تألیف: دانشگاه کمبریج / ترجمه: سپهر هاشمی
توضیحات مترجم:
دانشگاه کمبریج قبلا یک نسخه از این شاخص رو منتشر کرده بود که بعدا روش شناسی خودش توی تخمین برقی که شبکه بیتکوین مصرف میکنه رو اصلاح کرد و عدد شاخص خودش رو کاهش داد. این مقاله در 31 آگوست 2023 در اینجا منتشر شده است. برای مطالعه راحت‌تر و دریافت فایل PDF اینجا کلیک کنید.
بررسی فرضیات اساسی پشت شاخص مصرف برق بیتکوین کمبریج (CBECI) منجر به اولین بازنگری عمده در آن از زمان راه‌اندازی آن در سال 2019 شده است - پاسخی به شواهدی که حاکی از تخمین بیش از حد دوره‌ای در مصرف برق است.
محبوبیت بیتکوین در سال‌های اخیر افزایش یافته است و تا حد زیادی تصویر منفی خود را از دست داده و مورد قبول جریان اصلی قرار گرفته است. بااین‌حال، این بررسی دقیق همگام با افزایش محبوبیتش انجام شده است. رشد سریع ماینینگ بیتکوین نگرانی‌هایی را در مورد ماهیت انرژی‌بر این صنعت و عوارض محیط‌زیستی و اجتماعی مرتبط با آن ایجاد کرده است. در بحث‌های پیرامون مداخلات تنظیم‌گرانه، برخی ادعا می‌کنند که بیتکوین بهبود‌های زیست‌محیطی را به خطر می‌اندازد و می‌تواند تغییرات آب‌وهوایی را شدیدتر کند، در حالی که برخی دیگر استدلال می‌کنند که می‌تواند به مبارزه با تغییرات اقلیمی کمک کند و مزایای اجتماعی دیگری را ارائه دهد. بااین‌حال، ماهیت پیچیده صنعت ماینینگ و فقدان اطلاعات اغلب کمتر شناخته می‌شوند، که فضا را برای نقاط داده‌ای انتخاب‌شده و دیدگاه‌های مغرضانه ایجاد می‌کند. بنابراین، آگاهی از پیچیدگی و ماهیت غنی از جزئیات این موضوع بسیار مهم است.
ما شاخص مصرف برق کمبریج بیتکوین (CBECI) را در پاسخ به این تقاضای فزاینده برای دیدگاه‌های مبتنی بر داده‌های قابل اعتماد در جولای 2019 راه‌اندازی کردیم. با انعکاس افزایش علاقه عمومی به این موضوع، کار ما تکامل یافته است و به تدریج دامنه شاخص را گسترش می‌دهد تا خشت به خشت بنای لازم برای ارائه تصویر کامل‌تری از ردپای زیست‌محیطی بیتکوین را فراهم کند.
اولین نسخه از شاخص بر اساس یک مدل فنی-اقتصادی است که دیدگاه‌هایی را در مورد استفاده از برق در فعالیت‌های جهانی ماینینگ بیتکوین ارائه می‌دهد. به‌تدریج، ویژگی‌های تکمیلی مانند تاریخچه تقاضای برق و مصرف انباشته برق را وارد کردیم.
با این وجود، در حالی که مصرف برق برای درک ردپای زیست‌محیطی بیتکوین بسیار مهم است، اما این فقط یک عنصر است. برای ایجاد یک درک کامل‌تر، باید تعیین کنیم که برق مصرفی چگونه تولید می‌شود و از این رو اطلاعات مورد نیاز در مورد توزیع جغرافیایی ماینینگ بیتکوین را مشخص می‌کنیم.
برای رسیدگی به این شکاف اطلاعاتی، در ماه می 2020 شاخص CBECI را با ادغام یک ابزار جدید به نام نقشه ماینینگ به‌روزرسانی کردیم که دیدگاه‌های منحصربه‌فردی را در مورد توزیع جغرافیایی هش‌ریت (قدرت محاسباتی ارائه شده به شبکه) در طول زمان ارائه می‌دهد. این موضوع به سنگ بنای رویکرد ما در تخمین میزان انتشار گاز‌های گلخانه‌ای (GHG) توسط بیتکوین تبدیل شد (که در سپتامبر 2022 راه‌اندازی شد). ما با بهره‌گیری از اطلاعات مطالعات قبلی‌مان، تصویر کامل‌تری از تأثیرات آب‌وهوایی بیتکوین ارائه کردیم؛ در حالی که تنها در نظر گرفتن میزان مصرف برق، این امکان را به ما نمی‌داد.
به‌روزرسانی معرفی‌شده در این مقاله، یک بازنگری عمده در روش اصلی ما برای تخمین مصرف برق بیتکوین را نشان می‌دهد. پس از ارزیابی بازخورد از سوی سهام‌داران مختلف، تصمیم گرفتیم روش‌شناسی موجود خود را به‌طور جامع بررسی کنیم تا مشخص کنیم آیا نیاز به بهبود دارد یا خیر، و در این صورت، یک به‌روزرسانی‌ای را طراحی و آزمایش کنیم که می‌تواند به رفع مشکلات شناسایی‌شده کمک کند.
برای ارائه زمینه به استدلالی که در بخش‌های بعدی ارائه می‌کنیم، ابتدا ماینینگ بیتکوین و تکامل آن را معرفی می‌کنیم. ما به پیشرفت فناوری سخت‌افزار اختصاصی ماینینگ که عموماً اسیک نامیده می‌شوند، و به چگونگی تغییر روند پیشرفت‌ها توجه ویژه‌ای می‌کنیم. در مرحله بعد، مجموعه‌ای از داده‌ها از سوابق واردات سخت‌افزار ماینینگ بیتکوین در ایالات متحده گرفته تا آمار صنعت را بررسی می‌کنیم، و آن را با تخمین‌های قبلی و تخمین‌های به‌روزشده‌ی خود مقایسه می‌کنیم. برای نتیجه‌گیری، ما منطق پشت اصلاحات اجرا شده را خلاصه می‌کنیم و با استفاده از آن‌ها به صورت عطف به ماسبق، نحوه تأثیر آن‌ها بر تخمین‌های قبلی‌مان را شرح می‌دهیم.
تولد بیتکوین در سال 2009 یک انقلاب تکنولوژیکی را شعله‌ور کرد که قلمرو دارایی‌ها و معاملات دیجیتال را متحول کرد. این رمزارز پیشگام که توسط یک شخصیت نامشخص با نام مستعار ساتوشی ناکاموتو معرفی شده است، توسط فرایندی به نام «ماینینگ» -ستون فقرات شبکه غیرمتمرکز آن- پشتیبانی می‌شود. استخراج بیت کوین به فرایند محاسباتی معرفی بیتکوین‌های جدید به عرضه‌درگردش و افزودن تراکنش‌ها به بلاکچین اشاره دارد.این فرایند بر اساس الگوریتم اجماع اثبات کار (PoW) است که در آن ماینر‌ها باید یک پازل رمزنگاری را حل کنند که به منابع محاسباتی و انرژی قابل توجهی نیاز دارد. ماینر‌ها برای حل این معما‌ها به رقابت می‌پردازند و به برنده این فرصت داده می‌شود تا یک بلوک جدید به بلاکچین اضافه کند. بلوک پیشنهادی ماینر شامل لیستی از تراکنش‌های معتبر است و پس از اضافه شدن به بلاکچین، این تراکنش‌ها عملاً غیرقابل تغییر می‌شوند و در نتیجه یک رکورد شفاف و غیرقابل تغییر ایجاد می‌شود. ماینر برای تلاش‌های خود با توجه به تعداد معینی از بیتکوین‌های تازه تولید شده (به نام پاداش بلوک، که تقریباً هر 4 سال یک‌بار نصف می‌شود) و کارمزد تراکنش‌های موجود در بلوک خود پاداش دریافت می‌کنند. با افزایش ارزش و محبوبیت بیتکوین، ماینینگ به‌طور فزاینده‌ای رقابتی شد که آغازگر تکامل قابل توجهی در سخت‌افزار ماینینگ شد.
