80除以20的算力

❶ 争分夺秒的科研竞争背后，关乎一场算力的角逐

作者 胡珉琦

古DNA研究的力量

古DNA是指从古人类和动植物遗骸以及古生物化石中提取的古生物分子。如果能从古老的化石和考古样本中获取到最原始的古DNA信息，与现代人类和动植物的遗传信息进行比较，就可以为人类、动植物起源与迁徙、文明传播与碰撞、 历史 争议问题给出直接的答案。

20世纪80年代，考古学家和分子生物学家把古DNA研究引入到传统考古学，形成了国际考古研究中的前沿领域——分子考古学。作为 科技 考古的重要手段，古DNA研究在解决人类的起源与迁徙、动植物的家养和驯化过程以及农业的起源和早期发展等重大考古学问题上起到了重要作用。

进入21世纪，随着二代测序技术的普及，古DNA研究迎来了一个黄金发展期。中国的科学家们也在分子考古的浪潮里大放异彩。

早在1998年，吉林大学考古学系就与生命科学学院合作，成立了国内首个考古DNA实验室，开展有关古DNA方面的研究工作。如今，古DNA实验室已初步建立了我国边疆地区的古代DNA基因库，有超过万例的古人类、古动植物样本，数量位居全国第一。

据吉林大学边疆考古研究中心副主任蔡大伟介绍，正是有了这些强有力的资源支持，近年来，吉林大学考古学院运用古DNA优势不断创新和突破，在考古领域驱动了许多重要进展。

例如，对丝路沿线不同时期的动物样本开展全基因组分析，重构了家养动物群体交流的时空框架，展现了丝路大通道在东西方文化交流中的更多 历史 细节；测定和分析了首例距今约3800年古小麦全基因组序列，探究现存小麦地方品种的栽培起源、扩散和遗传改良；报道了中国北方55个古代个体的全基因组数据，探讨了新石器时代农业革命以来中国北方地区的人群互动，为探讨中华文明的起源、形成和发展提供重要证据。

制约古DNA研究的难题

尽管古DNA研究进展飞速，但困难依旧不小。

蔡大伟解释，古DNA研究主要分为两大部分。

第一部分是通过实验手段，从古代生物遗骸中把DNA提取出来，并完成扩增过程。在有机体死亡后，其细胞中的遗传物质就即刻开始降解，给DNA提取和扩增带来了极大的阻力。而且，研究还不可避免的会遇到现代基因的“污染”问题。

第二部分则是测序及数据分析。由于古DNA基因序列片段比现代DNA更短，导致古DNA测序比现代DNA也更复杂。以人类为例，人类基因组是由30亿个碱基对构成的，在得到古人类DNA碎片的序列信息后，考古学家需要借助生物信息学的手段将这些片段进行比对、组装，还原成和现代人DNA 一样完整的、高质量的全基因组。

“这个过程就像完成一幅巨型拼图，没有强大的计算机软件和硬件支撑，是不可能完成的任务。”吉林大学生命科学学院副院长、边疆考古研究中心教授崔银秋直言。

蔡大伟指出，早期科研人员通过通用的计算设备，比如通过CPU去做基因组装，结果发现这一过程非常漫长，“一般完成一次古人类的全基因组样本分析需要耗时至少两周”。

“我们希望把尽可能多的时间放在科学问题的分析和对成果的解释上，而不是消耗在对基础数据的处理和计算上。”崔银秋表示，这就亟需高性能计算和人工智能等新一代技术帮助科学家来加速这一分子考古的过程。

AI计算如何为分子考古提速

那么，算力究竟如何才能帮助加速整个基因拼图重构的过程？

浪潮人工智能和高性能产品线总经理刘军以和吉林大学考古DNA实验室的合作为例介绍道，浪潮采用了一套定制化芯片加速方案，加速古生物基因序列的比对和拼装，再用人工智能的方法和手段，帮助科学家找到感兴趣的突变的基因。这套方案可以帮助考古学家在9.64小时内完成全基因组分析，48分钟完成全外显子组分析，相比基于CPU的方案，基因数据处理速度提升了39倍。

“这就意味着我们的科学家可以用原来四十分之一的时间完成古人类全基因组的比对和拼接工作。”刘军强调。

众所周知，由于DNA可以被复制，特别是当它从父母遗传到子女的时候，只要突变不会致命，那么这些突变也会被复制然后传递给下一代。因此，突变通过时间而不断积累，这就使得科学家能够找到遗传进化的特定链条，并且还可以通过积累的突变而估算时间。

“问题是，这些重要的突变基因在哪里？它们在整个 历史 长河中发生了什么样的演化？”刘军坦言，从这样的追寻过程中，我们才能真正清晰地回溯人类是怎么走过这上百万年的演化 历史 的。

“然而，完成拼接的基因组序列非常长，利用传统方法在上面寻找特定基因的变异过程，是极为困难的一件事，就如同大海捞针。”刘军表示，只有在人工智能的计算方法和手段的加持下，才能帮助科学家在基因的海洋里，找出他们最感兴趣的基因、重要的突变基因。

刘军认为，“从这个角度来说，我们是在为这门古老学科创造一个实用工具，就像科学史上的显微镜、望远镜一样”。通过AI计算，服务科学家细致入微地获取过去得不到客观证据，从而实现洞察 历史 的真相。

