比特幣驚天漲,但該對比特幣課的是「碳稅」
比特幣驚天漲,但該對比特幣課的是「碳稅」

我遠遠不是比特幣的專家,我自己甚至沒有擁有任何一種加密貨幣,不管是比特幣或者以太幣。但是我對於區塊鏈以及比特幣算滿早之前就花過時間下去研究的,包含最根本的演算法和比特幣系統設定。

但我一直疑惑的是,儘管比特幣是開源的,任何資料都可以在網路上找到,但在大多關於比特幣的、往往不是過於亢奮就是過於悲觀的新聞報導中,很少人提到一個很重要的系統設定:網路難度重設(network difficulty change)

在我們解釋比特幣系統中的網路難度重設到底是什麼東西之前,首先讓我直接跳到本文的結論:

不知道或者無法理解比特幣的網路難度重設,就隨便談論採礦成本效益,或者虛擬貨幣相對於法定貨幣系統在管理成本上的優勢,就好像英國那些支持脫歐的群眾,盤算著趕走波蘭移民後自己能夠拿回多少生意或者藍領工作,而絲毫沒想到自己每天在Marks & Spencer採購的生鮮蔬果,泰半來自於氣候遠比英國溫和的歐陸國家

什麼是比特幣網路難度重設?

到底什麼是比特幣網路難度重設?簡單來說,當初中本聰在設計比特幣時,就已經充分理解到,比特幣既然是使用電腦開採,隨著電腦效能跟著摩爾定律提升,解決數學難題的時間就會縮短,因此區塊(乃至於比特幣)供給量就會隨著時間經過而加速,這對於比特幣想追求的穩定貨幣供給和固定貨幣總量的理想國是很根本的威脅。要解決這個問題很簡單:每隔一陣子提高比特幣系統中數學問題的難度,把平均解題時間拉回來,就可以搞定了——這就是比特幣網路難度重設的由來。
比特幣早期的一位很有名的傳教士是希臘人Andreas Antonopoulos,為了撰寫本文我翻出了幾年前閱讀過的他的暢銷著作〈Mastering Bitcoin: Unlocking Digital Cryptocurrencies>,在裡面他用白話文解釋了這個難度重設的意義:

比特幣協定包含了一個內建的演算法來規範整個系統網路中的挖礦功能。礦工為了成功在比特幣網路裡登錄一個區塊所必須處理的計算任務,其難度會被動態調整,目標是維持平均每10分鐘有一個區塊被開採出來——不管有多少礦工(和CPU)同時在處理計算任務。

位元幣1.jpg
位元幣區塊產生時間 v.s. 難度
圖/ 楊建銘

上圖是本文截稿為止前兩個月的比特幣區塊產生時間以及系統難度調整走勢。其中紅色線是系統難度,大家可以看到光是在兩個月時間裡就調整了五次。而藍色線和灰色線是平均產生一個區塊的時間(平均計算基準分別為2016個和1008個區塊),可以看到雖然均線是落在600秒——也就是原始協定中設定的10分鐘左右——但最近一次難度重設後區塊產生時間卻一路爬升到超過900秒(灰色線末端),將近16分鐘,如果這種情形持續下去,系統將會再度調降難度,因此可以看到預期下次難度(綠色線)持續往下走。

至於何時進行下次調整?根據比特幣協定,每開採出2016個區塊,系統就會把難度調整到能夠將平均區塊產生時間拉回到10分鐘的原始設定,因此系統難度(以及對應到的平均區塊開採時間)就會這樣不斷週而復始地震盪調整。

講了這一大串,重點只有一個:比特幣系統根據設計是平均每10分鐘開採出一個區塊,不管整個網路參與挖礦的是一千萬台還是一億台電腦,不管他們是配備最新的恩威迪亞繪圖晶片,還是使用兩年前上市的採礦專用晶片。只要系統整體開採速度加快,系統就會調高難度,開採速度如果減緩,系統就會降低難度。

換言之,如果以比特幣單位來計算,採礦是一個軍備競賽形式的零和賽局——所有投入採礦的硬體投資,都是不得已的必須,並無法提供長期優勢的佈局。自己不投資,別人就會,然後開採速度就會增加,系統難度就會調升,自己就會落後。而自己就算領先投資,遲早對手也會採購同樣的硬體追上來,把自己暫時的優勢給抵銷掉,然後系統會增加難度,於是自己開採的速度又回到升級前的水準。