ماینینگ در روز‌های اولیه بیتکوین یک فرایند ابتدایی با استفاده از رایانه‌های شخصی استاندارد برای استخراج بلوک‌ها بود، که گواهی بر تقاضا‌های محاسباتی متوسط شبکه در آن زمان بود. در این دوره فرایند ماینینگ با CPUها انجام می‌شد. CPUها، که برای انجام طیف وسیعی از وظایف طراحی شده بودند، برای نیاز‌های محاسباتی اولیه ماینینگ بیتکوین کافی بودند. با این حال، با افزایش ارزش بیتکوین، شبکه گسترش یافت و رقابت برای پاداش بلوک شدیدتر شد و تقاضا برای سخت‌افزار پیچیده‌تر و کارآمدتر ایجاد شد. این امر موجب تحول در سخت‌افزار ماینینگ شد. تا اکتبر 2010، پردازنده‌های گرافیکی (GPU) که در ابتدا به‌منظور بازی‌های ویدیویی مهندسی شده بودند، برای ماینینگ انتخاب شدند. این GPUها که قادر به انجام عملیات ریاضی ساده به صورت موازی بودند، در ماینینگ تقریباً 6 برابر کارآمدتر از CPUها بودند. بااین‌حال، این جهش در افزایش بهره‌وری عمر زیادی نداشت و خیلی زود FPGA در سال 2011 از آن‌ها پیشی گرفت. FPGAها، درحالی‌که تولید کردنشان کار فشرده‌تری می‌طلبد، به‌دلیل انعطاف‌پذیری در پیکربندی سخت‌افزای و نرم‌افزاری خود که آن‌ها را تبدیل به سخت‌افزار مناسب برای ماینینگ بیتکوین می‌کند، به‌طور قابل توجهی از GPUهای سطح بالا سریعتر هستند.
پیگیری بی‌وقفه عملکرد و کارایی بیشتر در مرحله سوم تکامل سخت‌افزار ماینینگ به اوج خود رسید و منجر به ظهور اسیک شد. اولین نسل از اسیک‌ها در سال 2012 معرفی شد، و اولین تحویل دستگاه -بعضاً موفق‌تر و بعضاً کمتر- توسط چند تولیدکننده در سال 2013 انجام شد. از آن زمان به بعد، اسیک‌ها به سرعت صنعت ماینینگ را تسخیر کردند و به دلیل کارایی برتر در مقایسه با فناوری‌های قبلی، خود را به‌عنوان دستگاه‌های منتخب ثابت کردند. پس از آن بود که اولین انتقادات مطرح شد و دقیقاً پیش‌بینی شد که ظهور اسیک‌ها منادی تغییر از ماینینگ خانگی به فعالیت‌های ماینینگ متمرکز در دیتاسنتر‌های حرفه‌ای خواهد بود.
اسیک‌ها بر خلاف پیشینیان خود برای اجرای عملیات خاصی طراحی شده‌اند که منجر به کارایی بی‌نظیر می‌شود، البته به شرط تطبیق‌پذیری با هزینه‌ها. مهمترین پیشرفت تکنولوژیکی از زمان پیدایش اسیک، کاهش تدریجی اندازه تراشه بوده است که از 130 نانومتر در سال 2013 به 5 نانومتر در مدل‌های اخیر کاهش یافته است. این امر به‌طور قابل توجهی بهره‌وری ماینینگ را افزایش داده است: هرچه تراشه کوچکتر باشد، به انرژی الکتریکی کمتری برای انتقال داده‌ها نیاز است.
با این حال، واضح‌تر است که سرعت پیشرفت تکنولوژی کند و ساکن شده است. جهش‌های دیوانه‌وار اولیه در قدرت محاسباتی و افزایش بهره وری، جای خود را به بهبود‌های تدریجی بیشتری داده است که نشان‌دهنده بلوغ فناوری ماینینگ بیتکوین است. سرعت بهبود بهره‌وری از سال 2020 به‌طور قابل توجهی کاهش یافته است و تولیدکنندگان سخت‌افزار احتمالاً به‌طور فزاینده‌ای برای دستیابی به افزایش بهره‌وری با چالش روبرو خواهند شد. این کاهش سرعت در درجه اول به دلیل محدودیت‌های فیزیکی فناوری نیمه‌هادی است که در قانون مور (Moore’s law) گنجانده شده است، که صنعت را برای دهه‌ها هدایت کرده است. با نزدیک شدن به این مرز‌ها، تولید تراشه‌های کوچکتر چالش‌برانگیزتر و گران‌تر می‌شود.
این کاهش در پیشرفت تکنولوژی بر طول عمر پیش‌بینی‌شده سخت‌افزار ماینینگ تأثیر می‌گذارد. قبلاً، پیشرفت سریع، سخت‌افزار اسیک را با سرعتی نسبی منسوخ و بی‌سود می‌کرد و فرضیات عمر اقتصادی کوتاه‌تر را توجیه می‌کرد. با این حال، کاهش سرعت، همانطور که در شکل 1 مشاهده می‌شود، به این معنی است که دستگاه‌های قدیمی‌تر برای مدت طولانی‌تری سودآور باقی می‌مانند، بنابراین، از منظر سودآوری، بر طول عمر پیش‌بینی‌شده سخت‌افزار اسیک تأثیر می‌گذارد و احتمالاً منجر به طولانی‌تر شدن چرخه‌های تعویض دستگاه می‌شود.
به طور کلی، تخمین طول عمر به‌طور قابل توجهی متفاوت است. درحالی‌که دانشگاه‌ها تمایل دارند طول عمر کوتاه‌تری را در حدود یک سال و نیم یا کمتر اختصاص دهند، تخمین‌های صنعت به‌طور قابل توجهی طولانی‌تر هستند – معمولاً 3 تا 5 سال و حتی بیشتر برای تجهیزاتی که خنک‌کننده مایع دارند. طول عمر سخت‌افزار تحت تأثیر عوامل متعددی است، از پارامتر‌های عملیاتی مانند تعمیر و نگهداری، شرایط محیطی و اورکلاک ماشین (که می‌تواند طول عمر را کوتاه یا طولانی‌تر کند) گرفته تا عوامل سودآوری که با قیمت بیتکوین و سختی شبکه در نوسان هستند. افزایش قیمت بیتکوین ممکن است اسیک‌های قدیمی‌تر و کم‌کارآمدتر را دوباره به کار بیاندازد، درحالی‌که کاهش قیمت‌ها یا افزایش سختی شبکه می‌تواند اثر معکوس داشته باشد.
همانطور که قبلاً بحث شد، پیشرفت قابل توجهی در توسعه سخت‌افزار ماینینگ در طول زمان وجود داشته است. این امر منجر به افزایش فوق‌العاده قدرت محاسباتی ارائه شده به شبکه شده است که در تعداد هش‌های انجام شده در هر ثانیه اندازه‌گیری می‌شود. در این بخش، بررسی می‌کنیم که چگونه هش‌ریت شبکه، که اغلب به عنوان سطح امنیت شبکه در نظر گرفته می‌شود، تکامل یافته است. این تکامل تأثیر قابل توجهی که پیشرفت سخت‌افزار ماینینگ بر شبکه داشته است را نشان می‌دهد.