刘军还特别提到，在AI计算与考古学研究结合的过程中，也反过来打开了计算研究的视野。“我们要向远处看，向深处看，科学的未来需要依靠怎样的计算技术去迎接挑战。”

❷ 超级算力是什么为什么值得你参与

超级算力是什么？

以上是对超级算力的一个大体概括，那么现在既然你有缘点开了这篇帖子，我真诚地邀请你希望在接下来的时间你可以系统性的好好用心来了解一下超级算力是什么，为什么值得你参与。

首先，在正式介绍超级算力之前我还是先按照社区的理念，跟你做一个风险提示：

风险提示

参与超级算力完全免费！

禁止一切鼓励花钱参与超级算力的行为！

禁止一切鼓励参与数字资产交易的行为！

超级算力是一家非常特别的新公司，之所以说它特别新不是指它的创立时间特别新，而是它的理念和运作方式特别新，主要体现在以下几点：

超级算力从创立之初就决定永远不进行任何私募或代币互换行为，所有贡献积分（spt）都将只通过“行为算力挖矿”的方式免费奖励给每一位生态的参与者和贡献者。

要知道在当前的链圈和币圈，不私募、不找机构拿钱、去公司化、纯社区化运作，这些标签都显得足够异类，但超级算力不是为了异类而异类。

我们创建超级算力的初衷就是要用区块链做一些真正有价值的事情，我们就是要证明区块链除了可以用来开交易所、金融投机、博彩、游戏，还可以做到很好的服务实体，给身边每一个普通人带来实实在在的好处。

在超级算力里每个人都能深入接触到创始人及社区各个核心骨干，线上线下都能自由交流，你能知道你在跟谁做事，你能知道这个人是什么样的人，超级算力社区这些人又是什么样的，到底是乌合之众还是有志之士，你都能一清二楚。

在超级算力社区里所有重要决策都通过社区成员共同讨论，根据大家的利益进行决策，而不是像其他中心化公司随便就下发一个通知文件不管我们的利益是否受损。

因为超级算力是社区化运作，所以超级算力不招聘一名员工，所有人除了创始人是全职外，其他人都是利用自己的业余时间来帮助生态发展，不拿一分钱工资，大家都是自愿行为，靠的就是价值吸引以及对创始人谭总的认可。

谭总做超级算力不是为了自己赚钱，而是为了能让更多像你我这样的普通人通过一个公平公开透明的平台赚到钱实现心中的梦想，超级算力就是他的梦想，是他一生要做的事，而且他对超级算力非常地自信，坚定不移。

超级算力在运营过程中会产生大大小小的利润，这些利润超级算力会拿出至少80%分给社区所有的参与者和贡献者。

在超级算力这些数据完全公开透明，任何一个人都能随时查看。

超级算力的利润是根据贡献积分来分配的，而贡献积分是可以通过自己有价值行为免费得到的，100%的贡献积分都是免费分给大家的。

大家根据自己持有贡献积分的比例每天晚上可以参与平台80%的利润分红。

为什么超级算力要把这家公司做的这么新呢？这跟超级算力的初心、使命、愿景有很大的关系。

为什么会觉得中心化公司它们的利益分配方式不合理了？大家去想一下那些中心化公司，他们公司的高利润和高市值到底是靠什么东西撑着的？

比如说淘宝、网络，这两家公司到底为什么他们有这么高的利润，是背后的创始团队吗？还是背后的投资人？

早期他们确实是扮演着非常重要的角色，但是当这个业务成熟的时候，真正支撑这家公司高利润和高市值的，更多的是依靠数量庞大的像你我一样的这个平台的参与者，包括消费者、商家快递员、搜索信息的人。

是我们这样的人支撑着这家公司，我们的贡献这么大那他们的利润分配给我们了吗？

没有，所以超级算力认为这种利益分配方式不合理。

既然平台是靠我们一块钱一块钱买出来的，是靠我们一个商品一个商品卖出来的，是快递员一个快递一个快递送出来的。这种行为都应该得到合理的回报，这个就是超级算力的使命。

1、到2025年要让至少1000万人免费持有我们的贡献积分（spt）。因为超级算力的利润是根据贡献积分来分配的。

2、最终目标：通过我们的努力，实现一个spt一年分红一块钱。

3、让超级算力持续运营150年。我们不希望做急功近利的事情，希望做一家有生命力可以持续稳定的创造价值的公司。

超级算力两年以来已经打磨了一套相对成熟的机制，这套机制就是基于“行为算力”的利益分配机制，这套机制的核心逻辑是通过有价值的行为获得算力，通过算力获得SPT，通过持有SPT获得分红：

① 有价值的行为

什么是有价值的行为？在社区签到、点赞、发帖回帖、日常消费、推广业务、带团队等等大大小小的行为都是有价值的行为；

② 算力和SPT

算力是贡献值，用于计算大大小小的行为，SPT是贡献积分，通过算力来获得；

③ 分SPT和分红

每晚8点自动分SPT，每晚8点30自动分红。

① 业务利润从哪里来？

当前的业务有收款码、POS机、充值缴费、点外卖、电商购物、超市便利店、打车、体检、买保险、旅游出行、电话卡、信用卡、借钱、数码维修、广告等等，还会不断对接其他业务。

