深挖 ASIC 晶片設計成本，我們問了 ProgPow 核心開發團隊九個問題
編者按：本文來自36氪戰略合作區塊鏈媒體 “Odaily星球日報 ”（公眾號ID：o-daily， APP下載 ）
本文來自 Medium ，原文作者為 ProgPow 演算法開發團隊 IfDefElse
Odaily 星球日報譯者 | Moni
概述
只要與 ProgPow 和 Ethash 演算法有關，市場上就會出現各種對礦機硬體設計和開發成本的推測，通常後面還會跟上一個權威宣告：請相信發表預測的作者，因為他/她在相關行業領域裡擁有豐富經驗。這些推測有時會與加密貨幣 ASIC 晶片生產有關，還有些時候則是關於積體電路設計。
對於那些更熟悉程式碼、卻不太瞭解扇出（fan-out）和上升時間（rise-times）的讀者來說，本文可能會對他們深入瞭解 ProgPow 演算法有所幫助。
（星球君 o-daily 注：Ethash 是目前以太坊基於工作量證明的挖礦共識演算法，ProgPow 是一個試圖削弱 ASIC 礦機優勢的挖礦演算法。扇出是一個定義單個邏輯閘能夠驅動的數字訊號輸入最大量的專業術語。大多數的 TTL 邏輯閘能夠為 10 個其他數字門或驅動器提供訊號，因此一個典型的 TTL 邏輯閘有 10 個扇出訊號；上升時間是脈衝技術裡的一個專業名詞，電壓上升兩個時刻的時間間隔就是網路變壓器的上升時間。）
程式設計師總是會給人一種無所不能的感覺，從編寫指令碼到開發 iPhone APP，從嵌入式系統到 Windows 作業系統。但是，會寫程式碼開發應用程式不代表你能成為 APP Store 應用商店後端（或改善系統效率）的權威人士，能夠開發實時多工作業系統（RTOS）也不代表你能成為擴充套件 Windows 作業系統成本權衡領域裡的達人。
當然，作為 ProgPow 演算法核心開發團隊，IfDefElse 在此並不是說 Windows 設計師不是“優秀的程式設計師”，但必須要說明的是，由於不同人的技術背景不同，很容易造成對不同領域的理解和假設偏差，特別是在討論規模經濟話題的時候。
同樣地，一名硬體設計師可能也會涉獵不同的領域，比如為一款電動牙刷設計晶片，或是為網路裝置構建一個晶片架構（silicon architect）。生產 10 萬個電動家牙刷晶片的工程師可能不會理解生產 100 萬個晶片的網路工程師所考慮的可用規模經濟，同樣一個加密貨幣 ASIC 晶片設計師可能對 GPU-ASIC 晶片設計知之甚少——這些行業彼此之間的聯絡並不是很多，有的甚至是國與國之間的差距。
在概述中我們還要提的最後一點，就是程式設計和工程其實都是一種技巧，除非你每天都在程式設計寫程式碼，否則很快就會落後、無法成為權威，因為這方面的知識更新迭代很快。或許這也是為什麼新的加密貨幣 ASIC 製造商很難進入基於 SHA-256 演算法的挖礦市場，畢竟一個新手程式設計師想要趕超已經研究 SHA-256 演算法六年的工程師是不太可能的。
另一方面，加密貨幣生態系統裡其實並沒有太多文章介紹硬體知識。當然，加密貨幣本身就是一個以軟體為主導的行業，而且絕大多數硬體工程都是在一些私人公司內部“閉門”研究的。
有些“硬體磚家”正在竭盡全力向軟體工程師保證他們能夠戰勝加密貨幣生態系統——我們已經在門羅幣（Monero）、比特幣（Bitcoin）、以及 ZCash 等加密貨幣上看到了這種情況已經出現。但現實是，這種挑戰至今仍沒有發生，想想看，如果位元大陸或 Innosilicon 試圖製造 CPU，你認為他們能夠戰勝英特爾和 AMD 嗎？
解析 ASIC 晶片設計成本