معرفی مدل‌های سخت‌افزاری جدیدتر منجر به تجهیزاتی شده است که نه تنها به‌طور قابل توجهی کارآمدتر از مدل‌های قبلی خود هستند، بلکه به‌طور قابل ملاحظه‌ای قدرتمندتر هستند. (لازم به ذکر است که شکل 1 فقط کارایی دستگاه را نشان می‌دهد (اندازه‌گیری شده بر حسب J/TH که معادل ژول بر تراهش است) و به توان محاسباتی نمی‌پردازد. ) به‌عنوان مثال، مدل پرچمدار 2016 شرکت Bitmain با برند Antminer یعنی دستگاه S9 دارای هش‌ریت یازده و نیم (11.5) تراهش بر ثانیه بود و در مقابل، مدل پرچمدار 2022 آن یعنی دستگاه S19 XP میزان 140 تراهش بر ثانیه را تحویل می‌دهد. حتی مدل‌های قدرتمندتری که در آن سال عرضه شدند، مانند S19 XP Hydro نیز به 260 تراهش بر ثانیه دست یافتند. اخیراً شرکت MicroBT با برند Whatsminer دستگاه ++M53Sرا معرفی کرد که سرعت خیره‌کننده 320 تراهش بر ثانیه را ارائه می‌دهد. قدرت محاسباتی افزوده شده‌ی هر نسل بعدی از سخت‌افزار ماینینگ به‌طور ویژه‌ای به این مقاله مرتبط است، زیرا به‌طور قابل‌توجهی بر تصمیم ما برای اصلاح روش تخمین مصرف برق تأثیر گذاشته است.
شکل 2 توسعه میانگین هش‌ریت روزانه شبکه بیتکوین را از نقطه داده اولیه ما در ژانویه 2009 تا آگوست 2023 نشان می‌دهد. افزایش قابل توجه در دوران قبل از اسیک و اوایل اسیک نیز به‌طور ویژه‌ای قابل توجه است. افزایش شدید هش‌ریت از سال 2009 تا 2011 را می‌توان تا حد زیادی به نقطه شروع پایین (در ابتدا، شبکه فقط چند رایانه شخصی را شامل می‌شد) و علاقه‌ی روبه‌رشدی که باعث شد شبکه از استفاده از CPU به سمت GPU و سپس FPGA پیشرفت کند نسبت داد. بااین‌حال، افزایش چشمگیر هش‌ریت پس از معرفی و تکثیر متعاقب اسیک‌ها نیز به همان اندازه قابل توجه است. این روند بر پارادایم در حال تحول در ماینینگ بیتکوین یعنی انتقال از دستگاه‌های معمولی خانگی به سخت‌افزار ماینینگ اختصاصی تأکید می‌کند. در این زمینه، یک مفهوم برجسته این است که افزایش هش‌ریت قطعاً ماینینگ بیتکوین را دشوارتر می‌کند و ماینر‌ها را وادار می‌کند تا قدرت محاسباتی بیشتری برای حفظ همان سطح پاداش داشته باشند. این امر به طور مستقیم بر سودآوری عملیات ماینینگ تأثیر می‌گذارد.
توضیحات مترجم: همانطور که در تصویر مشهود است رشد هش‌ریت شبکه در زمان ظهور اسیک‌ها در دو سال نزدیک به صد برابر سال قبل بوده است اما همچنان هم تا سال 2023 یعنی تاریخ 15 آگوست 2023 نسبت به سال قبل یک و نیم برابر شده است یعنی از 219.5 اگزاهش به 339.9 اگزاهش رسیده است. البته هم اکنون در زمان انتشار این مقاله یعنی 28 مهرماه 1402، این عدد به 470 اگزاهش رسیده و در دو هفته گذشته از 500 اگزاهش هم رد شده بود.
با هدایت اصل “همگام با زمان باشید و زمان از شما نخواهد گذشت”، ما یک بررسی جامع از روش‌شناسی موجود خود انجام داده‌ایم. این بررسی بر پیشرفت‌های اخیر در سخت‌افزار ماینینگ بیتکوین و هش‌ریت متمرکز بود، و ارزیابی می‌کرد که آیا رویکرد فعلی ما هنوز به‌طور دقیق وضعیت موجود را منعکس می‌کند یا خیر. یک سؤال مناسب و بجا این است که چه چیزی باعث افزایش قابل توجه هش‌ریت مشاهده شده در سال‌های اخیر شده است (شکل 2)، به‌خصوص که مدل‌های جدیدتر پیشینیان خود را در قدرت محاسباتی تحت الشعاع قرار داده‌اند. ما به دقت بررسی کرده‌ایم که روش‌شناسی‌مان چگونه این پیشرفت‌ها را منعکس می‌کند و به‌روزرسانی‌ای را معرفی کرده‌ایم که بر اساس یافته‌هایمان بهبود‌هایی را در بر می‌گیرد. قبل از پرداختن به این موضوعات، مروری مختصر از روش‌شناسی و تخمین‌های قبلی خود در زیر ارائه کرده‌ایم.
شاخص CBECI از سال 2019 سه تخمین مصرف برق ارائه کرده است: یک سناریوی بهترین‌حالتِ فرضی و بدترین‌حالتِ فرضی، که قابل‌اطمینان‌ترین تخمین ما بین آن‌ها قرار دارد. هر تخمین منتشر شده بر روی وبسایت ما بر این فرض استوار است که ماینر‌ها، به‌عنوان بازیگران اقتصادی منطقی، از کارکردن سخت‌افزار‌های زیان‌آور اجتناب خواهند کرد. تمایز بین این تخمین‌ها در فرض ترکیب سخت‌افزاری است به عبارت دیگر، فرض‌های مختلفی در نظر گرفته‌ایم از ترکیب دستگاه‌های ماینر که افراد از آن‌ها استفاده می‌کنند. در این مقاله، ما بر روی مورد پایه قبلی خود تمرکز می‌کنیم، که در آن فرض می‌شود که تمام مدل‌های سخت‌افزاری در نظر گرفته شده دارای مقدار مساوی از هش‌ریت هستند. اطلاعات دقیق در مورد نحوه انتخاب مدل‌های سخت‌افزاری در رویکرد قبلی‌مان، همراه با سایر فرضیات را می‌توانید در وبسایت ما بیابید.
در حالی که این پژوهش اغلب در صورت امکان از رویکرد‌های پایین به بالا حمایت می‌کند، ماهیت غیرمتمرکز شبکه نیز جمع‌آوری داده‌ها را چالش‌برانگیز می‌کند. در این مورد، روش ترکیبی بالا به پایین ما به‌عنوان یک جایگزین عملی در زمانی که جمع‌آوری داده‌های سطح پایین غیرممکن است، مورد تحسین قرار گرفته است. با در دسترس قرار گرفتن اطلاعات بیشتر، می‌دانیم که روش‌شناسی ما باید بر این اساس تکامل یابد و تعادلی را بین دقت و سازگاری حفظ کند. در نتیجه، هنگام تغییر روش‌شناسی خود احتیاط می‌کنیم و هر تغییری را به دقت بررسی می‌کنیم.
روش‌شناسی قبلی ما در دوره‌های سودآوری کم ماینینگ، به‌ویژه زمانی که با تخمین‌های صنعت محک‌زده می‌شود، مؤثر بوده است. با این حال، زمانی که ماینینگ بیتکوین به‌طور ویژه‌ای سودآور است، این روش کاستی‌هایی را نشان داد که به ویژه در سال 2021، زمانی که سودآوری ماینینگ افزایش یافت، مشهود بود. هسته اصلی موضوع در فرض وزن برابر نهفته است، که عواقب آن پس از ممنوعیت ماینینگ رمزارز‌ها توسط چین تشدید شد، که منجر به کمبود فضای میزبانی سخت‌افزار شد. شواهد حاکی از آن است که این تنگنا منجر به ذخیره سخت‌افزار‌های نسل بعدی در انبار‌ها به دلیل کمبود فضا در دیتاسنتر‌ها شده است. با توجه به اینکه حتی دستگاه‌های جدید نیز در انبار ذخیره می‌شدند، منطقی است استنباط کنیم که اپراتور‌های ماینینگ قبلاً همه دستگاه‌های قدیمی را با مدل‌های جدیدتر جایگزین کرده بودند و از همه ابزار‌های ممکن برای افزایش کارایی کلی عملیات ماینینگ خود استفاده می‌کردند.