② 业务利润怎么分？

收款码业务1.5‰纯利润：70% 给推广员、20% 技术运营成本、10% 分红给SPT持有者；

POS机业务0.25‰纯利润：70% 给推广员、20% 技术运营成本、10% 分红给SPT持有者；

其他生活消费业务1％～90％纯利润：80％分红给SPT持有者，20％技术运营成本。

① 什么样的人是志同道合之人？

理解并认同行为算力、坚持长期主义、有耐心不急于求成、有行动力的这样的人；

② 需要多少志同道合之人？

通过星火考核等方式不断地去选拔和培养，大浪淘沙100万名志同道合的同路人，即小/中/大队长；

超级算力真实，非常真实，只要接触够久就一定能够发现，这群脚踏实地的人做实事讲真话，没有什么虚头巴脑的动作。

深耕在超级算力的人三观正、积极向上、脚踏实地，心中有理想有追求，是一群非常正能量且靠谱的追梦人，与这样的人共事，成事是必然的。

超级算力要做的事就是汇集共识，用区块链服务实体，让每一个有价值的行为获得算力，让算力惠及身边的每一个普通人，让他们的生活因为区块链而改变，因为超级算力而改变。

我们很有幸，能赶上区块链这波浪潮，跟大家一起携手同行，做些真正有意义的事情。

❸ 我16岁，170，110斤，一口气120个俯卧撑，单手3指能做15个，算力量大吗，怎么样能能增到125斤

力气大。但也代表你的体能消耗大吧，，应该平时常做运动的吧，所以不太容易长胖呀。
根据你的年龄，加上你的要求，不如晚上吃多一点，淀粉类，骨头汤类，还有牛奶。因为晚上吃多一点容易堆积些脂肪，而且牛奶，骨头汤长个。
或者多喝汤，煲的汤，最容易胖了。加上你经常运动，会增重的吧。

❹ 算力是什么意思

什么是算力

算力的字面意思，大家都懂，就是计算能力（Computing Power）。

更具体来说，算力是通过对信息数据进行处理，实现目标结果输出的计算能力。

大部分时间里，我们会通过口算、心算进行无工具计算。但是，这样的算力有点低。所以，在遇到尺谨复杂情况时，我们会利用算力工具进行深度计算。

❺ SuperPoint是做什么的

SuperPoints是超级算力生态的英文名称，平台自己发型的代币名称叫做SPT，公司名称为杭州超级算力有限公司。

❻ 小鹏汽车与阿里云联合建成自动驾驶智算中心

小鹏汽车与阿里云联合建成自动驾驶智算中心

小鹏汽车与阿里云联合建成自动驾驶智算中心，该智算中心由小鹏汽车与阿里云在乌兰察布合建，算力可达600PFLOPS(每秒浮点运算60亿亿次)，小鹏汽车与阿里云联合建成自动驾驶智算中心。

小鹏汽车与阿里云联合建成自动驾驶智算中心1

8 月 2 日，小鹏汽车与阿里云共同宣布在内蒙古乌兰察布建成中国最大的自动驾驶智算中心 " 扶摇 "，用于自动驾驶模型训练。

" 扶摇 " 基于阿里云智能计算平台，算力可达 600PFLOPS（每秒浮点运算 60 亿亿次），将小鹏汽车自动驾驶核心模型的训练速度提升了近 170 倍，并且未来还具备 10~100 倍的算力提升空间。双方表示，模型训练速度的大幅提升，将有力推动自动驾驶技术的发展，让汽车的智能化程度和安全性都迈入新的阶段。

同时，" 扶摇 " 结合乌兰察布当地天然的气候优势，采用风冷、AI 调温、模块化设计等绿色技术，可实现全年超过 80% 时间全新风运行，年平均 PUE（PUE 指数据中心能耗电力电源使用效率，越接近 1，表明数据中心对电能的利用效率越高，越绿色）小于 1.2。目前，" 扶摇 " 正用于小鹏城市 NGP 智能导航辅助驾驶的算法模型训练。

凭借地理位置带来的能源、气候等区位优势，乌兰察布是中国数据中心产业联盟评选为最适合发展数据中心的地区，也是全国一体化算力网络枢纽节点之一。目前有华为、阿里、苹果等 26 个数据中心项目落地在此，总计有 419 万台服务器。

整型仔体来看，今年 1-7 月，小鹏汽车累计交付超过 8 万台，为去年同期的 2.1 倍。自交付以来，小鹏汽车历史累计交付量已接近 22 万台。

此外，小鹏汽车首款面卜梁汪向全球的智能旗舰 SUV小鹏 G9 将于 8 月开放预订，并于 9 月正式上市。

小鹏汽车与阿里云联合建成自动驾驶智算中心2

8月2日，“东数西算”内蒙古枢纽节点中国最大的自动驾驶智算中心建成。该智算中心由小鹏汽车与阿里云在乌兰察布合建，算力可达600PFLOPS(每秒浮点运算60亿亿次)，用于小鹏汽车的自动驾驶模型训练。“草原云谷”乌兰察布也迎来首座智算中心。

“东数西算”工程是实现算力规模化、集约化和绿色化的全国一体化布局。西部地区通过承接东部算力需求，像“南水北调”“西电东送”一样优化算力资源配置，提升算力资源使用效率。

位于内蒙古的.乌兰察布就在八大国家算力枢纽节点上。依托独特的区位优势和气候优势，包括阿里巴巴、苹果在内的12大数据中心已落户乌兰察布。这里也因此被称为“草原云谷”。

