000億倍。而第26萬號區(qū)塊正是出現(xiàn)在2013年底，這與比特幣ASIC挖礦設備出現(xiàn)的時間點非常吻合。

現(xiàn)今比特幣挖礦設備早已跨入了ASIC時代，而使用ASIC芯片來進行人工智能相關的基礎計算才剛剛興起。

人工智能領域中，深度學習目前被廣為關注。2016年3月，谷歌的AlphaGo與韓國棋手李世石的對決中取得了4:1的成績。而后，化名Master的AlphaGo升級版于2016年12月至2017年1月對戰(zhàn)世界頂尖的44名棋手，最后取得了60連勝的成績。深度學習算法絕大多數(shù)可以被映射為底層的線性代數(shù)運算。線性代數(shù)運算有兩大特點：一是Tensor的流動非常規(guī)整且可預期；二是計算密度很高。這兩大特點使得深度學習特別適合做硬件加速。

值得注意的是，AlphaGo與李世石的對弈中使用了170個GPU和1200個CPU；而AlphaGo Master則僅使用一個TPU單機版。TPU（Tensor Processing Unit），即張量處理單元，是一款為機器學習而定制的ASIC芯片。由此可見，比特幣礦機和人工智能深度學習具有可比性，它們都是依賴于底層的芯片進行大規(guī)模并行計算，使用ASIC芯片可以大幅提高運算效率。

除了人機對弈，蘋果的Siri智能語音助手也采用了機器學習技術來增強其理解和執(zhí)行用戶的自然語言的能力。同樣，采用人工智能技術的Tesla智能駕駛系統(tǒng)也極大地提升了用戶的駕駛體驗。而亞馬遜采用人工智能技術開發(fā)的購物預測系統(tǒng)能夠更加精準的推薦給客戶合適的商品。

因此，比特幣礦工使用ASIC設備在挖礦過程中計算的哈希值毫無價值，而運行于ASIC芯片之上的人工智能則給人類帶來了諸多益處。

當前礦工的的每日平均收益為7.22元每THash。如果自己的礦機運行一天的成本高于這個值，則礦工實際上就處于虧損狀態(tài)。而淘汰下來的ASIC礦機就沒有任何用武之地。

比原鏈重新設計一種不同于比特幣的哈希運算PoW共識機制，引入了矩陣運算與卷積運算，這樣就能讓人工智能運算充分利用比原鏈的挖礦設備。在這種情況下，礦機市場巨大的經(jīng)濟利益能夠極大地加速人工智能ASIC芯片的發(fā)展，加快人工智能的研究。反過來，人工智能的快速發(fā)展也產(chǎn)生了更多的ASIC礦機需求。因此，這是一種正向反饋良性發(fā)展的過程。

國家發(fā)改委在《“互聯(lián)網(wǎng)+”人工智能三年行動實施方案》中提出，到2018年國內的人工智能市場應用規(guī)模要達到千億級別。類比于云計算，由于云計算的快速發(fā)展，作為云計算的基礎設施，因特爾的服務器業(yè)務有30%提供給了云計算公司。而僅亞太地區(qū)，服務器廠商的銷售額就增長了9.7%。類似于云計算的迅猛發(fā)展對服務器市場的促進作用，可以預料，當人工智能的市場規(guī)模達到千億級別之后，ASIC芯片的市場規(guī)模勢必也能達到百億級別。而比原鏈對人工智能ASIC芯片友好型PoW算法勢必將挖礦閑置或者淘汰下來的礦機充分利用。

在倡導環(huán)保，資源重復利用的今天，能夠使得閑置礦機得以造福人工智能發(fā)展，這本身就是一種巨大的進步。