제품: 앤트마이너 B3
해시레이트: 약 780H/s
전력 소비: 약 360W ±7%)
잠정가: 17,000위안/단수
판매 시간: 2018년 4월 25일 오전 11시
이 배치의 수량: 2500대
배송 기간: 2018년 5월 1일부터 5월 10일까지
말:
이 제품은 전액 결제가 필요하며 계정당 1단위로 제한됩니다
비트메인(Antminer)은 공식 계정 기사 "Antminer B3 판매 발표"를 배포했습니다.
Antminer B3는 어떤 코인을 채굴하나요?답은 이렇습니다: 바이톰 바이톰 (BTM)
BTM 가격에 관해서는, 스크린샷은 다음과 같습니다:
뷔톰 소개
ByTom 블록체인 프로토콜(이하 ByTom으로 함)은 여러 비트 자산을 위한 인터랙티브 프로토콜로, 다양한 형태의 이기종 비트 자산(네이티브 디지털 화폐, 디지털 자산)과 원자 자산(전통적인 물리적 세계 대응물, 워런트, 주식, 배당금, 채권, 정보 정보, 예측 정보 등과 함께)을 기반으로 한 복잡한 상호운용 작업이 가능하며, Bytom 블록체인 상에서 실행됩니다. 원자 세계와 비트 세계를 연결하며, 두 세계 간의 자산 상호작용과 순환을 촉진합니다. 원래 체인은 애플리케이션 계층, 계약 계층, 데이터 계층의 3계층 아키텍처를 채택했으며, 애플리케이션 계층은 모바일 단말기와 같은 여러 단말기에 친화적이어서 개발자들이 자산 관리 애플리케이션을 개발하기에 편리합니다. 계약 계층은 자산 발행 및 관리를 위해 생성 계약과 제어 계약을 사용하며, 하위 계층에서 확장 UTXO 모델 BUTXO를 지원하고, 가상 머신을 최적화하며, 튜링 완전성에서 죽은 상태를 방지하기 위한 내기적 검증 메커니즘을 채택합니다. 데이터 계층은 분산 원장 기술을 사용해 자산 발행, 지출, 교환 및 기타 작업을 실현하며, 합의 메커니즘은 인공지능 ASIC 칩에 친화적인 POW 알고리즘을 채택하고, 해싱 과정에서 행렬 및 합성곱 계산을 도입하여 채굴기가 유휴 상태이거나 소외된 후 AI 하드웨어 가속 서비스에 활용될 수 있게 하여 추가적인 사회적 혜택을 창출합니다.
사명 선언문
"우리의 사명은 비트 세계와 원자력 세계를 연결하고, 다양화된 자산의 등록과 유통을 위한 분산 네트워크를 구축하는 것입니다." BYTOM은 비트 정보와 비트 자산의 기존 가치 속성의 교환, 상호작용 및 흐름을 크게 촉진할 것입니다. 계약과 구성을 통해 새로운 비트 자산도 생성됩니다. ByTom은 또한 분산형 시장 기반 관리 프로토콜로 애플리케이션을 개발하며, 지역 및 글로벌 비트 이코노미 참여자 모두에게 독특한 인센티브를 제공할 것입니다. 매체로서 bytom은 정보 이익을 촉진하고 정보 자산의 효율성을 증폭하는 경제가 될 준비가 완벽히 되어 있습니다. 앞으로 이 정보 자산들은 기존 일상 업무와 생활에 활용될 뿐만 아니라, 인공지능과 IoT 기기의 '데이터 먹잇감' 제공자가 되어 원자력 세계에 대한 영향력을 더욱 가속화할 것입니다.
핵심 목표
1. 다양화된 비트 자산 등록 구축 표준
ByTom은 글로벌 개방형 Byte 자산 등록 플랫폼을 구축하는 것을 목표로 합니다. 또한 작은 자산을 생성, 정의, 생성하는 것을 더 쉽게 만들고, 사용자들이 이해하기도 더 쉽습니다.
2. 다양화된 비트 자산을 위한 인터랙티브 도구 구축
가장 기본적인 자산 교환 도구(계약에 따른 다양한 형태의 디지털 자산 교환, 소유권 변경)에서부터 ByTom은 다음과 같은 더 복잡한 상호작용 형태도 지원합니다:
트리거 도구: 자산은 계약상 투표에 따라 결정론적 y/n 불리언 결과 또는 수치 결과를 생성하여 원자력 세계 참여자들의 공유 데이터셋을 활성화합니다;
b 예측 도구: 예를 들어, 제로섬 게임을 통해 두 명 이상의 당사자가 비행기 지연 여부와 두 후보가 누가 이길지 예측 정보를 생성하기 위해 베팅하며, 이 예측 정보를 실제 금융 헤지, 보험 및 기타 분야에 활용합니다.
AI ASIC 칩 친화적 POW 알고리즘
POW 알고리즘은 AI ASIC 칩에 친화적이어서, 광산 기계가 유휴 상태이거나 구식이 된 후에도 AI 가속 서비스에 사용할 수 있습니다.
비트코인 채굴기와 AI 딥러닝은 비슷하며, 둘 다 대규모 병렬 컴퓨팅을 위해 기본 칩에 의존합니다. 대부분의 딥러닝 알고리즘은 기저의 선형 대수 연산에 매핑할 수 있습니다. 선형 대수 연산은 두 가지 주요 특징을 가집니다: 첫째, 텐서의 흐름이 비전통적이고 예측 가능하다는 점; 둘째, 컴퓨팅 밀도가 매우 높습니다. 이 두 가지 특징 덕분에 AI 딥러닝은 하드웨어 가속에 특별히 통합되어 있습니다.
|
게시됨 2018. 4. 24. 오후 5:32:28
|
|
|
|