همانطور که بعداً بررسی می‌کنیم، این امر سؤالات مهمی را در مورد اینکه چه سخت‌افزاری تا چه حد هش‌ریت ارائه می‌کند، ایجاد می‌کند. همانطور که شکل 2 نشان می‌دهد، هش‌ریت شبکه بیتکوین به‌طور قابل توجهی در طول زمان افزایش یافته است و ما را بر آن می‌دارد تا بررسی کنیم که چه چیزی باعث این رشد شده است. تجزیه و تحلیل سخت‌افزار اسیک نشان می‌دهد که دستگاه‌ها نه تنها در طول زمان به‌طور قابل توجهی کارآمدتر شده‌اند بلکه به‌طور قابل توجهی نیز قدرتمندتر شده‌اند. متأسفانه، کمبود داده‌های مرتبط با سخت‌افزار چالش مهمی را ایجاد می‌کند، زیرا توانایی ما را برای ارزیابی دقیق انواع و میزان استفاده از سخت‌افزار توسط فارمر‌ها را محدود می‌کند. برای رفع این کمبود داده، روشی ایجاد کردیم که توزیع سخت‌افزار روزانه را بر اساس داده‌های عملکرد و مصرف توان سخت‌افزار واقعی شبیه‌سازی می‌کند. بااین‌حال، ستون اصلی روش‌شناسی قبلی ما در شاخص CBECI این فرض بود که هر مدلی از سخت‌افزار سودآور که کمتر از 5 سال پیش منتشر شده باشد، به همان اندازه کل هش‌ریت شبکه را تأمین می‌کرد. بااین‌حال، این امر منجر به تعداد نامتناسب زیادی از دستگاه‌های قدیمی‌تر در مقایسه با دستگاه‌های جدیدتر در توزیع سخت‌افزار فرضی ما در طول دوره‌های ماینینگ فوق‌العاده سودآور شد.
این مفهوم را می‌توان در ضمیمه 1 مشاهده کرد، که نشان می‌دهد تعداد دستگاه‌های عملیاتی مدل قبلی شاخص ما به هر سری سخت‌افزار ماینینگ از 3 سازنده بزرگ یعنی Bitmain و MicroBT و Canaan اختصاص داده است.
به‌عنوان مثال، در دسامبر 2017، افزایش ناگهانی سودآوری ماینینگ منجر به این شد که اکثر دستگاه‌ها را سری‌های S1 و S3 برند Antminer (که به ترتیب در سال‌های 2013 و 2014 توزیع شدند) تشکیل دهند. با توجه به تأثیری که فقدان پیشرفت‌های تکنولوژیکی قابل‌توجه بر روش‌شناسی ما داشت، تصمیم گرفتیم توزیع اسیک تولید شده توسط مدل قبلی شاخص را مجدداً بررسی کنیم و نتایج را در برابر سایر معیار‌ها از داده‌های در دسترس عموم بررسی کنیم. ما متوجه شدیم که تجهیزاتی که اخیراً منتشر شده‌اند به نظر کمتر معرفی شده‌اند و تجهیزاتی که نزدیک به پایان چرخه عمر خود هستند بیش از حد معرفی شده‌اند. همین عدم تعادل بود که ما را بر آن داشت تا روش‌شناسی خود را به‌روز کنیم. یافته‌هایی که اکنون ارائه می‌کنیم، دلیل این تصمیم را ارائه می‌دهد. برای اطلاعات بیشتر در مورد اینکه چگونه به‌روزرسانی روش‌شناسی بر توزیع فرضی سخت‌افزار ماینینگ تأثیر می‌گذارد، به پیوست 2 مراجعه کنید.
این بخش بررسی ما را در مورد رابطه بین افزایش هش‌ریت شبکه و عوامل بالقوه‌ای که می‌توانند این رشد را تسریع کنند، تشریح می‌کند. ما به‌وسیله مقایسه توسعه هش‌ریت با تحویل‌های اخیر دستگاه ماینر بیتکوین به بازار، بحث را با استفاده از داده‌های واردات ایالات متحده در چنین تجهیزاتی به‌عنوان یک پراکسی، و سپس بررسی داده‌های فروش عمومی شرکت Canaan Creative که یکی از 3 سازنده بزرگ سخت‌افزار ماینینگ بیتکوین است شروع می‌کنیم.
ما ابتدا میزان ارتباط واردات تجهیزات به ایالات متحده با افزایش هش‌ریت را مشخص کردیم. یک فرض اساسی این است که این واردات عمدتاً شامل اسیک‌های جدیدتر است تا مدل‌های قدیمی‌تر، که از طریق خرید‌های فارمر‌ها در فهرست خرید‌های عمومی‌شان یا فهرست خرید‌های مقیاس بزرگتر و خصوصی‌شان، و همچنین داده‌های فروش شرکت Canaan مشهود است. طبق آخرین فرم 20-F ثبت شده در شرکت Canaan با برند AvalonMiner، نسل پرچمدار این شرکت به نام A12، همراه با فروش سری A13 میزان 99.2 درصد از کل فروش هش‌ریت شرکت در سال 2021 و 100 درصد فروش در سال 2022 را به خود اختصاص داده‌اند. این ماجرا فرض ما را تأیید می‌کند که تجهیزات وارداتی عمدتاً شامل مدل‌های جدیدتر است.
اجازه دهید همانطور که در شکل 3 الف نشان داده شده است، عمیق‌تر به داده‌های مربوط به واردات تجهیزات ماینینگ به ایالات متحده بپردازیم. در درون چارت، میله‌ها وزن تجهیزات را بر حسب تن متریک نشان می‌دهند و خط زرد رنگ نیز توسعه هش‌ریت شبکه (برحسب اگزاهش بر ثانیه) را از مارس 2022 تا مارس 2023 نشان می‌دهد. در این زمینه، مهم است که توجه داشته باشید که هش‌ریت یک شاخص عقب‌افتاده است. به گفته کارشناسان صنعت که ما با آن‌ها مشورت کردیم، ممکن است فاصله قابل توجهی بین زمانی که داده‌های واردات ثبت می‌شود و زمانی که اسیک‌ها نصب و عملیاتی می‌شوند وجود داشته باشد. این نکته را در بخش بعدی توضیح خواهیم داد.
هدف ما در این تحلیل این است که داده‌های به‌دست‌آمده از سوابق واردات را به هش‌ریت تبدیل کنیم و سپس این داده‌های خاص ایالات متحده را به صنعت جهانی ماینینگ بیتکوین تعمیم دهیم. برای این منظور، ما یک معیار یعنی تراهش بر ثانیه بر کیلوگرم را فرموله کردیم که از سری A12 و A13 برند Avalonترسیم شد. سپس این معیار را با داده‌های واردات ایالات متحده در مورد تجهیزات ماینینگ بیتکوین و آخرین سهم این کشور از هش‌ریت ترکیب کردیم، که به ما امکان می‌دهد تأثیر کلی تجهیزات ماینینگ جدید بر کل هش‌ریت شبکه را تخمین بزنیم. نتیجه این رویکرد در شکل 3 ب نشان داده شده است.
نوار‌های خاکستری نشان‌دهنده هش‌ریت تقریبی واردات ایالات متحده است و نوار‌های آبی نیز تخمین‌هایی هستند که داده‌های ایالات متحده را در مقیاس جهانی برون‌یابی کرده و قیاس می‌کند. در طول دوره ارزیابی شده، میانگین هش‌ریت شبکه از 200.79 اگزاهش بر ثانیه به 331.55 اگزاهش بر ثانیه رسید که نتیجتاً 130.76 اگزاهش بر ثانیه افزایش یافت. در همین حال، بر اساس داده‌های واردات ایالات متحده، افزایش هش‌ریت تخمین شده نشان می‌دهد که حدود 55.76 اگزاهش بر ثانیه توسط واردات جدید در ایالات متحده در دسترس قرار گرفته است. این قیاس اگر در سطح جهانی پیش‌بینی شود برابر با 147.35 اگزاهش بر ثانیه خواهد بود، یعنی رقمی که بسیار شبیه توسعه مشهود هش‌ریت شبکه در همان دوره است. با این حال، مجدداً می‌توان اعلام کرد که واردات در چند ماه آخر دوره‌ی مشاهده شده ممکن است در هش‌ریت شبکه ماه مارس منعکس نشده باشد.