規模經濟總是普遍存在的——不管是從成本角度，還是經驗角度。對於 ASIC 晶片設計成本， 晶片設計師們似乎總是存在很大爭論，下面就讓星球君（微信：o-daily）帶大家一起看看解析一下受到業內關注的九個問題：
問題一：不管挖礦演算法是 ProgPow，還是 ETHash，雜湊值都是由外部動態隨機存取儲存器（DRAM）的儲存頻寬決定的，是這樣嗎？
事實並非如此。ProgPow 的雜湊值是由兩個因素決定的：
1、計算核心
2、記憶體頻寬
這就是為什麼 Ethash 和 ProgPow 之間存在差異，如下圖 1 和圖 2所示：
圖 1 ：英偉達晶片產品挖礦雜湊率比較
圖 2 ：AMD 晶片產品挖礦雜湊率比較
現階段，ETHash 挖礦更有利可圖，針對該演算法的記憶體需求明顯增加，對於高頻寬儲存器的需求不斷增長也促使下一代高速儲存器技術被開發了出來，比如 GDDR6（頻寬速度達到 768 GB/s） 和 HMB2（頻寬速度達到 256 GB/s）。
對於高頻寬記憶體的需求並非全部來自“Ethash”，整個高頻寬記憶體市場規模高達 150 億美元，其中只有很少一部分來自採礦行業。高頻寬記憶體的核心市場需求主要包括：GPU、現場可程式設計門陣列（FPGA）、人工智慧（AI）、高效能運算（HPC）、以及遊戲。相比於 1.2 萬億美元的人工智慧市場、300 億美元的 PC 遊戲市場、350 億美元的手持遊戲機市場、以及 290 億美元的高效能運算市場，挖礦行業的高頻寬記憶體需求真的是“微不足道”。
問題二：由於 ProgPow 現有架構和演算法與 ETHash 存在相似之處，Innosilicon 的下一款 ASIC 晶片將會為 ProgPow 量身定製嗎？
事實上，ProgPow 和 ETHash 之間唯一的相似之處就是在全域性記憶體（global memory）中使用了無環圖（DAG）。從計算的角度來看，ETHash 只需要一個固定的“keccak_f1600”核心和一個模數函式（modulo function）。另一方面，ProgPow 需要的則是能夠執行 16 通道寬的隨機數學序列，同時還要能夠訪問高頻寬一級快取（L1 cache）。設計一個能夠執行 ProgPow 數學序列的計算核心，比設計一個能夠實現類似“keccak”這樣的固定函式雜湊要難得多。
另外需要注意的是，ETHash 的雜湊值只取決於記憶體頻寬，而 ProgPow 演算法則同時取決於記憶體頻寬和隨機數學序列的核心計算——理解這一點非常重要。
工作量證明（PoW）的本質其實是通過耗費硬體和能源成本進行數學計算證明，作為一種演算法，ETHash 在數學證明中並不會耗費大部分硬體費用（計算引擎）。相反，ETHash 只捕獲記憶體介面，這就是為什麼你可以使用一個用於加密貨幣挖礦的 ASIC 晶片來把數學計算中沒有被捕獲到的部分給消減掉。
問題三：由於 GPU 是通用加速晶片，因此設計、製造和測試 GPU 的週期通常需要大約十二個月，而且還需要進行大量硬體模擬和軟體開發工作，使其能夠覆蓋不同的計算方案和場景。
ProgPoW 希望能夠捕獲全部硬體成本（儘可能地做到），由於該演算法更新的部分能夠捕獲執行不同計算場景的計算硬體——直到架構褶皺（architectural wrinkles）——因此對於 ASIC 晶片設計來說，可能需要耗費不止 3-4 個月的時間。