随着人工智能应用的井喷式渣仿发展，专用于智能计算的智算成为发展最快的一种算力形式。智算因其“专用性”，在面向AI场景时性能和能耗更优。据工信部统计，目前我国已建和在建的智算中心有20余座，遍布甘肃、京津冀、长三角、粤港澳大湾区、成渝等国家算力枢纽。

为响应国家“东数西算”战略，小鹏汽车与阿里云选择在乌兰察布建设智算中心“扶摇”，算力规模达600PFLOPS，可将自动驾驶模型训练提速近170倍。模型训练速度的大幅提升，将有力推动自动驾驶技术的发展，让汽车的智能化程度和安全性都迈入新的阶段。

同时，“扶摇”也是更绿色低碳的智算中心，结合乌兰察布当地天然的气候优势，采用风冷、AI调温、模块化设计等绿色技术，可实现全年超过80%时间全新风运行，年平均PUE小于1.2。

小鹏汽车与阿里云联合建成自动驾驶智算中心3

8月2日，小鹏汽车宣布在乌兰察布建成中国最大的自动驾驶智算中心“扶摇”，用于自动驾驶模型训练。“扶摇”基于阿里云智能计算平台，算力可达600PFLOPS（每秒浮点运算60亿亿次），将小鹏自动驾驶核心模型的训练速度提升了近170倍。

小鹏汽车董事长、CEO何小鹏表示，“随着自动驾驶模拟训练的需求变化，我们需要一个强大的本地+云端的算力来支持。我非常有信心和阿里云在一起合作，我们能够更快更强去实现自动驾驶的研发。小鹏汽车期待，与阿里云一起携手共进，共创未来出行时代的美好明天。”

数据驱动是自动驾驶发展的公认方向，也让自动驾驶模型训练成为一头“吃算力”的巨兽。自动驾驶的视觉检测、轨迹预测与行车规划等算法模型，有赖于机器学习海量数据集，但算力的不足让研发速度仍远远赶不上数据量增长的速度。随着传感器的进一步增加，算力的挑战越来越大。

近年来，专用于机器学习的AI智算成为发展最快的一种算力形式。包括谷歌、微软、Meta、阿里巴巴在内的顶尖科技公司都纷纷建造了智算中心。

自动驾驶算法模型训练是机器学习的典型场景之一。在乌兰察布，小鹏汽车建造了一个算力规模达600PFLOPS的自动驾驶专用智算中心“扶摇”，来进一步提高模型训练的效率。

通过与阿里云合作，“扶摇”以更低成本实现了更强算力。首先，对GPU资源进行细粒度切分、调度，将GPU资源虚拟化利用率提高3倍，支持更多人同时在线开发，效率提升十倍以上。在通讯层面，端对端通信延迟降低80%至2微秒。整体计算效率上，实现了算力的线性扩展。

存储吞吐比业界20GB/s的普遍水准提升了40倍，数据传输能力相当于从送快递的微型面包车，换成了20多米长的40吨集装箱重卡。此外，阿里云机器学平台PAI提供了模型训练部署、推理优化等AI工程化工具，比开源框架训练性能提升30%以上。

“扶摇”支持小鹏自动驾驶核心模型的训练时长从7天，缩短至1小时内，大幅提速近170倍。目前，“扶摇”正用于小鹏城市NGP辅助驾驶系统的算法模型训练。和高速道路相比，城市路段的交通状况更为复杂，自动驾驶特殊场景（corner case）的数据集规模增加了上百倍。

❼ 阿瓦隆910参数

基本参数：额定算力：17TH/S(-5%至+10%）墙上功耗：1520w/h（+0%至+20%）能耗比：89W/T芯片数量：（16纳米A3210芯片）204枚，电源接口：10单路6PIN接口，风扇：1x14038 FAN，运行环境：-5℃至35℃，室内噪音：70db，几何尺寸：378*170*155mm3，重量：6.3kg
阿瓦隆矿机是由杭州嘉楠耘智信息科技有限公司生产研发的专业定制服务器。通过运行特定演算法的大量计算，记录网络中的交易，从而获得比特币给予算力提供者的奖励。阿瓦隆矿机 由芯片，机箱，风扇以及外配电源跟特殊的配件组成，机箱上有明显的阿瓦隆矿机logo，尾部有电源接口，网线接口。新出品的A8系列阿瓦隆矿机，采用16nm制程算力芯片，运行更稳定。阿瓦隆系列矿机，外形特征每种型号都大同小异，光从外观上看都差不多，有差异的是芯片采用的技术。
拓展资料
其余型号参数：
1、阿瓦隆1代4模组 110G：1.额定算力： 95-110GH/S 2.墙上功耗： 985W 3.芯片数量：10个芯片 4.芯片制程：Avalon 55nm芯片,4块算力板5.外形尺寸： 长38.2CM宽21.5CM高15CM，10KG 6.散热：风冷，80分贝-90分贝 7.内置电源： 自带1200W电源
2、阿瓦隆3单模 266G-325G： 1.额定算力：266G-325G 2.墙上功耗：277W-405W 3.电源接口：直流12V，51A最小 4总线的连接器的+12V直流输入 4.芯片数量：40片 5.芯片制程：28nm A3222芯片，5个算力板 6.外形尺寸：395毫米×160毫米×165毫米，4.5KG 7.冷却：12CM*3风扇，定制散热片，安静，低温,35分贝
3、阿瓦隆A6 3.5T： 1.额定算力：3.65 TH / s的±10%;2.墙上功耗：1300瓦(电源转化率为90%) 3.电源接口：4根6PIN线;4.芯片数量：80片 5.控制器：树莓派(1代、B、B+) 6.AUC：每个AUC最多可以串联6台机器 5.外形尺寸：136*150*334mm 6.冷却：1×12038风扇
4、阿瓦隆A7 6T： 1.额定算力：6TH/s(-5%到+10%);2.墙上功耗：900瓦(-5%到+15%) 3.电源接口：8根6PIN线;4.芯片数量：72片 5.风扇：DC 12V/2.75A专用风扇 6.运行环境：-5度到40度 7.外形尺寸：360*136*150mm 8.室内噪音：60db 9.重量：4.3KG

