说到GPU，有不同类型的挖矿和AI，加密货币矿工无法同时满足两者。

人工智能驱动的媒体创建图像(MidJourney)

工作量证明山寨币挖矿的利润丰厚的世界是一个值得一看的景象，在以太坊转向权益证明之前，矿工们赚取了惊人的利润。但这是一个新行业，吸引了那些在合并后发现数百张未使用显卡的人的注意力：人工智能。

受ChatGPT 诞生的启发，这个新发现的技术宠儿需要计算海量数据，类似于以太坊挖矿。完成这项繁重工作的最佳方法是大量使用GPU。

然而，GPU 作为加密挖掘的可靠主力，并不是AI 训练的MVP，因此这可能不是许多人预期的灵丹妙药。为什么？让我们从本质上提炼这个复杂的问题。

两个需求的故事

这是症结所在。加密货币挖矿和AI 训练对完美GPU 的需求不同。这就像和两个兴趣完全不同的人约会。工作量证明加密对于具有高散列能力的显卡很重要，但对于vRAM（视频随机存取存储器）则不重要。相比之下，人工智能在vRAM 丰富的显卡上表现不佳，并且忽略了哈希能力。

将哈希算力视为操纵的力量。这是GPU 每秒可以处理的计算量。哈希率越高，解锁那个难以捉摸的区块并吸收你的加密资产的机会就越高。这就像快速约会场景。你遇到的人越多（更多的计算），你找到匹配的机会就越大（区块挖掘）。

相比之下，vRAM 是同时处理和存储大量数据的能力。这就是杂耍2 个球或杂耍20 个球之间的区别。人工智能训练因数据密集型而臭名昭著，需要GPU 同时处理大量数据。使用约会示例，走vRAM 路线就像邀请一群人进入一个房间，同时询问相同的问题（数据点），并找到一个完全匹配的（AI 模型）。

这就是悖论。 GPU 非常适合挖掘以太坊，也非常适合训练AI 时的哈希算力。这就像要求世界级短跑运动员跑马拉松一样，这不是他们的工作。

一个好的备份计划？

现在，撇开过度简化不谈，加密货币挖掘需要高算力，但vRAM 并未完全消除。加密挖掘利用vRAM 作为挖掘算法的一部分，但vRAM 要求通常低于AI 训练所需的要求。例如，用于加密货币挖掘的GPU 可能有4 GB 的vRAM，这不足以正常运行像Stable Diffusion 这样的AI 图像生成器（它甚至不能考虑训练）不适合

总之，用于ETH 挖矿的最佳GPU 之一是具有60MH/s 哈希率和8GB vRAM 的Nvidia RTX 3060Ti。相比之下，OpenAI 使用的是Nvidia 的A100 和V100 型号。 V100 配备32GB 的vRAM，A100 型号可处理高达80GB 的内存。

但这并不意味着用于加密货币挖掘的GPU 对于AI 训练来说是完全多余的。 vRAM 相对较少的GPU 仍可用于训练不需要大量vRAM 的小型AI 模型和任务。

Optiminer 首席执行官兼创始人Scott

“有很多AI操作和模型可以在传统卡片上快速高效地运行，”Norris告诉记者，并补充说，企业家应该对他们关注的AI应用进行适当的研究。补充道。用于加密货币挖掘的GPU 可以在“具有自定义或稍微调整模型的AI 农场”上运行。

诺里斯说，一些加密货币挖矿公司正在寻求人工智能操作。 Omega AI 就是这样一个例子。 Hive Blockchain 和Hut8 Mining 也在碰碰运气。

因此，尽管此解决方案可能不如以前的加密货币挖矿有利可图，但如果“B 计划”挖矿替代工作量证明山寨币的前景黯淡，则可以充当可行的“C 计划”。