由於時間跨度較長，隨之會引發出另一個問題：為什麼浮點運算（floating point operation）被省略掉了？這個問題的答案其實也非常簡單：浮點運算不能跨晶片移植，不同晶片往往會以不同方式來處理與特殊值（比如下確界、非數字數值、以及相關變體等）相關的邊界案例（corner case）。邊角案例也被成為病態案例（pathological case），是指其操作引數在正常範圍以外的問題或是情形，而且多半是幾個環境變數或是條件都在極端值的情形，即使這些極端值都還在引數規格範圍內（或是邊界）。其中最大的分歧在於非數字數值（NaN）的處理，這會在使用隨機輸入時自然發生，引用維基百科頁面的解釋：
如果有多個非數字數值（NaN）輸入，其有效負載結果應該來自其中一個非數字數值輸入，但標準卻沒有具體說明。
這意味著，如果要使用浮點運算的話，基本上每個浮點都需要進行“if（is_special（val））val = 0.0”檢查配對，這種檢查通常可以在硬體中完成，因此也會讓用於加密貨幣挖礦的 ASIC 晶片從中受益。
接下來，雜湊率（Hashrate）和“hash-per-watt”又是什麼呢？
雜湊率是衡量能源成本的指標，只要每個人都以同樣的方式進行衡量，每單位的能源消耗就不那麼重要——礦工也會繼續投入儘可能多的能源挖礦。不過即便你把測量單位從 1 ETHash （較小單位，比如焦耳）切換成 1 ProgPow-hash（較大單位，比如卡路里），運營成本的經濟性其實也不會發生變化。全域性雜湊率（Global Hashrate）會評估每個人對保護網路共享的總經濟權重，只要每個人的貢獻都被公平地衡量且使用相同的單位，對於普通礦工來說，切換到 ProgPow 演算法不會帶來什麼變化。
當然，有人會說如果以太坊實施了 ProgPow 演算法可能會有助於把礦工集中在擁有高階 GPU 的大礦場裡，同時也會刺激礦場把 GPU 升級到最新型號。但是ProgPow 演算法開發團隊 IfDefElse 需要再次重申的是：規模經濟永遠都會存在，而且也是現實世界裡無法避免的事實。
問題四：相比於 GPU，ASIC 晶片生產商可以使用較小的 GDDR6 記憶體來獲得成本優勢。在保持記憶體成本水平的同時，16 個 GDDR6 4GB 的記憶體條能夠實現兩倍的頻寬優勢，是這樣嗎？
首先，擁有兩倍的頻寬優勢就需要兩倍的計算，這其實是一種線性擴容（linear scaling），並不能看做是一種優勢。
其次，我們目前應該還沒有為 GDDR6 準備好生產 4GB 記憶體晶片的準備。全球第三大記憶體晶片廠商 Micron（美國美光）只生產 8GB 晶片，三星則生產 8 GB和 16 GB晶片。對於記憶體晶片而言，GDDR6 IO 介面區域是非常昂貴的，而且與儲存器單元相比，每一代介面都佔用了更多的實際儲存器管芯，由於埠物理層（PHY）不能像儲存器單元那樣通過工藝手段縮小。
不可否認，真正推動記憶體市場的是一些“長週期買家”，比如遊戲機、GPU 等，他們也傾向於支援容量更大的記憶體。事實上，如今的記憶體供應商沒有動力去大批量生產一個 4GB 的記憶體，畢竟市場對這種記憶體容量的需求並不大。
問題五：RTX2090 晶片中有許多模組佔用了大量晶片模片區面積，而且對 ProgPow 毫無用處，包括 PCIE、NVLINK、L2Cache、3072 分片單元、64 個 ROP、192 個時間測量單元（TMU）等，如何看待這個問題？
RTX2080 不是討論這個問題的好參照物，由於一些新功能，英偉達（Nvidia）的 RTX 系列晶片中有些模組佔據了大部分晶片模片區面積，比如光線追蹤核心等。ProgPow 設計則是與英偉達和 AMD 生態系統中的存量晶片產品搭配使用的，因此無法使用英偉達和 AMD 新款晶片產品中的新功能。