總結來說,在任何比特幣的開採成本效益的討論上,都必須先假設自己必須隨時投資跟上最新的硬體規格,而每一代採礦硬體投入的資金也都必須假設在下一代硬體出現後就得退役,有著或多或少可以估計的有效期限,退役後也許可以二手轉賣到其他市場(例如電競),可能的剩餘價值也要放入成本效益計算中。

不僅硬體成本,能源成本也是關鍵

截至目前為止我們討論的成本都只提到硬體成本,實際上能源成本也是一個關鍵。

位元幣2.png
開採位元幣估計年度總耗能
圖/ 楊建銘

(作者提供,擷取自Digiconomist網站)

上圖是Digiconomist估計的位元幣開採所用掉的年度耗能。首先要注意到的是橫軸的單位,圖上所顯示的是從10月4日到本文截稿的11月2日為止的每日數字,但縱軸顯示的預估年度耗能,也就是說在過去這一個月裡,每天平均的採礦耗能不斷增加,導致估算的年度總耗能也不斷上升,到11月2日已經上升到24.52兆瓦小時(TWh)!

這麼大的耗電量,Digiconomist估計電力成本為$1,225,751,400,而使用這些電力開採出來的位元幣現在的美元市值$5,841,159,218,大約是電力成本的4.8倍左右,仍然有足夠的空間承受電腦硬體投資金額以及其他成本(例如房租和最低限度的工程師人力等),從而維持獲利空間。

但是要注意到的是$5,841,159,218是根據最新的比特幣與美元交易價格所計算的,過去半年我們看到位元幣從$1500價位附近震盪走高突破$7000,剛好也是4.7倍左右。由於大部分的交易價格都來自投機交易,因此沒有人能預期價格能維持在$7000多久,如果有一天價格跌回$1500,而其他條件不變的話,挖掘出來的比特幣總市值將跟電力成本相同,變成賠錢生意——而我們討論的還不過是半年的價格波動而已,大部分企業投資電腦硬體都是以四年做會計上的折舊攤提,如果是一個公司的生意是開採比特幣,我還真不曉得在這種波動性下,財務上要如何規劃,而會計上又要如何統合。

當然,這顯然是一個動態系統,隨時在尋找動態平衡(equilibrium)。過去短短一個月內挖礦耗能持續攀升,顯然也是受到比特幣兌美元交易價格節節攀升的刺激,如果比特幣市價跌了下來,那麼就會有許多在硬體效能和電力成本上沒有競爭力的電腦關機退出採礦,耗能也就會下降。

全球挖礦機一年耗電量與奈及利亞和厄瓜多爾一整年的耗電量相當

但不論如何,這個時間點我們看到全世界的挖礦機等效一年所耗掉的能源是將近25兆瓦小時,根據Digiconomist這個耗電量與奈及利亞和厄瓜多爾一整年的耗電量相當!

如果奈及利亞和厄瓜多爾在心理上距離國人太遙遠,我們可以換個比較標準:這些電力足以供應全美國超過200萬戶家庭一整年的用電,而且如果以完成每筆交易(transaction)的角度來看的話,每一筆位元幣的交易所用掉的電量,可以供應7.51個美國家庭一整天的用電!

走筆至此,讀者應該不難理解我想說什麼了——最少在比特幣的設計下,所謂的真正的交易成本優勢是不存在的,用經濟學的術語來說,它只是被外部化(externalized)了。

當一個比特幣使用者使用比特幣錢包完成一筆交易時,雖然他感受到的只有自己手機的耗電,但全世界競爭著去確認這筆交易的礦工電腦,平均耗掉的電力卻可以供應超過七個美國家庭一整天。而這些電腦為什麼願意耗費這樣的電力去做這件事情,則是因為位元幣現在的交易價格高達$7000,他們耗費這樣的電力仍然有賺頭——最少在帳面上。

