比特币现在的发展形势和石油产业在 1900 年早期的境况很相似——由投机行为主导,缺乏“杀手级应用”。早期的石油产业经过了一段很疯狂的「黑色黄金」的阶段,像在宾夕法尼亚州的很多地方,大家在自己的院子里面就开始挖。大家都知道这个东西有人买,这个东西的价格被炒地满天飞,但是基本上大家都不知道这黑黢黢的东西是拿来干吗的。 在那个时候,大家只提炼煤油,把汽油、柴油这些都当做是废物抛弃掉了,那个时候石油所谓的杀手级应用就是把煤油当做一种灯油来代替鲸鱼的脂肪,所以整个石油行业直到后来发动机的出现,像亨利福特把汽车产业逐渐的标准化,到这种时候才出现了对石油的硬需求,有了更清楚的、更清晰的认识。 所以我觉得像比特币这种大宗商品也会经历这么一个过程,也会需要去等待它的这么一个发动机的时刻。一旦有了这么一个时刻,交易的最终性、交易的速度、便宜、费率低,这些都是非常重要的一些因素。这些多多少少都和算力能够常保持长期的通胀是有关系的。但随着减半的次数逐渐增多,怎么样持续地去吸引矿工来贡献算力以保持长期算力通胀,这确实是一个比较复杂的问题。 工作证明与结算系统安全性 对于比特币整个网络的安全来说,光有算力是不够的。我们也看到了各种各样的分叉例子,有的分叉无关痛痒,但是有的分叉对于一个网络所持有的资源还是有很大的伤害。那为什么会出现这种现象呢? 首先网络共识是一个非常复杂的现象,算力它不代表是一个绝对的权力。机器共识的硬度取决于两个因素,一个是持续创造算力的一个成本,租赁算力的成本,另外一 个是算力所有权的分布,如果算力所有权越分散,那么去收集大量的算力就越困难。 光有这两个条件,对整个结算系统的安全性还不够。之所以说算力不是绝对的权力,是因为分布式共识中涉及到两个方面:一是人类的共识对开发的的决策;什么样的东西是社区喜欢的,什么样的东西是社区不喜欢的;二是机器共识即交易顺序的晶体化,把能源转化成数字化的一个绝对账本。这两者其实是互相制约、阴阳调和的。 每个项目情况都不太一样,有的项目如果被开发者团体特别强硬,然后有一些行业领袖声音特别明显,他们可以把控项目发展;在有些项目里面,矿工的实力非常强,他们可以通过分叉等等方式去威胁整个网络的安全性。 这两个极端我当时给它取了两个名字,一个叫做「脆弱的恐惧平衡」,即在算力高度集中的情况下,大矿工把社区以分叉为要挟劫持。我们看到有一些项目很明显出现这种情况,包括一些比较有争议的项目。 这个名词来源于 50 年代美苏冷战期间,由 RAND 首次提出,肯尼迪总统,基辛格等人多次提出。大概是美苏之间以全面核战争为代价维系“脆弱的恐惧平衡”,这样来避免了争端升级成毁灭式的战争。 另一个极端是整个社区对开发者出现了非常狂热的崇拜,我们在一些小币种里面也看到了这种现象,比如说分布式存储的项目叫做 Siacoin,在 2018 年,他们听说了比特大陆在造 ASIC,然后他们开始是尝试自己去造 ASIC,后来失败了,直接就对网络进行了分叉,相当于把比特大陆机器给强行关掉了。 包括现在更新一些的项目,比如说 Grin 在设计之初也刻意地将算法做成了记忆存储的密集性,使 ASIC 进来非常的昂贵,这些都是开源社区中一些态度很强硬的开发者所做的决定。 他们的支配地位对于整个项目前进的方向有决定性的作用,如果开发者的自我意识变得非常强的话,即使在开源社区中没有一个很明显的上下关系,也会出现这种隐形的阶级,一种变相的官僚主义。 