❽ 280TOPS算力爆表！北京车展最强国产自动驾驶平台是它

▲左右分别为黑芝麻CEO单记章、COO刘卫红

黑芝麻CEO单记章此前是全球视觉芯片领军企业OmniVision创始团队成员，在硅谷芯片行业打拼了20多年，在图像处理芯片和软件算法上具有丰富的经验和技术积累。

CTO齐峥是英特尔奔腾二代芯片主要设计成员、CSO曾代兵是中兴微电子总工程师，COO刘卫红则曾是博世中国ADAS主力部门——底盘与控制系统事业部的中国区总裁。

正因为有超强的研发团队，让黑芝麻这家初创公司可以在3年时间内做出ADAS芯片华山一号A500并量产上市，在今年推出华山二号A1000芯片，发布FAD自动驾驶平台。

今年以来，新车如果没有配备L1/L2级自动驾驶，都“不好意思卖”，自动驾驶的普及程度正在快速提高，而更高等级的L3级甚至L4级自动驾驶也已经到了量产前夜，行业内对自动驾驶芯片和计算平台解决方案需求呈爆发性增长态势。仅自动驾驶芯片的市场规模，都有望达到万亿美元级别，成为半导体行业最大单一市场。

因此，FAD此时进入自动驾驶市场可谓正当其时。

今年8月，一汽智能网联开发院与黑芝麻达成技术合作协议。一汽智能网联开发院将启动基于华山二号A1000的智能驾驶平台的开发，以满足后续量产车型需求。双方将共同推动人工智能技术在汽车工业领域的应用，加速国产智能驾驶芯片的产业化落地。

另外，黑芝麻也已经签约多个FAD定点车型，预计明年就将有搭载FAD自动驾驶平台的车型上市。此外，国内外也已经有多家企业开始测试FAD自动驾驶平台，测试车辆已经上路。

黑芝麻在自动驾驶芯片和域控制器中取得的巨大成功，让行业研究机构开始重视这家刚成立4年有余创业公司。今年4月，硅谷最强智库之一的CBInsights发布中国芯片设计企业榜单，黑芝麻在车载芯片领域上榜，成为中国芯片设计企业65强之一。

今年7月，黑芝麻华山二号A1000芯片也亮相世界人工智能大会，与平头哥、依图、寒武纪等高端人工智能芯片同台亮相。

可以说，黑芝麻经过四年多的发展，已经成为全球领先的自动驾驶芯片设计公司，甚至已经有能力和芯片行业的老大哥们一较高下。同时，黑芝麻的快速进步，也推动着国内自动驾驶芯片设计再上新台阶。

在与两位创始人的交谈中，他们还透露了一个彩蛋，明年黑芝麻将发布性能更强的芯片，届时搭载这一芯片的FAD自动驾驶平台最高算力有望突破1000TOPS，其算力已经可以进行完全自动驾驶。

本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。

❾ 以太坊设备寿命

以太坊2.0其实包含的内容非常多，例如分片、扩容等，合并只是其中一项内容，自去年2.0信标链启动开始，我们已经处在PoW和PoS双链运行底下，合并是要彻底结束PoW显卡挖矿，全部爆块都用PoS共识来打包，合并后并不代表以太坊2.0就完成，至少还有2-3年时间增加其他功能。

合并这项内容牵涉面广，利益巨大，时间点非常非常非常关键，尤其对矿工而言，那是生死攸关，天天看着这个合并时间点来考虑是否加卡。坦白讲，矿工根本不关心什么分片、扩容，Layer2，Rollup等功能，他们只关心什么时候正式合并，什么时候结束挖矿。

已参与ETH2.0信标链质押的希望合并越快越好，因为他们需要在合并后的第一次硬分叉才能解除质押，而矿工们持有显卡，希望合并越晚越好（最好别合并），把显卡能耐发挥到极致。

两个月前的消息是，合并提前了，并且在合并前，不再有新的EIP功能修订升级，ETH团队所有人员集中全力优先处理合并事宜，合并提案EIP-3675也在8月中由研究员Mikhail正式立案，这标志着合并真的真的真的要进入倒计时了，可惜仍然没有具体日期，只有概率。啥玩意

总结：

随着以太坊总市值以及生态膨胀到今天这个体量，船大难掉头，任何一个小错误，都会引起巨大震荡：矿工手上有显卡，机构手上有币，DeFi生态里有TVL，有多少矿池靠ETH吃饭，有多少炒卖显卡为生的代理商......