如果想有一個更好類比的話，或許 AMD RX 5xx 系列或是英偉達 GTX 1xxx 系列是個不錯的參照。正如我們之前所述，GPU 中也有部分功能沒有被 ProgPow 利用，比如：浮點邏輯、二級（L2）快取、以及紋理快取和 ROP 等。分片單元是向量數學被執行的地方，這絕對是 ProgPow 所要求的。用於加密貨幣挖掘的 ASIC 晶片還希望新增能夠實現“keccak”功能的區域。作為ProgPow 演算法的開發團隊，我們估計 ProgPow ASIC 晶片的模片區面積會比同等 GPU 小 30%——但是，即便是在最好的情況下，其功耗最多也只會降低 20%。相比之下，雖然 GPU 上有些邏輯模組沒有被充分應用而造成部分晶片模片區面積浪費，但功耗卻是最小的。
問題六：與大晶片相比，小晶片的收益會更高嗎？
怎麼說好呢，這聽上去像是在普及晶片製造知識，或許我們需要寫一篇《晶片製造 101》的培訓文件。此外，對於收益計算公式可以參考一篇 2006 年發表的文章《 Compare Logic-Array To ASIC-Chip Cost per Good Die 》，其中你會發現，早在 13 年之前晶片收益和流程控制就已經有很大創新了。
對於具有單個功能單元的晶片，模片區面積較小的晶片收益會比模片區面積較大的晶片更高。但是對於現代 GPU 來說，情況並非如此。如今的 GPU 幾乎可以任意恢復、組合，小型複製單元的缺陷基本上可以忽略。只要每個可壓縮功能單元足夠小，那麼 GPU 晶片收益幾乎可以和功能模組更大的晶片一樣高（甚至更高）。
為了更好地解釋這個概念，我們可以舉一個簡單的腦洞實驗：
1、假設你有一個大晶片“Giant ChipA”，它佔據了整個晶片。這個“Giant ChipA”是由 10 萬個可拆卸子元件組成，但是其中必須確保 80% 的子元件是無缺陷的，才能保證“Giant ChipA”正常工作，而在嵌入過程中，壞的子元件會被繞過。
2、另外，假設你還有一個小晶片“Tiny ChipB”，它只有一個功能模組（不可嵌入）組成，但是這個小晶片卻小到足以在同一個晶片上裝配 10 萬個子元件。在這種情況下，只要一個子元件壞了，意味著整個“Tiny ChipB”晶片就是壞的。
3、如果每個晶片上平均分佈了 2 萬個有缺陷的子元件，那麼“Giant ChipA”的收益可以為 100%，因為他們可以將 20% 有缺陷的子元件拆掉，而“Tiny ChipB”的收益可能僅為 80%，因為他們無法拆掉有缺陷的子元件。
如果你看看 AMD 的 Polaris 20 系列產品和英偉達的 GP 104 產品，會在模擬鏡頭下發現這些 GPU 中部署了大量微小的“可拆卸”子模組組成。
問題七：ASIC 礦機電壓可以很輕鬆地降低到 0.4V，只有 GPU 的二分之一……這樣低電壓的 ASIC 設計已經被比特幣挖礦裝置 ASIC 礦機制造商所採用，所以現在我們沒有理由不相信他們不會把這種策略應用在 ProgPow ASIC 礦機上，能談談這個問題嗎？
當晶片僅由計算構成，那麼低電壓設計才能奏效，比如一個專門針對 SHA256d 挖礦演算法計算的 ASIC 礦機。整合其他原件——比如 SRAM，這也是 ProgPow 資料快取所必需的——的難度極大，也不可能在低電壓下工作。
問題八：同樣的節能效果也能在 LPDDR4x DRAM 上實現，其功耗比 GDDR6 還低，談談這個問題吧。
不能僅考慮能耗問題，LPDDR4x 的頻寬比 GDDR6 低很多，前者每個引腳頻寬是 4.2Gb / s，後者則是 16Gb / s。LPDDR4x 計算晶片上需要四倍的記憶體晶片和四倍的記憶體接口才能達到 GDDR6 相同的效能，這樣一算，其成本其實是顯著增加的。