这个现象我把它叫做「无结构主义的暴政」,这也是 50 年代在美国女权运动失败后,一个叫 Jo Freeman 的运动领袖所做的反思和总结。论文的标题就是“无结构主义的暴政”。文中很深刻地描写了一些看似很民粹、平等甚至平权的组织,其实更容易形成隐形规则和阶级,反而使得这种运动更容易崩溃失败。 不管怎么说,开发者和矿工之间的分歧,其实和去中心化这种理想没有太大关系,主要还是谁在控制着发币的机制,哪个派系在控制着市场。这两种社区管理的方式都非常极端,绝大部分项目都是在这两者之间,不过毋庸置疑的是算力它作为将能源转化为交易排序晶体化的一个过程,有非常重大的经济意义。 算力的供给与行业关系梳理 之前提到随着行业发展,如果要保证比特币作为结算体系,能在未来吸引更多商业活动的,算力在长期保持一定程度的通胀是十分重要的。 过去算力的供给几乎是完全受价格的影响。比特币价格上涨,大家觉得挖矿赚钱,然后矿工开始角力,寻找低廉的电力挖矿,逐步竞争使得开发商开始互相去寻找更先进的工艺。 这个过程循环使得网络算力逐步增长,难度上升,挖矿利润下调,再让算力的增速放缓。整个过程的核心逻辑还是供求关系,其他的因素都是通过供求关系来影响价格。 就微观而言,挖矿落实到最后其实还是每个矿工利润的问题。如果矿工不赚钱,矿工对这个东西也就失去了兴趣。如果要保证长期健康的发展,必须要分析产业的利润分配结构,以及哪些因素在影响矿工的利润。 比特币在设计之初,其实解决了一个很复杂的问题:异步分布式系统在单节点失败情况下如何达成共识。 算力行业的格局 要理解矿工的收益,我们需要来理解整个行业的格局。对于一些不熟悉的听众来说,可能会经常听见一些开发商、数据中心、电厂这样的名词,但是并不太清楚他们之间的相互作用关系是什么样,起始点肯定是矿工,以及愿意投资挖矿的这些投资人,随着币价和挖矿利润的增长,对这个事情产生兴趣,然后无论是从矿机厂商直接进购机器。 一般来说开发商是要全额支付整个机器的订单,基本上 80% 以上需要首先提前支付,这是因为开发商需要向晶圆厂,向 TSMC、三星这些代工厂去订购晶圆,这其实也是一个很昂贵的过程。 对半导体工行业熟悉的朋友也知道,越到上游中心化的现象就越强烈,甚至到 TSMC 之上光刻机的制造基本上就只有荷兰的一家公司在掌控着整个行业的命脉。 最近,随着开发商的增加,他们之间的竞争变多,也出现了一些开发商愿意和矿工一起来承担一部分首付的风险,但其实这种调整也都意义不是特别大。之所以会出现这种对首付要求百分之七八十以上的现象是有一定的历史原因。 在 2015 年,以及 2018 年之初,不少的开发商当时因为之前的狂热牛市而高估了整个市场热度。当然这个也确实很难预测,因为硬件市场毕竟对于金融市场有一个反应速度,无论是去订晶圆,还是去做新的机器,这都需要相当长一段时间。 金融市场它本质是一个信息的变化,它的反应速度非常快,而硬件市场的反应速度就相对的滞后。这么几年下来,开发商也逐渐变得更保守,基本上就是说,你下了订单,然后两周以后给你发货(有现货的情况就另当别论)。 除了硬件这层关系,还有数据中心、矿场也是大家经常听到的名词。其实很多数据中心在 2013 年开始了第一批这种很专业的矿场,一些熟悉挖矿历史的人也知道烤猫,这些元老级的人物也做了各种各样的尝试。发展到现在,其实国内一些矿场已经高度专业化,水平也非常高,但是这些毕竟是头部矿场。整个体系从能源到硬件,到矿工挖出来币,然后在交易所上或者是通过 OTC 去换成法币。 算力资本市场化与分类 还有个问题是在购买算力的时候大家具体是买的是什么东西?