也許我們該考慮針對比特幣課徵碳稅

我要再次強調,這一切都是動態平衡,所有數字都有可能因為比特幣價格再度走高,或者崩跌,而出現天翻地覆的變化。但是不論走勢如何,本文裡的分析應該足以粉碎用「虛擬貨幣交易成本低廉」為理由支持比特幣作為交易系統者的天真想法。

最後,如果挖礦要耗掉一整個奈及利亞的能量,也許我們該考慮針對比特幣課徵碳稅,並將其納入碳足跡的全球預算中。因為雖然我們多少可以確定奈及利亞耗的電和產生的廢熱,大多是為了他們自己國家人民的經濟活動,但比特幣的交易到底有多少百分比對應到多少實體經濟,還是絕大多數是買空買空的投機活動,那就很難講了⋯⋯

本文由楊建銘授權轉載自其風傳媒專欄。

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場。)

關鍵字: #比特幣
往下滑看下一篇文章
從會員數據到 AI 行銷:Vpon 打造零售業 AI-Ready 數據中台,提升決策效率
從會員數據到 AI 行銷:Vpon 打造零售業 AI-Ready 數據中台,提升決策效率

在 AI 快速進入企業營運核心的時代,數據不再只是被動的分析素材,而是 AI 模型運作與決策優化的重要基礎。

零售品牌積極累積大量第一方數據,例如會員資料、交易紀錄以及線上與線下行為數據,但因這些數據分散於不同系統,缺乏統一的身分識別機制以及明確的元數據(Metadata)定義,導致難以整合與分析,同時,也影響 AI 對這些數據資產的理解與應用。

為解決上述挑戰,Vpon 威朋將累積十餘年的實務經驗轉化為產品與服務,如 Audience Center 與 AI Agent 等解決方案,並透過專業顧問團隊協助企業完成數據收集、清理、整合與分析等關鍵流程,從資料清理到 AI-Ready 再到落地應用,讓行銷與業務團隊能以自然語言將數據查詢與分群受眾逐步自動化,大幅縮短過去仰賴技術與分析團隊溝通需求與開發分析邏輯的時間。

Vpon 助零售業打造 AI-Ready 數據基礎,以 Audience Center 驅動業務商機

如何建立 AI Ready 數據基礎建設?

Vpon 威朋數據科學經理廖宜楷指出,在 AI 驅動的時代,數據的品質決定模型價值。其中四個關鍵分別是:建構標準化的數據採集與處理管線,透過統一的工程規範,確保所有進入系統的數據在格式、維度與質量上具備高度一致性;其次是定義語義清晰的元數據(Metadata)體系,確保數據能夠被 AI 理解與使用,從而產出具備可靠性的產出結果;再來是打破企業內部的「數據孤島」, 透過完整整合線上(Web/App)行為與線下(POS/CRM)會員資訊,建構全方位的會員數據輪廓,精準捕捉消費者的跨通路行為軌跡。最後,數據的價值隨時間遞減,AI 的決策品質取決於數據的「新鮮度」,因此,數據的持續更新與自動化維護,不僅能讓企業在動態市場中保持敏銳,還可進一步深化會員輪廓分析的即時性。

舉例來說,在 Vpon 團隊的協助下,台灣百貨零售龍頭透過整合 Web 與 App 行為資料,並將線上與線下數據集中於數據中台進行分析,將傳統耗時數小時的複雜資料庫分析工作縮短至秒級回應,並基於此高效率基礎,進一步開發不同業務主題的預測與分群模型,提升行銷精準度與營運決策的敏捷性。

扎實數據基礎的價值落實:Audience Center 如何賦能企業實現「數據即戰力」?

有了堅實的數據底座後,下一步是透過 Audience Center 將數據資產轉化為商業動能。

廖宜楷指出,在變化快速的零售與數位行銷市場中,速度就是競爭力。然而,仍有許多企業在數據應用上面臨嚴重的溝通與技術斷層。過去,當行銷或業務人員需要數據支持時,通常得花費繁複的內部流程申請需求、討論需求,才會進到後續的資料清理、建模與分析,最後才能得到想要的分析結果或行銷名單。這種以「週」為單位的進程,不僅拖慢了決策效率,更讓企業在競爭激烈的市場中錯失先機。