اگرچه این رویکرد یک تخمین حدسی است و مشروط به ساده‌سازی‌ها و فرضیات متعدد است، یافته‌ها یک پیوند قابل قبول بین افزایش هش‌ریت شبکه با تحویل و نصب سخت‌افزار جدیدتر را تقویت می‌کنند. برای تکمیل تجزیه و تحلیل بالا، یافته‌های خود را با داده‌های فروش اسیک از گزارش‌های سالانه شرکت Canaan Creativeتأیید کردیم تا مشخص کنیم آیا نتیجه‌گیری به‌دست‌آمده با شواهد تکمیلی پشتیبانی می‌شود یا خیر. علاوه بر این، ما نشان می‌دهیم که چگونه شاخص اصلاح‌شده‌ی CBECI با هر دو داده یعنی داده‌های قبلی و داده‌های صنعت مقایسه می‌شود. ما در پایان این بخش به‌طور خلاصه روش به‌روز شده را معرفی می‌کنیم.
مقایسه ما عمدتاً بر روی سال 2021 (شکل 5 را ببینید) متمرکز شد، آن هم به دلیل سودآوری نسبتاً بالای ماینینگ در سال 2021 (شکل 4 را ببینید) و به دلیل کاهش حاصله در میانگین بهره‌وری ماینر برخلاف روند‌های قبلی که قبلاً وجود داشته است (شکل 7 ب را ببینید). تحلیل مشابهی نیز برای سال 2022 انجام شد (پیوست 3 را ببینید). بااین‌حال، سودآوری پایین در این دوره، بخش بزرگی از سخت‌افزار را بی‌سود کرد، که منجر به نتایجی شد که مقایسه آن‌ها ساده‌تر است. به‌عنوان مثال، در سال 2022، تقریباً تمام سخت‌افزار شرکت Canaan با عمر بالای 2 سال، با فرض هزینه برق پیش‌فرض ما که 5 سنت در کیلووات ساعت است سودآور نبود. بر این اساس، در ضمیمه 3، توزیع سخت‌افزار ماینینگ را برای 2 سناریو اضافه کردیم: یکی با در نظر گرفتن تمام سخت‌افزار شرکت Canaanبا عمر کمتر از 5 سال و دیگری با استفاده از مفروضات مشابه در تخمین‌های ما.
قبل از ادامه تحلیل‌مان، یک هشدار مهم را باید در نظر بگیریم. ارقام فروش هش‌ریت شرکت Canaan تنها یک نگاه اجمالی از تصویر گسترده‌تر را ارائه می‌دهد، با توجه به اینکه آن‌ها فقط یک بخش (بین 16.8 درصد و 18.0 درصد) از کل فروش اسیک در سراسر جهان را در دست دارند. بنابراین، تجزیه و تحلیل بعدی تحت تأثیر ویژگی‌های خاص داده‌های فروش شرکت Canaan است. ارقام فروش تفاوت‌های قابل توجهی را بین سری‌های مختلف محصولات نشان می‌دهد. به عنوان مثال، سری A8 که در سال 2018 راه‌اندازی شد، در طول سال انتشار خود فروش خوبی را به ثبت رساند و فروش خوبی را در سال بعد حفظ کرد. در مقابل، سری A11 که در سال 2020 معرفی شدند، حجم فروش بسیار کمتری را تجربه کرده است، به طوری که نسل قبلی آن، سری A10، حجم فروش بالای خود را در سال 2020 حفظ کرد. این تغییرات در عملکرد فروش سری‌های مختلف می‌تواند تحلیل‌های بعدی را منحرف کند. با این حال، یک تجزیه و تحلیل جامع‌تر، به داده‌های فروش از تولیدکنندگان دیگر نیاز دارد تا مشخص کند که آیا این نوسانات فروش بین سری‌ها از ویژگی‌های خاص شرکت Canaan هستند یا یک روند صنعتی گسترده‌تر را منعکس می‌کنند.
شکل 5 دیدگاه‌هایی را در مورد نسبت هش‌ریت شبکه قابل انتساب به اسیک‌ها ارائه می‌دهد که بر اساس تاریخ انتشار آن‌ها در پنج “پنجره انتشار” مجزا طبقه‌بندی شده است. در اینجا، «پنجره انتشار» به دستگاه‌هایی اطلاق می‌شود که تاریخ انتشار آن‌ها در یکی از بازه‌های زمانی تعیین‌شده قرار می‌گیرد. به عنوان مثال، در تصویر متعلق به تاریخ 31 دسامبر 2021، یک مدل اسیک که در ژوئیه 2020 راه‌اندازی شده است در دسته‌بندی “حداقل یک سال اما کمتر از 2 سال” (گذشته از تاریخ تولید و انتشار دستگاه) قرار می‌گیرد.
همانطور که شکل 5 نشان می‌دهد، اختلاف قابل توجهی بین هر 3 تخمین در هش‌ریت مرتبط با دستگاه‌های منتشر شده در سال 2021، یعنی دستگاه‌هایی که کمتر از یک سال در نظر گرفته می‌شوند، وجود دارد. مدل قبلی شاخص CBECIتخمین زد که تقریباً 12.1 درصد از هش‌ریت شبکه مربوط به سخت‌افزار ماینینگ کمتر از یک سال است. این آمار در تضاد کامل با داده‌های شرکت Canaan است که نشان می‌دهد آخرین نسخه آن‌ها در آن سال (دستگاه A1246) حدود 44.8 درصد از کل هش‌ریت فروخته شده آن‌ها از سال 2017 تا 2021 را به خود اختصاص داده است. مدل اصلاح‌شده‌ی شاخص CBECI این رقم را روی 20.9 درصد است که به‌طور قابل توجهی رقمی کمتر از رکورد‌های فروش شرکت Canaan را نشان می‌دهد. بااین‌حال، چندین تفاوت ظریف این ملاحظه را ایجاب می‌کنند. داده‌های گزارش‌های سالانه شرکت Canaan به میزان هش‌ریت فروخته شده مربوط می‌شود، که ممکن است لزوماً با هش‌ریتی که قبلاً در آن سال عملیاتی شده بود، مطابقت نداشته باشد. این تفاوت به‌طور بالقوه می‌تواند نسبت سخت‌افزار جدید منتشر شده را بیش از حد اعلام کند. با این حال، یک بیانیه مطبوعاتی توسط شرکت Canaan نشان می‌دهد که تحویل سری A12 در اوایل سال آغاز شد که نشان‌دهنده احتمال بیشتری است که مقدار بیشتری عملیاتی شده باشد.
تعیین فاصله زمانی عقب افتاده بین فروش ثبت شده و بهره‌برداری دشوار است و به شدت به موقعیت و نحوه حمل و نقل خریدار بستگی دارد. زمان‌های تحویل تخمینی به‌طور گسترده‌ای متفاوت است و از یک هفته تا یک یا چند ماه متغیر است. بااین‌حال، با توجه به ممنوعیت ماینینگ رمزارز‌ها در سال 2021 توسط چین و افزایش احتمالی حمل و نقل طولانی مدت، زمان تحویل تخمینی نیز طولانی‌تر به نظر می‌رسد. ما این جنبه را در مدل اصلاح‌شده خود گنجانده‌ایم. پیش از این، ما فرض می‌کردیم که اسیک‌ها بلافاصله پس از انتشار در دسترس خواهند بود، در حالی که در عمل، بین ارسال سازنده و نصب در مزرعه ماینینگ تأخیر وجود دارد. بنابراین، در مدل اصلاح‌شده‌مان از شاخص CBECI تصمیم گرفتیم یک تأخیر زمانی 2 ماهه را برای در نظر گرفتن تحویل و نصب در نظر بگیریم.