之前提到了算力是一个数字化的大宗商品,它其实是一个抽象的数字化大宗商品,绝大部分其他大宗商品,无论是咖啡豆,还是一些稀有金属,它们都经过了一个资本市场化的过程。 这个资本市场化的过程还挺复杂的,像咖啡豆作为一个商品交易,最近 10 多年才变得更标准化。标准化其实非常地重要,不然每一个咖啡豆它的种类、质量都不一样,如果这些因素无法被很有效的市场机制给量化或者做一些分类,交易就太复杂了。 算力作为一个商品的交易规模和资本市场的形态都还在非常早期的状态。在交易算力的过程其实就是交易矿机。 这里有一个问题,一个是交易的过程非常的麻烦,涉及到大量的人力、物力,以及时间的滞后,再加上市场本质,还因为市场的架构交易起来会非常不透明,有大量的信息都在买方和卖方之间单独传播,没有一个很公开的机制,让大家很好的去看到定价。 所以这个过程类似于像咖啡豆,也需要一个标准化的一个过程,是一个相对来说更漫长的一个过程,需要市场有一定的自发性。但是纵观其他商品的发展的历程,这个过程肯定是不可避免的。这个是实体矿机最主要购买算力的一个方式。 另外,就是虚拟算力,也就是云算力。我在这里放了一张图,是各种不同期的期限云算力合约的定价。现在对于云算力,国内的一些玩家应该很清楚,这个东西里面的水很深,一个是定价非常的参差不齐,然后跑路的特别多,也很难去界定他们背后实际上实力到底如何。 这个市场也是一个非常带标准化的过程,因为它已经完成了一个虚拟化的过程,虚拟化的算力买卖其实标准化起来要更容易一些。 所以我认为「云算力标准化」其实会在「矿机市场的标准化」之前发生,但是一个先决条件是云算力市场别把自己给玩“死”了,因为这是很低效的商业模式,基本上他们一方面向矿工去租算力,另外一方面向无论是散户也好,还是一些挖矿的基金也好,去卖这个算力,中间赚差价。 但是定价一是模型非常复杂,他们很多自己也不知道该怎么去定价。然后有的时候市场如果出现了巨大的变化的话,那对买方卖方,以及平台自己都是有一定的影响。 比如在 2019 年 4 月,那个时候币价从 11 月份开始到 4 月份基本上是 3000 美元左右在游走,到了 4 月份的时候突然一下涨到了 4000~5000 美元,在那段时间很多云算力平台根本就没来得及去调整它的合约的价格。 所以有一些很聪明的玩家在那个时候大量地进购,还以 3000 美元为标准而定价的这些云算力合约,接下来格涨得很快,全网算力反应也花了一段时间,这种是少有的云算力挣钱的情况。 最后一种资产类别是合成算力,这是一个稍微超前一点的概念。意思是一个买方和一个卖方,比特币的买卖双方达成了长期互换交易关系,每天比特币的卖方和买方会以一定的交换率去交换比特币与法币。 交换率是模仿算力增长而对挖矿收益的一个变化,这种合成的算力方式,其实是一种模拟挖矿来卖币或者模拟挖矿来买币的方式,这在一些矿池(尤其是和交易所有合作的矿池,或者是交易所开的矿池里面)也开始出现了一些雏形。这种模式如果有足够的买方兴趣的话,会逐渐发展起来。 这种交易模式现在还比较新,还没有看到一些特别有意思这样的服务,但是我觉得这种东西诞生只是一个时间问题。再加上现在 FTX 也出现了算力的指标,像 Coin Metrics 出现了算力指标,以后对算力指标衍生出来的合成算力产品,我觉得在一定程度上会受到一些投机者的欢迎。 