Audience Center 的核心價值在於徹底翻轉上述流程,將數據處理轉化為數據服務,透過直覺的介面與背後扎實的數據基礎支撐,讓非技術人員不用編寫程式碼,即可自行組合維度,大幅縮短從需求到執行的距離,將原先需要耗時數週的作業流程優化成秒級產出。

「Audience Center 的導入,不僅有助於提升效率,更賦予企業快速試錯與精準捕獲趨勢的能力,讓數據真正成為驅動業務增長的引擎。」廖宜楷如此總結。

#1 從會員數據到AI行銷:Vpon打造零售業AI-Ready數據中台,提升決策效率
Vpon 威朋數據科學經理 廖宜楷
圖/ 數位時代

以 AI Agent 重塑數據使用方式,讓數據更貼近決策流程

「Vpon 除提供 Audience Center 協助品牌發揮第一方數據資產價值、提供豐沛的第三方數據助品牌深化對客戶輪廓的掌握度,更推出 AI Agent 服務讓品牌與行銷人員能更直覺地使用數據。」Vpon 威朋數據科學資深總監陳文謙表示,在數位轉型的過程中,許多企業面臨的挑戰不僅是數據整合,更包括如何讓不同部門的人員都能更即時協作與應用數據,有鑑於此,Vpon 推出四種 AI Agent 協助企業分析與應用數據,極大化第三方數據成效:

第一,以 Reporting Agent 讓高階主管或行銷人員可以自然語言查詢數據與生成報表,即時掌握市場動態,加速決策下達與決策品質。

第二,透過 Insight Agent 確保數據分析不受分析人員的主觀意識或產業知識侷限,可以輕鬆完成跨領域數據分析、快速挖掘潛在市場機會與消費者洞察。

第三,藉由 Audience Agent 將客戶分群方式從規則導向(Rule-based)轉變為關聯導向,以關聯分析擴大受眾範圍,協助品牌找出更多潛在客群。

第四,推出 Creative Agent 協助行銷人員分析廣告素材表現的根本原因,釐清受眾喜歡的素材跟不喜歡的素材,藉此優化廣告投放內容,持續提升轉換率。

陳文謙表示:「透過 AI Agent 的輔助,品牌不僅能更快完成數據分析,也能將分析結果直接轉化為行銷策略與創意建議,降低跨部門溝通成本,讓數據真正參與決策流程。」

#2 從會員數據到AI行銷:Vpon打造零售業AI-Ready數據中台,提升決策效率
Vpon 威朋數據科學資深總監 陳文謙
圖/ 數位時代

鏈結數據生態夥伴,以跨境數據放大行銷效益

除了協助品牌主建立 AI Ready 的數據基礎環境並提升數據使用效率,Vpon 也持續拓展數據生態圈,協助零售品牌更精準布局海外市場。

Vpon 威朋產品行銷資深經理邱心儒表示,跨境行銷過去多仰賴經驗與市場直覺,但透過數據整合與 AI 分析,品牌能更精準理解海外消費者的旅遊與消費行為。

以 Vpon 與日本 Loyalty Marketing Inc. 合作為例說明,透過雙方的獨家合作,企業可以結合 Ponta 超過一億的會員數據、問卷調查結果以及 Vpon 的七大數據來源,深入分析日本消費者的消費偏好與購買力——包括哪些日本族群對台灣品牌最感興趣、最受歡迎的台灣商品類型,以及不同客群的價格敏感度與回購行為等,將行銷決策從過往的經驗判斷轉變為精準的數據洞察,成為品牌出海的重要工具。

簡言之,對零售品牌而言,跨境數據是理解海外旅客真實樣貌的一大利器,也能進一步優化廣告投放、內容策略與商品布局,讓品牌在拓展國際市場時,可以更有效率地接觸潛在客群,放大行銷效益。

#3 從會員數據到AI行銷:Vpon打造零售業AI-Ready數據中台,提升決策效率
Vpon 威朋產品行銷資深經理 邱心儒
圖/ 數位時代

展望未來,Vpon 將持續擴展數據生態圈並優化產品服務,幫助零售品牌從數據整合、AI 分析到市場決策建立完整的數據應用循環,希望以數據夥伴的角色與品牌共同成長,打造互利共贏的數據生態。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
AI全球100+台灣20
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