با تجزیه و تحلیل سهم هش‌ریت مرتبط با یک دستگاه دارای عمر حداقل یک سال اما کمتر از 2 سال، نسبت تقریباً پایین این دستگاه‌ها در فروش شرکت Canaan (میزان 12. 4 درصد) در مقایسه مدل اصلاح‌شده‌ی شاخص ما (میزان 27.6 درصد) و مدل قبلی شاخص ما (20.3 درصد) آشکار می‌شود. همانطور که قبلاً اشاره شد، سری A11 (منتشر شده در سال 2020) نسبت به سایر مدل‌های سری A آن شرکت دارای حجم فروش کمتری بودند، به‌طوری که بیشتر فروش‌های سال 2020 شامل سری A10 می‌شود. بااین‌حال، هنگام استفاده از اطلاعات منتشر شده در سطح عمومی برای سنجش موفقیت فروش سری S19 برند Antminer به‌نظر می‌رسد که همه تولیدکنندگان آمار فروش پایینی را در آن پنجره عرضه تجربه نکرده‌اند. اگر 2 پنجره اول انتشار را در سطح انبوه در نظر بگیریم، می‌توانیم ببینیم که شکاف بین داده‌های فروش شرکت Canaan (میزان 59.3 درصد) و مدل اصلاح‌شده‌ی شاخص ما (47 درصد) و مدل قبلی شاخص ما (32.2 درصد) به‌طرز محسوسی کاهش یافته است.
یک الگوی مشابه اما کمتر عنوان شده در سومین پنجره انتشار ظاهر شد: «حداقل 2 سال اما کمتر از 3 سال» که با ارقام 19.7 درصد (شرکت Canaan) و 28.7 درصد (مدل اصلاح‌شده‌ی شاخص CBECI) و 27.1 درصد (مدل قبلی شاخص CBECI) از سهم هش‌ریت با آن بازه زمانی مرتبط است. قابل توجه است که وقتی دوباره پنجره‌ها را به صورت انبوه در نظر می‌گیریم، مدل اصلاح‌شده‌ی ما سهم دستگاه‌های کمتر از 3 سال را نشان می‌دهد که تقریباً برابر با داده‌های فروش شرکت Canaan است (به ترتیب 75.7 درصد و 77.5 درصد). بر اساس این یافته، می‌توانیم نتیجه بگیریم که نسبت هش‌ریت مدل اصلاح‌شده ما به دستگاه‌های این محدوده سنی تا حد زیادی با داده‌های صنعت سازگار است. برعکس، مدل قبلی شاخص CBECIسهم ترکیبی قابل توجهی کمتری (59.3 درصد) از این دستگاه‌ها را حفظ کرد.
سهم‌های درون مدل اصلاح‌شده‌ی شاخص CBECI نیز به‌طور قابل توجهی شبیه به داده‌های صنعت در 2 پنجره انتشار باقیمانده است. در مقابل، مدل قبلی شاخص CBECI تصویر کاملاً متفاوتی را به تصویر می‌کشد. در اینجا، مدل قبلی نشان می‌دهد که دستگاه‌هایی در بازه زمانی «حداقل 3 سال اما کمتر از 4 سال» می‌توانند با 27.0 درصد هش‌ریت شبکه مرتبط باشند، که به‌طور قابل‌توجهی بیشتر از سهم پیشنهادی توسط ارقام فروش شرکت Canaan (یعنی 17.8 درصد) و مدل اصلاح‌شده‌ی ما (18.6 درصد) است. علاوه بر این، سهم «حداقل 4 سال اما کمتر از 5 سال» در مدل قبلی 13.5 درصد است یعنی تقریباً سه برابر که توسط تخمین‌های دیگر نشان داده شده است (هر دو تقریباً 5 درصد).
در نتیجه، ما این تجزیه و تحلیل را برای آزمایش فرضیه خود انجام دادیم که افزایش در هش‌ریت شبکه احتمالاً به سخت‌افزار ماینینگ اخیراً منتشر شده نسبت داده می‌شود. این فرضیه بر اساس داده‌های واردات ایالات متحده بود و ما به دنبال شواهد تکمیلی برای تأیید آن بودیم. اگر داده‌های فروش شرکت Canaanبار نمایندگی از صنعت ماینینگ را به دوش بکشد این ادعا را تأیید می‌کند.
در حالی که داده‌های مشاهده‌شده‌ی صنعت ماینینگ ممکن است نشان دهد که حتی رویکرد اصلاح‌شده سهم دستگاه‌های نسل بعدی را دست‌کم می‌گیرد (شکل 5)، ما به چند دلیل موضع محافظه‌کارانه‌ای را حفظ می‌کنیم. نکته اصلی در این میان این است که داده‌های صنعت مورد بررسی تنها از یک تولیدکننده بوده است که به‌طور بالقوه سوگیری نمونه را معرفی می‌کند و هر عامل منحصربه‌فردی مرتبط با آن سازنده را منتشر می‌کند. ما اکنون چندین محدودیت دیگر را که باید هنگام تفسیر نتایج خود در نظر بگیریم، مورد بحث قرار می‌دهیم. برخی ممکن است در تخمین بیش از حد سهم دستگاه‌های منتشر شده اخیر نقش داشته باشند، در حالی که برخی دیگر ممکن است در نسبت دستگاه‌های قدیمی‌تر در حال کار اغراق کنند.
یک محدودیت قابل توجه که می‌تواند منجر به تخمین بیش از حد شیوع سخت‌افزار‌های اخیراً منتشر شده بشود، همان فاصله زمانی ناشناخته بین ثبت فروش و عملیاتی شدن دستگاه فروخته شده است. در نتیجه، داده‌های فروش برای یک سال خاص لزوماً به این معنی نیست که همه دستگاه‌های فروخته شده در آن سال عملیاتی شده‌اند. در واقع، چنین فرضی غیرمحتمل به نظر می‌رسد، زیرا به ناچار، تجهیزات باید حمل و سپس نصب شوند که به مقصد برسد، که همه این‌ها زمان‌بر است. موضوع مشابهی در مورد سوابق واردات نیز رخ می‌دهد که یک فاصله زمانی بین تجهیزات ذکر شده در سوابق واردات و زمان شروع به کار آن‌ها وجود دارد.
عامل مهم دیگری که باید در هنگام وابستگی به داده‌های فروش قبلی در نظر گرفت، این فرض است که تمام دستگاه‌های فروخته شده از سال 2017 در پایان سال 2021 عملیاتی شده‌اند. در حالی که هیچ اتفاق نظری در مورد طول عمر دقیق سخت‌افزار ماینینگ وجود ندارد، در نظر نگرفتن فرسودگی و استهلاک دستگاه‌ها احتمالاً منجر شده است که قسمتی از هش‌ریت شبکه توسط دستگاه‌های قدیمی‌تر دچار اغراق در آمار شود.
یافته‌های این تجزیه و تحلیل، حتی با وجود اینکه مبتنی بر داده‌های محدود است و شامل مفروضات و ساده‌سازی‌های زیادی است، در تصمیم ما برای تنظیم مدل قبلی شاخص CBECI نقش اساسی داشت. در پاسخ به این یافته‌ها، ما یک فاکتور وزن‌دهی را در روش‌شناسی اصلاح‌شده ادغام کردیم و یک فاصله زمانی بین انتشار سخت‌افزار جدید و عملکرد آن را در نظر گرفتیم. برای کسب اطلاعات بیشتر درباره روش‌شناسی ما به اینجا مراجعه کنید.