矿机的期权本质 矿机它是非常复杂的期权,而且它涉及到三个不同的变量,一方面是看涨期权,是对价格的看涨期权,比特币价格越高,机器的价格也就越高;另外一方面是全网算力的看跌期权,全网算力的增长速度越快,机器的价格也就越低; 最后一方面提的不太多,是费率的看涨期权,整个全网的费率越高的话,对机器的价值也就越有利。三个变量要揉在一起,然后很有效的把它们给做一个分析,才能对算力做很好的一个定价。我们都知道这三个变量之间是有联系的,很明显价格越高,那全网算力增长速度就越快,随着比特币网络使用率越高,那费率也就越高。 虽然理论上来说大家都明白这些东西是连接在一起的,但是实际上在很短的一个窗口内做相关性的分析其实很困难,主要是因为像算力市场这种硬件市场对于金融市场反应的滞后性,所以当相关性产生的时候,其实已经过了一段时间了,就当价格变化之后,算力做反应其实已经过了相应一段时间。 但是从一些历史的数据可以看到,机器的价格变化也是很快的,尤其是一些相对流动性充裕的一些机器,比如说 S9,无论是在开发商直接卖,还是二手市场上,其实它的价格波动在一定程度上是和挖矿的收益贴得很紧的。 当然机器的数据是很难收集的东西,大家知道经销商二手市场的卖家,因为质量的原因,他们定的价格满天飞,这个过程和之前提到了需要一个标准化的过程是有关系的。但是结论上来说矿机是一个金融产品,然后它的价格是和我们刚才提到三个变量是密不可分的。 算力定价 了解它是一个金融产品之后,一个很重要的问题是怎么去给它定价。算力是一个高度复杂的结构化产品,使得大家对它的定价是无从下手。 现在市场里面很常用的标准是一个「静态回本周期」,280 天回本或者是 3 个月回本,10 个月回本,随着减半的次数增加,数据变得越来越长,但这个指标是非常粗糙的。在这种期权定价中一个很重要的变量就是它下面衡量这个东西本身的波动性,波动性越强,它这个东西就越有价值。 静态回本周期的一个很大的问题:无论是价格未来的波动性,还是算力未来的波动性,以及费率未来的波动性,全部都抹掉了。一个很直接的效果就是说静态回本周期这个数字本身随着市场的变化,数字的波动就非常剧烈,当然现在费率还是一个比较小的问题,但是我觉得随着减半次数增加,它会成为矿机定价越来越重要的一个问题,算力的变化,价格的变化,对回本周期都会有非常巨大的一个影响。 其实在购入矿机之前,很多投资人和矿工在做模型,很多时候看不清楚也正是这个原因。既然静态回本周期是一个不准确的定价方式,那有什么其他的一些模型呢? 在传统金融里面,期权定价离不开 Black Scholes 的衍生模型,其核心在于将未来的不确定性通过其无风险率做折现。不同的是算力是三元期权,所以要用有关联性的三个几何布朗运动(也叫随机运动),然后用多因素的伊藤引理找到解。 但是这里面有一个棘手的问题:算力和费率它没有无风险收益率。熟悉期权定价的朋友们应该都很清楚,无论是股权定价还是一些商品定价,它的核心概念是无风险收益率,但在算力和费率里面没有这么一个概念。 我们虽然可以用宏观市场已有的一些利率去做「无风险收益率模型」,但是它们之间会有几度的非相关性。因此虽然这种三元变量期权法可以在一定程度上用我们非常熟悉的随机微分方程的一些方式去做一个定价,但是一是很复杂,二是不完全准确。 还有一个比较简单的方法就是把算力、费率,它们和价格的相关性做一个简单的分析,相当于把算力的增长和费率的增长通过相关性来折叠到价格的相关性上,把它变成一个单变量。 但这个相关性不是在同一个时间窗口内发生的,算力对价格的相关性其实有一个时间差,而这个时间差也是随时在变化,所以要做这个方法非常复杂。