如果在这个过程中，平衡不好各方的利益，那么整个网络可能会被冻结，甚至崩溃。我认为以太坊团队在公布合并时间点这件事上太儿戏了，不把矿工的矿机当回事，几个月前开发员Trend说保守估计年底前合并，现在看来又要跳票，官方还有什么可信度？要防止跳票很难吗：至少提前一年，对外公告“准确的合并日期”，以及合并步骤和详情。如果没在测试网通过就不要乱发布各种合并消息，尤其是开发人员。我现在啥都不想看，就等12月的炸弹 pushback 究竟要延到明年几月。到时再来写一篇《如何处理手上的矿机》吧，拭目以待。

❿ AMD CPU 算力表

不多解释自己查

上面型号，下面算力

AMD THREADRIPPER 1950X (16C/32T)

1800

AMD RYZEN 1950X THREADRIPPER

1450

THREADRIPPER 1950X

1370

AMD THREADRIPPER 1950X

1367

RYZEN THREADRIPPER 1950X

1340

AMD THREADRIPPER 1950X

1333

AMD RYZEN THREADRIPPER 1950X

1280

RYZEN THREADRIPPER 1950X @3.9 GHZ

1265

RYZEN THREADRIPPER 1950X

1196

THREADRIPPER 1920X

1091

AMD THREADRIPPER 1950X @4GHZ

995

THREADRIPPER 1900 ONLY CPU (8THREADS)

780

AMD RYZEN 7 1800X

704

RYZEN 7 1700

700

AMD RYZEN 1700X

670

RYZEN 7 1700

662

RYZEN 7 1800X (OC TO 4.0GHZ)

660

AMD THREADRIPPER 1900X

655

RYZEN R7 1700X @4.0 GHZ

640

AMD RYZEN 7 1700X (4GHZ, 1.35V)

640

RYZEN 7 1700X 3875MHZ

638

AMD RYZEN 7 1700X

635

AMD RYZEN 7 1800X

632

AMD RYZEN 1700X

630

RYZEN 7 1800X

630

RYZEN 1700 @3.89GHZ

630

RYZEN 7 [email protected]

626

AMD RYZEN 5 1600

625

RYZEN 1800X AT 3.9MHZ (OC)

620

AMD RYZEN 7 1700

620

RYZEN 7 1700

620

RYZEN 1800X (OC TO 3,9GHZ)

620

AMD RYZEN 7 1800X 4.2GHZ

620

AMD RYZEN 7 1700

620

RYZEN 7 1700

615

RYZEN 7 1700

610

RYZEN 7 1700 @4.0GHZ

610

AMD RYZEN-7 1700 (@3700 MHZ)

605

RYZEN 1700X

605

AMD RYZEN 1700

601

AMD RYZEN 7 1700X 3.8GHZ

595

RYZEN R7 1700

594

RYZEN R5 1600X @4GHZ

592

RYZEN 5 1600X @4.0GHZ

587

RYZEN 5 1600 (3.95GHZ OC)

585

RYZEN 7 1700 @3.6GHZ

580

RYZEN 5 1600

575

RYZEN 5 1600 @3.9 GHZ 1.304 VOLTS

570

RYZEN 1700 (3.6GHZ)

570

AMD RYZEN 1700

570

RYZEN R5 1600X

565

AMD RYZEN 7 1700

565

RYZEN 7 1700

560

AMD RYZEN 5 1600@4GHZ

560

RYZEN 5 1600

560

AMD RYZEN 5 1600X

560

RYZEN 7 1700X

558

AMD RYZEN7 1700

555

RYZEN R5 1600X

550

AMD R5 1600 @3.925 MHZ 1.224V

550

RYZEN 7 1700X (STOCK)

550

AMD RYZEN 5 1600

545

AMD RYZEN 5 1600 [email protected]

540

AMD RYZEN R7 1700

536

RYZEN 5 1600 @3700 MHZ

527

RYZEN 1700

520

AMD RYZEN 5 1600X @ 4.1 GHZ

520

RYZEN 5 1600X

520

RYZEN 7 1700

520

RYZEN 7 1700

515

RYZEN 7 1700 @3.2GHZ

513

RYZEN 7-1700

510

RYZEN 5 1600X

510

RYZEN 5 1600X

510

RYZEN 5 1600

508

RYZEN 1700 (3.7GHZ OC)

506

R7 1700 @O 3,7GHZ

505

AMD RYZEN 5 1600 + 2400MHZ RAM

503

AMD RYZEN 7 1700 @3.1GHZ

503

RYZEN 5 1600 @3.8GHZ

500

RYZEN 1700X

500

RYZEN 5 1600 @3750 MHZ

500

AMD FX-9590

497

RYZEN 5 1600 @ STOCK

495

AMD RYZEN 7 1700

492

AMD RYZEN 5 1600

485

RYZEN 5 1600X

477

RYZEN 5 1600

475

FX-8350@4,5GHZ (22,5*200)

473

AMD RYZEN 5 1600

470

RYZEN 5 1600X AMD

470

RYZEN 5 1600 - OVERCLOCKED TO 3.7

470

RYZEN 5 1600

470

FX8320E@4,5GHZ

470

AMD OPTERON 6376

469

RYZEN 7 1700

466

RYZEN 7 1800X

465

AMD RYZEN 5 1500X

460

RYZEN 5 1600

460

AMD FX 8350

457

AMD FX 8350

457

RYZEN 1700X

455

AMD RYZEN 5 1600

453

FX-8350 (OVERCLOCK: 5.0 GHZ, DISABLED 4 CORES, 1 CORE = 2MB CACHE)