值得注意的是，高頻寬計算晶片的介面通常是有限的，這意味著晶片模組面積必須要足夠大，周邊幾乎不允許任何訊號從晶片脫落到印製電路板（PCB）上，LPDDR4x 設計需要大約四倍的晶片周長焊盤數才能達到相同的頻寬，也就是說，其成本不僅僅在儲存晶片上，計算晶片區域的成本同樣也要計算在裡面，所以綜合算下來其實總成本並不低。更糟糕的是，由於任何晶片都是以速度為導向的，當晶片模組面積更大的時候，意味著浪費的功率也會更多。
所以，不妨讓我們再想想為什麼如今的 GPU 不能再 LPDDR4x 上執行。首先，LPDDR4x 在頻寬成本上的表現並不盡如人意，對於給定的頻寬量級（晶片數量的四倍），LPDDR4x的成本要高出四倍以上，繼而導致成本顯著增加——LPDDR4x 在 9W 功率時 256 GB/s 頻寬的成本約為 150 美元，相比之下 GDDR6 在 11W 功率時同樣頻寬成本還不到 40 美元，因此 LPDDR4x 並沒有讓礦工省到什麼錢（注意，這裡說的是頻寬成本，而不是記憶體容量成本）。
問題九：像英偉達這樣的 GPU 生產商僱傭了大約 8000 人來開發 GPU，這些 GPU 也非常複雜；而像 LinZhi 這樣的 ASIC 生產商只僱傭了十幾個人，而且只開發用於 ETHash 挖礦演算法的 ASIC 礦機。這些公司的勞動力成本相差 100 被，因此可不可以說 ASIC 晶片在成本和上市時間方面比 GPU 晶片更具優勢。
在此要說的是，規模經濟是一個重要因素。GPU 行業也是在全球各種銷售渠道中攤銷，目前總市場規模大約為 4200 億美元，其中 AMD 市值約為 116 億美元，英偉達約為 1545 億美元，最大的英特爾約為 2548 億美元。僅就記憶體市場而言，還需要在這個總規模達到 5000 億美元的行業裡分攤物理埠（PHY）和晶片的成本，其中擁有 320,671 名員工的三星電子市值約為 3259 億美元，他們也是在美國最活躍的專利申請者；第二名是擁有 34,100 名員工的Micron Technology，其市值約為 601 億美元，但是第一個開發出 20Gbps 高速 GDDR6 記憶體的晶片製造商；海力士擁有 187,903 名員工，市值約為 568 億美元，他們開發了全球首款1Ynm 16Gb DDR5 DRAM。相比之下，用於加密貨幣挖礦的 ASIC 晶片行業總市值不過 1460 億美元，其中 730 億屬於比特幣。
另外我們還要看看上市時間和技術接受模型（TAM），在此不妨以著名的 S9 礦機繼任者開發時間作為參考。如果經過充分研發、並且計算難度不是很高的 SHA256d 演算法計算晶片都需要耗費三年時間才能進行迭代，那麼又有什麼可以保證像 GPU 一樣的、支援 ProgPow 演算法的 ASIC 礦機快速投產上市呢？我們還可以分析一下最近挖掘以太坊加密貨幣的 ASIC 礦機情況，GDDR6 晶片樣品試用期已經有一年時間了，到目前仍然沒有釋出能夠被廣泛應用的新版本產品。
ProgPow 核心開發團隊 IfDefElse 的最後一點想法
ProgPow 其實針對是一種挖礦硬體，這種硬體受到了規模經濟的支援，具有高可見性並獲得了較大競爭優勢。
ProgPow 核心開發團隊 IfDefElse 規模並不大，而且團隊成員也都有全職工作，所以他們無法及時回覆所有問題和文章，更沒時間在各種加密貨幣和區塊鏈線上論壇裡喋喋不休。雖然 IfDefElse 對硬體設計和開發非常感興趣，但他們仍然建議涉足這一領域的人需要保持謹慎，因為硬體和軟體一樣，是一個多元化的領域，即便你是一個對加密貨幣挖礦 ASIC 晶片非常熟悉的大咖，但在 GPU-ASIC 領域裡可能無法成為一個專家。