但是这个方法它是不同种的复杂,它在计算上要稍微简单一些,但是在数据分析上、数据采集上要更复杂一些。 第三种方法是最近提出来的一个方法,叫做合成方法,是通过做空币,以及传统的债券,以及买矿机、买算力的这么一个组合的形式去模仿直接购买矿机的一个收益。这个方式是以色列的两个学者最近提出来的,但这个方法有个问题,它里面做了很多对市场流动性的假设,我觉得和现实不太相符合。但是这个方法方向是合理的,而且随着一些工具的增多,以及工具本身的流动性的提高,用合成组合的方式去给矿机定价也是一个未来可行的一个方式。 最后就是数值方法,就是通过一系列的「蒙特卡罗模型」去模拟矿机的价格走势,但是一个问题就是很难标准化,基本上是每个交易方跑自己的模型,很难让整个市场都用这种方式标准化。 数币矿业市场的风险形态分析与应对措施 定价方式过于复杂很直接的问题就是大家对行业的风险不太看得清楚,然后对风险的类型也很难量化的去分析。很重要的一个问题是谁来承担行业里面的风险? 基本上在现有的市场结构下,矿工是承担主要的风险,虽然现在有一些新的这些矿机商愿意去卖一些看跌期权,或者是通过开始首付打折的这种方式去吸引矿工。但主要的市场风险,运营上的风险还是由矿工自己来承担,包括一些矿场,当然矿场要给电厂的费用是以法币计价的,所以转换币价的风险还是无法避免。 现在随着一些矿场的增多,矿场因为和他们的电厂之间有一些最低用电率的保证,有一些数据中心开始和矿工说,我们用这种联合挖矿的形式,我以最低的电价来收费,然后你挖出来的一些币,我们一起以一定比例来分。现在的问题还是缺乏一些成熟的金融产品,虽然现在大家也开始听到了一些抵押借贷或者是用期权的方式对冲风险,但是它们的量还不是很可观。 主要是因为早期挖矿行业利润太丰盛了,所以基本上只要把成本控制得好,就不太需要去做这些额外的手段。随着整个市场的竞争加剧,减半次数增多,以及新一波的这些矿工的金融训练强化,那我觉得对金融工具的组合使用会变得更常见,包括一些理财产品,一些交易服务也会逐步的去增强矿工的份额。 行业的风险集中在矿工上有一个很大的问题,就是这个行业很难去拓展起来。在过去几年,我在纽约一家专职于挖矿的一个基金公司,我们经常去和一些家族基金、一些传统投资人去讲挖矿,然后每次给他们看挖矿收益很常见的反馈,就是这种双倍、三倍的收益虽然看上去非常吸引人,但是像我们这种投资人其实更喜欢的是能够稳定在每年 5% 收益。 在 2018 年、2019 年的件下,其实几乎不可能去做这样的保证。我们就意识到其实如果挖矿行业要进一步向传统资金源源不断地去汲取资源的话,对风险的控制是非常重要的一个环节。对整个行业各个玩家的关系做了分析之后,基本上可以得出一个结论就是要控制风险几乎只能通过矿工使用金融工具的方式来做一系列的对冲。 再回到整个讲座开始提到的一个话题,比特币如果要成为独立的国际间一个清算系统,未来要保证算力能够一直健康的做一个增长,源源不断地从传统基金去吸引资源是至关重要的。所以我觉得「算力金融化」它不仅是一个投机行为,它还是整个行业发展的非常重要的一个环节。 在挖矿的时候有哪些风险形态呢?有一些风险是大家都需要面对的,有一些风险是个别矿工需要面对,比较因人而异。宏观的风险就是比价算力,以及机器价格变化,以及本地对虚拟货币的政策。 这大家知道这几年很多地方的政策一直在飘忽不定,一会支持一会打压。这背后是一个更复杂的问题了。