کنون که دلیل تصمیم‌گیری برای به‌روزرسانی روش‌شناسی خود را توضیح داده‌ایم، پیامد‌های این تغییرات در صورت اعمال آنچه که سابقاً انجام می‌داده‌ایم را بررسی خواهیم کرد. ازآنجایی‌که شفافیت سنگ بنای کار ما است، نشان خواهیم داد که چگونه این به‌روزرسانی تخمین‌های گذشته را تغییر داده است و دوره‌های خاصی را مشخص می‌کنیم که اصلاحات در آن بیشتر مشخص می‌شوند.
شکل 6 تخمین مصرف برق سالانه هر دو مدل را مقایسه می‌کند. پیش از سال 2021، تخمین‌ها به‌طور قابل‌توجهی انحراف ندارند و تا حد زیادی سازگار هستند. این را می‌توان به پیشرفت سریع فناوری در سال‌های اولیه ماینینگ بیتکوین نسبت داد (شکل 1). این پیشرفت‌ها سخت‌افزار‌های قدیمی‌تر را برای سودآوری با نرخ‌های معقول الکتریسیته بسیار ناکارآمد می‌کند و منجر به حذف آن‌ها در تخمین‌ها می‌شود. در نتیجه، مدل قبلی در گذشته قابل اعتماد بوده است. اولین و قابل‌توجه‌ترین اختلاف در سال 2021 ظاهر شد، جایی که مدل قبلی شاخص CBECI مصرف برق 104.0 تراوات‌ساعت را تخمین زد، که 15.0 تراوات‌ساعت بیشتر از تخمین مدل اصلاح‌شده (89.0 تراوات‌ساعت) بود.
همچنین در سال‌های 2022 و 2023 تفاوت‌های کمتر اما قابل‌توجه وجود دارد. تخمین سال 2022 با 9.8 تراوات‌ساعت کاهش یافت، یعنی از 105.3 تراوات‌ساعت به 95.5 تراوات‌ساعت. برای در نظر گرفتن این موضوع، رقم مدل اصلاح‌شده با مصرف برق این موارد قابل مقایسه است: بلژیک (83 تراوات‌ساعت) یا هلند (113 تراوات‌ساعت) است، مصرف انرژی خشک‌کن‌های داخلی در کشور‌های OECD، چین و هند (108 تراوات ساعت)، و کاهش منابع تجدیدپذیر در چین. از نظر مصرف جهانی برق، حدود 0.38 درصد را نشان می‌دهد. در سال 2023، تخمین مصرف برق شبکه بیتکوین از اول سال تا به امروز (تاریخ انتشار این مطلب در وبسایت کمبریج) از 75.7 تراوات‌ساعت به 70.4 تراوات‌ساعت تغییر یافته است.
این اختلافات ناشی از تنظیم وزن دستگاه‌های قدیمی است که اغلب سودآور هستند. در حالی که این دستگاه‌ها در مدل قبلی شاخص ما وزن یکسان داشتند، مدل اصلاح‌شده تاریخ انتشار را در نظر می‌گیرد و بر این اساس به هر یک از سخت‌افزار‌های ماینینگ در نظر گرفته وزن خاصی را اختصاص می‌دهد.
شکل 7 الف و ب درک جامع‌تری از تخمین‌های بازده سخت‌افزاری ما ارائه می‌دهد که زیربنای تخمین‌های مصرف برق و تأثیر اعمال روش‌شناسی به‌روز شده است. شکل 7 الف تخمین‌های بازده روزانه مدل‌های قبلی و اصلاح‌شده CBECIرا بر اساس ترکیب اسیک نشان می‌دهد. هر دو مدل یک افزایش ناگهانی و مشخص را از اکتبر 2020 تا فوریه 2021 نشان می‌دهند. با این حال، سیر صعودی مدل قبلی به‌طور قابل توجهی تندتر است و در مقایسه با کاهش تقریباً 40 درصدی از حدود 50 ژول بر تراهش به حدود 70 ژول بر تراهش، که توسط مدل اصلاح‌شده نشان داده شده است، با بازده تخمین‌زده شده تقریباً 60 درصد از حدود 50 ژول بر تراهش به تقریباً 80 ژول بر تراهش کاهش می‌یابد. در این زمینه، بهره‌وری به مقدار برق مورد نیاز برای انجام مقدار معینی از کار محاسباتی اشاره دارد. از این رو، هر چه مقدار برق مورد نیاز بیشتر باشد، بهره‌وری کمتر است.
هنگام مقایسه بهره‌وری تخمینی هر دو مدل برای سال 2021 در کل سال (شکل 7 ب)، نتایج نشان می‌دهند که بهره‌وری سخت‌افزار ماینینگ فرضی مدل قبلی (74.2 ژول بر تراهش) به میزان قابل توجه 10.6 ژول بر تراهش بیشتر از تخمین مدل اصلاح‌شده (63.6 ژول بر تراهش) است. نمودار همچنین نشان می‌دهد که مدل اصلاح‌شده بهره‌وری بالاتر (یعنی مقدار ژول بر تراهش کمتر) را در تمام سال‌های مشاهده‌شده، هرچند اندک، فرض می‌کند.
علاوه بر این، همچنین جالب است که ببینیم بهره‌وری‌های تخمینی ما چگونه با کارآمدترین دستگاه‌های عرضه شده در یک سال مشخص مقایسه می‌شوند (شکل 1). شکل 7 ب به وضوح نشان می‌دهد که هر دو تخمین ما به شکل قابل ملاحظه‌ای سخت‌افزار کم‌کارآمدتری را نسبت به دستگاه‌های پرچمدار منتشر شده در هر سال فرض می‌کنند. در حالی که کاملاً پذیرفتنی است و در واقع کاملاً محتمل است که سخت‌افزار سال‌ها پس از انتشار آن مورد استفاده قرار می‌گیرد و هنگامی که مدل‌های جدیدتر در دسترس قرار می‌گیرند، به‌ویژه در زمان‌های سودآوری استثنایی ماینینگ بلافاصله جایگزین نمی‌شوند، با این وجود این مفهوم بر اهمیت بازنگری منظم تحقیقات موجود تأکید می‌کند. با توجه به پیشرفت‌های مداوم فناوری در این صنعت، بسیار مهم است که به اطلاعات جدید در دسترس توجه داشته باشیم و در صورت توجیه، دیدگاه‌های جدید را ترکیب کنیم یا پارامتر‌های موجود را تنظیم کنیم تا اطمینان حاصل کنیم که تخمین‌های ما تا حد امکان قابل اعتماد هستند.
با توجه به ماهیت غیرمتمرکز شبکه بیتکوین، جمع‌آوری داده‌های قابل اعتماد چالش‌هایی ذاتی را به همراه دارد. بااین‌وجود، ما معتقدیم که تجزیه و تحلیل ما از داده‌های صنعت و سوابق واردات، شواهد کافی برای تضمین اجرای این به‌روزرسانی ارائه می‌دهد. ما اعتماد داریم که این امر به کاهش برخی از محدودیت‌های ذاتی در روش‌شناسی قبلی کمک می‌کند و تعهد خود را جهت بررسی و بهینه‌سازی مستمر تخمین‌هایمان در صورت لزوم نشان می‌دهد.
در حالی که ما در مورد تخمین‌های خود مطمئن هستیم و هر به‌روزرسانی را گامی پیشرو در جهت افزایش قابلیت اطمینان به آن‌ها می‌دانیم، باید اذعان کنیم که مصرف واقعی برق بیتکوین دیریاب و فرّار است و فقط می‌توان آن را به‌صورت تقریبی تخمین زد. همانطور که در روش‌شناسی ما ذکر شد، محدودیت‌های ذاتی متعدد بر نیاز به کاوش مداوم روش‌ها برای بهبود کیفیت داده تأکید می‌کند.