450

AMD RYZEN 5 1600

450

RYZEN 6 1600

450

RYZEN 5 1600

450

AMD [email protected]

445

FX-8350 (OVERCLOCKED: 4.8GHZ, OVERCLOCKED: DDR3 RAM 1600MHZ))

444

AMD RYZEN 5 1600X

440

AMD FX-8350 (4.6GHZ CORE / 2.4GHZ CPU NORTHBRIDGE)

440

FX-8350 @ 4.4GHZ

440

RYZEN 5 1600 - STOCK

436

AMD RYZEN 5 1600X

435

RYZEN 5 1600 (STOCK)

431

AMD FX-8350 OC 4.7GHZ

430

AMD RYZEN 5 1500X @ 3.5GHZ

429

RYZEN R7 1700

427

FX 9590

425

AMD FX-8300 OC 4.4GHZ

425

AMD FX-8300 OC 4.4GHZ

425

RYZEN 5 1500X @3.5GHZ

425

FX-9590

423

AMD FX-8350 OC 4.3 GHZ

423

AMD FX-8350 (USING 7 OF 8 CORES)

420

AMD FX 9590

420

AMD RYZEN 1600X

420

FX-8320 @ 4.2GHZ

415

[email protected] GHZ

415

FX8320@4200

412

RYZEN 7 1800 (STOCK)

412

AMD RYZEN 5 1500X @ 3.9 GHZ | DDR4 2933 CL16

410

AMD 8320 @4.3 GHZ

408

FX 8350 OVERCLOCKED 4.2

406

FX-8320E

405

FX-9370

404

AMD FX 8350 OVERCLOCKED 4.2(21X200)

400

MD RYZEN 7 1800X

400

FX-8320

400

AMD FX-8350 BLACK EDITION

400

RYZEN R7 1700 @ 3800 MHZ

400

AMD FX-8350

400

AMD RYZEN 5 1600 STOCK 3.4 GHZ

400

RYZEN 5 1600

400

AMD FX 8320 @4.1GHZ

399

AMD FX 8350

399

FX 8350

399

AMD RYZEN 1500X

396

FX8320E@4GHZ

395

AMD RYZEN R7 1800X (STOCK)

395

AMD 8350-FX @ 4300GHZ

393

AMD FX-8120 @OC 4010

393

AMD FX-8350

390

FX 8350

390

AMD FX8320E - 3,9GHZ OC

385

FX-8320E @3,9GHZ

383

AMD FX-8120

380

AMD FX 8370

379

OPTERON 4334

375

AMD RYZEN R7 1700

375

AMD RYZEN R5 1600 (STOCK)

370

FX 8320

368

AMD FX-8350 (DOWNCLOCK TO 3.6 GHZ)

360

AMD FX 8320

360

AMD FX-8370E EIGHT-CORE PROCESSOR

359

AMD [email protected]

358

FX-8150 (DEFAULT, NO OVERCLOCK)

356

RYZEN 1500X

354

FX 8300 @ 4400

354

FX 8350 @ 4.7 GHZ

350

AMD OPTERON PROCESSOR 4171 HE

345

FX 8300 (OC 4200)

340

FX-8320E

340

RYZEN 7 1700X

340

AMD 8370E

337

AMD RYZEN 5 1500X @3.57GHZ

334

AMD FX 8300

332

AMD FX-6350 @4.6 GHZ

332

AMD RYZEN 1700 3.8GHZ

330

AMD FX-8150 8X3.6 GHZ @ 4.1 GHZ

330

AMD FX 8320 BONE STOCK

330

FX8320-E

327

AMD FX 8370

320

AMD FX(TM)-8350 EIGHT-CORE PROCESSOR OC (8CPUS),~ @ 4.32GHZ

320

AMD FX 8370E

320

AMD RYZEN 7 1700 @ 3.8GHZ

320

AMD FX(TM)-8350 EIGHT-CORE PROCESSOR

316

FX-6300

315

AMD RYZEN 5 1600

313

AMD FX 6300 @ 4.7GHZ

310

AMD FX 8320

310

RYZEN 1500X

310

AMD FX-8350

310

AMD FX-6350

306

AMD FX-8320 4.0GHZ

305

AMD FX 6300

305

RYZEN X1700

302

AMD FX-8370

301

AMD FX-8320

300

RYZEN 5 1400X

300

AMD FX-6300

300

FX 8320

300

AMD RYZEN 3 1200 (3.1 GHZ BASE)

300

RYZEN 3 1200 OC TO 3.9GHZ

300

AMD FX-8320

300

RYZEN 5 1400X

300

AMD FX 6350

300

RYZEN 3 1200@3750

292

FX 8350

290

RYZEN 5 1400 @3.8 GHZ

289

AMD FM 8120 @3110

284

AMD3+ FX-6300 3.5GHZ

282

RYZEN 5 1400

280

AMD FX 8350

279

AMD FX 8300

279

AMD FX 6300

275

FX 6300

275

AMD FX6300

271

RYZEN 1300X (STOCK)

270

AMD 8320 (4.2)

269

AMD OPTERON(TM) 3280

266

AMD FX 6300

265

AMD FX-4350 (OVERCLOCKED TO 4.8MHZ)