在一些国家对于数字货币的本质有更清楚的认识或者接受之前,很多地方上的政策都会经过各种各样的变化,我觉得这是无法避免的一个过程。 另外,个别的一些硬件风险发货的速率,之前受新冠影响,很多发货速率都出现一些问题。最近比特大陆内部原因,发货速率也出现了一些问题,这些都是不太好预测、不太好控制的因素。 机器的耗损率,包括之前 S17 就是相对诟病比较多的一个产品,是因为它背后的散热片,如果大家熟悉矿机里面的长相就知道,蚂蚁矿机从 S5 开始就一直用的单个散热板,每一个芯片背后粘一个散热片,神马就是整体的一块,这种结构的好处就是通风上要更容易一些,每个芯片的散热更快。 但是一个很麻烦的问题是一旦散热片掉下来以后,维修起来比较昂贵。之前 S9 这些都用的是黏剂,S17 是用的低温焊接。一个问题是散热板掉下来以后,会倒在临近的散热板上,导致整个算力板都出现短路的现象。虽然 S17 是相对来说比较先进的产品,但是耗损率还是比较高,这是比较麻烦、比较难以预测的一些问题。 电源的耗损,场地稳定性风险,经常会出现断电问题。在运营的一个程度上,根据不同的个案组成的风险就非常不一样了: 一个是矿工本身现金流的控制,有的时候太贪心、不卖币,导致最后市场暴跌,无法付下个月的电费了,然后去会超额地去卖币;有时候为了超额购进新的机器,把之前挖的这些币几乎大部分卖掉了,导致牛市来的时候没有任何的增收。这些都是现金流控制的问题,它本质还是金融问题。 另外诸如场地维护,机器被盗,这也是发生过的一些事情。然后还有被动风险,包括丰水期洪灾,最近云南有一个矿场出现火灾,这些都是和场地的质量密切相关的问题。 宏观来看,我把这三个主要因素总结为代币的供应机制、气候周期、硬件的迭代。这三部分都会影响整个矿工利润计算公式中不同的部分,比如说挖矿的收益本身它是和供应机制是密切相关的,然后矿工的每个月付出的价格是和气候周期是有关的,以及收益的效率,以及硬件的折旧这些东西是和硬件的迭代是有关系的。 我们再逐步去对这三个因素做一个简单的分析。代币的供应机制非常容易理解,和很多有形的这种商品比如咖啡豆、黄金这些东西不同,合约非常明确地规定了每 4 年要做一次减半,每天都有新的比特币在以不同的比例被卖出,然后流入到整个比特币经济体的其余的一部分。 由于矿工是整个比特币生态系统中唯一的自然供应方,这意味着它是最稳定的卖方。在早年时候,矿工对市场的流通性以及定价有非常巨大的影响,主要是那个时候,一是每个区块产生的代币的数量比较多,另外是当时全球比特币的流动性还相对比较差一些,所以在那个时候去做这种矿工的「卖压」分析是很重要的。 随着现在减半已经过了三次,每个区块产生币的数量逐渐减小,交易行为变得越来越复杂,交易的参与者逐渐变多,交易的量变大,其实矿工的卖压也在逐渐变小。如果单纯去分析每天挖出的币作为每日交易量的占比的话,其实可以从这个表上看出,它的影响已经非常小了。 第二个因素是气候周期,这个气候周期其实是一个衍生性的现象,主要原因是挖矿行业在地理上非常的集中,大家也知道就这个世界上绝大部分的算力都在国内,然后有很大部分算力集中在四川、云南这些地方。每到 5 月-10 月份之间的丰水期,各种活动就开始了,开发商基本是在 4 月份、5 月份的时候开始去推出新矿机宣传活动,矿场也在那个时候在各种会议间穿穿梭,一些新疆内蒙地区的矿工也开始在这段时间去把机器给运到西南地区来拿便宜的电。 这个现象其实成了整个挖矿行业周期的一个很重要的环节。所以每到丰水期,算力的增长是相对来说是比较快的。