علاوه بر این، در حالی که مصرف برق یک عنصر حیاتی در تعیین ردپای زیست‌محیطی بیتکوین است، تنها یکی از این عناصر است. منابع انرژی مورد استفاده در ماینینگ بیتکوین نیز به همان اندازه مهم هستند. به‌عنوان یک نقطه شروع، داده‌های مربوط به توزیع جغرافیایی فعالیت‌های ماینینگی به ما کمک می‌کند تا بفهمیم فعالیت‌های ماینینگ در کجا و تا چه حد اتفاق می‌افتند. اگرچه این یک تصویر ابتدایی ارائه می‌کند، اما برای ارزیابی کامل‌تر به عوامل دیگری نیاز است. به‌عنوان مثال، ترکیب تولید برق در یک کشور می‌تواند به‌طور قابل توجهی از منطقه‌ای به منطقه دیگر متفاوت باشد. و حتی اگر داده‌هایی در دسترس باشد که به ما امکان می‌دهد فعالیت‌های ماینینگ را به مناطق خاصی در داخل یک کشور محدود کنیم، شواهدی وجود دارد که نشان می‌دهد ماینر‌ها همیشه به هر سو از آماربرداری فراری هستند.
جدا از چالش‌هایی که قبلاً در تعیین ترکیب برق ذکر شد، عوامل مختلف دیگری که بر ردپای زیست‌محیطی بیتکوین تأثیر می‌گذارند هنوز در ارزیابی زیست‌محیطی ما در نظر گرفته نشده‌اند. برخی از این موارد را به اختصار بررسی می‌کنیم.
مفاهیم نوظهوری که هنوز باید در نظر بگیریم، اما می‌توان انتظار داشت که تخمین‌های انتشار ما را کاهش دهند، شامل پتانسیل کاهش انتشار متان از طریق عملیات ماینینگ در کنار میادین نفتی و استفاده از گاز طبیعی شعله‌ور شده، استفاده و متعاقباً مهروموم کردن چاه‌های گاز بی‌سرپرست، و کاهش انتشار متان از محل‌های دفن زباله است اما به مفاهیم جدید دیگر مانند بازیابی هدررفت گرما نیز گسترش می‌یابد. سایر مزایای بالقوه‌ای که برای تعیین کمیت آن‌ها چالش برانگیز‌تر است از خدمت گرفتن ماینینگ به‌عنوان یک کاتالیزور بالقوه برای سرمایه‌گذاری در زیرساخت‌های تولید برق تجدیدپذیر گرفته تا ارائه خدمات جانبی مهم فزاینده به اپراتور‌های شبکه را شامل می‌شود.
از طرف دیگر، پیامد‌هایی منفی نیز وجود دارد که نیاز به بررسی بیشتر دارد. یکی از نمونه‌ها حجم زباله‌های الکترونیکی است که در حال حاضر بین 30 کیلوتن تا 60 کیلوتن تخمین‌زده می‌شود، که تخمین فعلی ما درباره انتشار‌های ضدمحیط‌زیستی این زباله‌ها را در نظر نمی‌گیرد. سایر عوامل خارجی منفی که در نظر گرفته نشده‌اند گزارش‌های مربوط به اختلالات صوتی، مصرف آب و آلودگی حرارتی است.
به‌طور کلی، بدیهی است که هنوز کار زیادی برای تقویت درک ما از پیامد‌های گسترده‌تر این صنعت نوپا بر محیط‌زیست و جامعه انجام نشده است. همانطور که پیشرفت می‌کنیم، یک اولویت کلیدی در تحقیقات ما ایجاد دیدگاهی دقیق‌تر از ترکیب برق بیتکوین و بررسی دقیق‌تر خطرات و فرصت‌های آب‌وهوایی مرتبط با ماینینگ رمزارز است. کار بر روی یک ابزار عمومی محاسبه کربن برای بیتکوین نیز به خوبی در حال انجام است و کاربران را قادر می‌سازد تا سریعاً انتشار‌های مربوط به دارایی‌ها و تعاملات فردی خود را با شبکه تخمین بزنند. همچنین برنامه‌هایی برای تقویت شاخص پایداری شبکه بلاکچین کمبریج به نام CBNSI که اخیراً راه‌اندازی شده است، با تخمین انتشار گاز‌های گلخانه‌ای قبل و بعد از ادغام اتریوم و بینش‌های اضافی مرتبط با شبکه در نظر گرفته شده است. علاوه بر این، ما قصد داریم دنیای شبکه‌های بلاکچین تحت پوشش وب سایت خود را فراتر از بیتکوین و اتریوم گسترش دهیم.
این آخرین مورد از یک سری نتایج تحقیقاتی است که تحت لوای CDAPمنتشر شده است. طرح CDAP یک طرح تحقیقاتی چند ساله است که توسط CCAF با همکاری 14 مؤسسه برجسته دولتی و خصوصی میزبانی می‌شود. این برنامه به دنبال ارائه مجموعه داده‌ها، ابزار‌های دیجیتال و دیدگاه‌های لازم برای تسهیل گفتگوی عمومی متعادل در مورد فرصت‌ها و خطراتی است که یک اکوسیستم دارایی دیجیتال رو به رشد ارائه می‌کتد. هدف نهایی کمک به تصمیم‌گیری و تنظیم‌گری مبتنی بر شواهد از طریق تحقیقات دسترسی آزاد است.
همکاران نهادی CDAP (به ترتیب حروف الفبا) مرکز نوآوری بانک تسویه حساب‌های بین‌المللی (BIS)، سازمان سرمایه‌گذاری بین‌المللی بریتانیا (BII)، مرکز مالی بین‌المللی دبی (DIFC)، سازمان EY، شرکت مدیریت دارایی‌های دیجیتال فیدلیتی (Fidelity)، دفتر امور خارجه انگلستان، دفتر مشترک المنافع و توسعه بریتانیا (FCDO)، شرکت گلدمن ساکس (Goldman Sachs)، بانک توسعه بین آمریکایی (IDB)، صندوق بین‌المللی پول (IMF)، شرکت Invesco، شرکت مسترکارت (Mastercard)، شرکت ویزا (Visa) و بانک جهانی هستند.
توجه: این نمودار توزیع فرضی اسیک را نشان می‌دهد که زیربنای تخمین‌های ما است و بنابراین قصد ندارد سهم بازار تولیدکنندگان یا یک سری مدل خاص را نشان دهد. باید به عنوان یک ابزار نظری برای استخراج یک تخمین بهره‌وری فرضی از سخت‌افزار استخراج بیتکوین که کل صنعت را به‌صورت روزانه نشان می‌دهد در نظر گرفته شود.
توجه: این نمودار توزیع فرضی اسیک را نشان می‌دهد که زیربنای تخمین‌های ما است و بنابراین قصد ندارد سهم بازار تولیدکنندگان یا یک سری مدل خاص را نشان دهد. باید به عنوان یک ابزار نظری برای استخراج یک تخمین بهره‌وری فرضی از سخت‌افزار استخراج بیتکوین که کل صنعت را به‌صورت روزانه نشان می‌دهد در نظر گرفته شود.
اطلاعات اضافی: توزیع سخت‌افزار ماینینگ بیتکوین بر اساس سال انتشار. شرکت Canaan توزیع تمام سری‌ها و مدل‌هایی را که داده‌های فروش برای آن‌ها در دسترس است نشان می‌دهد. شرکت Canaan این مورد را با فیلتر کردن همه مدل‌هایی که در صورت اعمال محدودیت‌های مشابه در روش ما، غیرسود تلقی می‌شوند، تنظیم می‌کند.
تمام مدل‌های اسیک ذکر شده در گزارش سالانه برای هر سری از نظر تاریخ انتشار بررسی شدند. هر سریال بسته به سال انتشار در یکی از 5 دسته طبقه‌بندی شد. به‌طور معمول، تمام مدل‌های یک سری در یک سال عرضه می‌شدند، اما گاهی اوقات، مدل‌های جدیدی از یک سری موجود در سال بعد معرفی می‌شد (این برای مدل‌های A852 و A1066 Pro و A1266 اعمال می‌شد). در این موارد تمامی فروش سخت‌افزار آن سری کاملاً به آخرین مدل نسبت داده می‌شد.