264

RYZEN 5 1400

262

AMD FX-6300

260

AMD FX-6300 @ 4GHZ

255

AMD FX-6300

250

AMD FX 6300

250

FX 6300

250

FX-6100

249

FX 6300

245

RYZEN 3 1200

241

OPTERON 4334

240

AMD FX 6100 OC 4.0 GHZ

240

RYZEN 1800X

239

FX-6300

237

AMD OPTERON(TM) PROCESSOR 4274 HE

236

AMD FX 6300 @4.1 GHZ

230

FX-9370

230

FX 8350

230

AMD FX-8320E

226

AMX FX-8350

224

AMD FX-8150 8-CORE PROCESSOR 8X3.6GHZ UP TO 3.96GHZ

220

RYZEN 5 1400

220

AMD FX 8300

220

AMD FX-6350 HEXA-CORE 3.9GHZ

220

FX 8350

220

AMD FX-6100

220

FX 8350

220

AMD FX 6300

219

AMD A8-7650K, OC 4.5

219

AMD FX-8370E

216

FX 6300

216

AMD FX 4350

214

AMD FX 8320 4GHZ

210

AMD FX - 4100

210

AMD FX 8320E

210

AMD FX 4100 @4.40 GHZ

207

A8 7650K (OC 4.4GHZ)

207

A10 7850K

202

FX 4100

200

AMD A10-6800K APU

198

FX 4100

196

FX 4100

195

AMD FX-4300 @ 3.8 GHZ

194

AMD FX6300

188

FX 6300 (5 CORES)

181

AMD FX-8350 VISHERA

180

AMD FX 4300 3.8GZ

180

I5-4570S

180

AMD 7650K @ 4.0 GHZ 1.395V 95W

179

FX 6300 VISHERA

175

AMD FX-8350

175

AMD ATHLON X4 860K

175

AMD FX 4300 3800MHZ

172

AMD A8 5600K

170

AMD FX-4100

166

AMD FX-6300

165

AMD FX-6300

165

FX-4300

164

AMD A8-7650K

160

ATHLON X4 870K UP TO 4.2GHZ

157

AMD A10-6700

156

AMD A10 6800K

155

AMD FX 4350

154

AMD A8-6600K

152

FX 4300

150

AMD FX-6300

150

FX-4100 4,2GHZ

150

AMD FX4100

146

FX-6300

137

FX6300

135

ATHLON X4 760K

121

A8 7600

120

AMD FX6300

120

AMD A8-7600 RADEON R7 3.10GHZ

120

A10 7850

117

AMD FX 4100

108

AMD A8-7600 3.1GHZ 4 CORES

105

AMD PHENOM II X4 B60 @ 3.6GHZ

95

PHENOM 1090T X6 @ 3.6GHZ

90

AMD PHENOM(TM) II X6 1055T PROCESSOR, L3 6.0 MB, 3.9 GB RAM

90

AMD PHENOM II X4 965

89

AMD PHENOM(TM) II X6 1035T

86

AMD PHENOM II X4 965 BE

80

A6-7400K + GPU R3 128 BIT OC

75

AMD ATHLON II X4 740 3.2GHZ

75

PHENOM II X2 555BE

73

AMD RYZEN 5 1400 @ 3.2GHZ

70

AMD PHENOM II X6 1055T

70

AMD PHENOM II X4 960T

69

AMD ATHLON X4 860K

69

AMD PHENOM II X4 940

66

AMD A10 5800K

63

AMD A10 5800K 4.6GHZ

60

AMD A8 7600 3.8GHZ

55

AMD A8-5500

55

AMD ATHLON X4 860K

52

AMD PHENOM N830

50

AMD PHENOM II X6 1035T

50

AMD PHENOM II X6 1055T (2.8GHZ)

50

QUAD-CORE AMD OPTERON 1385

48

AMD A8 3870K @ 3,5GHZ

47

AMD PHENOM II X4 840

42

AMD ATHLON II X4

40

A6-5200

40

AMD PHENOM II X4 945

40

ATHLON X4 635

35

QUADCORE AMD A6-3620, 2272 MHZ

33

AMD A6 3400M

30

AMD ATHLON X4 630 3.1GHZ

29

AMD ATHLON X3 405E

29

PHENOM X4 9500

28

AMD SEMPRON(TM) 3850 APU

25

PHENOM II N930 (MOBILE) QUAD-CORE 2GHZ

25

AMD A4 6300

25

AMD ATHLON 7850

24

AMD A6-6400K APU

22

AMD ATHLON(TM) II X2 245

22

AMD A10-9600P

21

AMD OPTERON X2150

21

AMD A10-9600P

21

AMD A6 6400K

20

ATHLON II X2 240

20

AMD A4 6300

19

AMD FM1 A6-3670K @ 2.5GHZ (2.7 STOCK)

18

AMD ATHLON 64 X2 5400+ 2.8GHZ

15

AMD A4 6300 (1 CORE)

15

AMD A4 6300 (1 CORE)

15

AMD TURION X2 DUAL CORE MOBILE RM-75

14

AMD TURION X2 RM-75

12

AMD ATHLON(TM) II X2 245

12

ATHLON X2 2.00 GHZ

12

AMD ATHLON 64 DUAL CORE 4200+

11

AMD ATHLON 64 X2 4000+

11

AMD APU A4-3400

10

AMD SEMPRON 2650, 1.4GHZ, 1MB, DUAL-CORE

10

TURION TL-58

8

AMD OPTERON 1210

8

AMD ATHLON LE-1600

6