这个现象当然是一个很独特的衍生现象。今后如果更多的算力被移到海外,看到现在俄罗斯、中亚地区,包括美国很多人对挖矿产生了兴趣。随着算力的进一步的分散,气候周期也就逐渐会退出历史舞台。丰水这个现象肯定会继续存在,只是它的影响可能会不如当下这么明显。 最后一个问题机器迭代的因素,我们知道每隔几年就会有新的机器出来,虽然卖的更贵,但是它们的效率也就越高,燃烧耗电少,产出的算力多。从比特大陆一家独大,到现在两三家去竞争分享矿机的市场份额,其实对这个市场是非常好的一件事情。 用户选择多了以后,因为矿机本身是一个商品,你在买矿机的时候看的无非就那么几个指标,效率、价格、耗损率,其他包括客户服务、交货时间这些当然都是加分的,但是最核心肯定还是价格、能效比,还有耗损。 耗损这个事情其实很有意思,在之前的几大矿机里面,耗损不是谈得特别多的一个事情。今后随着机器迭代的速率下降,大家知道摩尔定律在逐渐的放缓,我们刚刚经历了从 16 纳米到 7 纳米、8 纳米的过程,然后今后再到 5 纳米,甚至 3 纳米就会变得越来越困难,变得越来越慢,再之后就到了物理极限了。 机器的平均寿命也在逐渐的延长,机械的寿命延长,耗损率也就变得越来越重要。如果一个 4 年或者 5 年的一个机器一直需要维修的话,累计出来的成本会很显著的。 这三个因素互相制约、互相纠缠,对挖矿短期产生了一些非常复杂的不可预测的现象。但是长期随着比特币变得越来越主流化,越来越受欢迎,一些机构和政府开始对其产生兴趣,那矿业毕竟还是收集大量币的最有效的一个方式,这方面的竞争也就越来越剧烈。 最近我们看到美国的一些机构,像富达、Blockstream ,甚至一些油气行业的元老也开始对挖矿产生了相当浓厚的兴趣。虽然从美国进口机器需要承担额外 27.5% 的税,但是至少从能源分布上来说,北美是相当有竞争力的。 总结 整体来说,整个行业会朝着更加资源密集型去发展,过去 2013 年开始的矿工,甚至更早一些的矿工只需要去控制成本就可以稳坐着拿着收益,今后的话肯定是需要去做一些金融产品的组合和使用。 挖矿这个事情本身还是有很大的进步空间,会朝着更加工业化的方向去发展,我们开始看到了一些液态制冷比较高端的一些东西出现,在早几年的时候这些东西都提出来了,在那个时候觉得首期投入太高昂,但是随着机器的寿命延长,这种东西就变得越来越合理。 两大趋势:工业化和金融化。我们也提到了一些常见的金融工具,云算力租赁、然后抵押借贷,然后期货期权,我个人认为矿池其实是算力金融化的第一步,因为你把算力相当于是卖给了矿池,通过常见的 FPPS 和 PPS+等计算方式,将挖矿过程一定程度地虚拟化。所以「算力金融化」是很早以前就开始发生的一个事情,只是现在变得更复杂了。 「算力金融化」的最终形态是什么样?我觉得和「算力的衍生品」是密不可分的,衍生品其实对传统市场熟悉的朋友也很清楚,在过去四五十年内衍生品交易量变得非常的巨大,甚至超过很多商品本身或者是一些股权本身的一个交易量。他们其实对整个资本市场「活性」是有巨大的里程碑式的意义。 当前的市场设计,你除了去买矿机、云算力之外,没有其他的一个很好的购入算力的方式,想通过和衍生品的结合,可以让算力更好地虚拟化,使得在没有算力的情况下,也可以参与到市场的定价中,让标准化的进程也会加速。 我们看到了石油行业之前价格出现负值的这种比较尴尬的情况,这些也是衍生品进入比较两面性的一些地方。总而言之,我觉得这是大方向,是不可避免的一个趋势。 (责任编辑:admin1) |