抗ASIC為何難以實現？看看RVN團隊怎麼說
上週五，RVN官方團隊會議如期召開，會上團隊成員對「抗ASIC 新算法」進行討論，文中包含其社區成員觀點及分析對比算法前後收益。本文由礦視界（奇蹟摩爾）翻譯整理編輯，如需轉載，請標明出處。
（一）關於“抗ASIC 新算法”的小討論
RVN 核心開發人員Tron 聲稱他已經閱讀了那篇X1MT 相關的文章。文章是由whitefire990 編寫的有關抗ASIC 算法的建議，並且Tron 還說了，該篇文章研究十分透徹，分析了ASIC 難以解決的原因。
但同時，Tron 也擔心種子算法在欺騙ASIC 方面更具優勢的特性，因為這會增加區塊挖掘所需的時間。 PlayHard 還指出，儘管文檔非常出色，但沒有提及所需要的功耗以及核算。
發文作者Whitefire990 解釋說，該論文正在推動X1MT 變體，該變體每個塊具有恆定的哈希率，並且僅需要塊頭中的一到兩個半字節。他還說，如果有人不喜歡所建議的任何變體，不如自己也來發布一篇文章。
下文中我們收錄了一些RVN 社群對於論文的觀點以及用來支持觀點的數據對比。
（二）個人觀點
01 長期抗ASIC 算法的歸處
我參加了最近創建的算法通道，並不斷觀察到有關抗ASIC 方法的討論。儘管五年來，我一直以自己的方式非專業地分析區塊鍊和加密貨幣，但我還是能夠理解每次專業提案方法的設計和方向。其中一種方法是本次會議中提到的X1MT 方法。
Whitefire990 的文章目的是要了解X16R 樣式算法的局限性，並表示希望該文能激發新的想法，或者也可以用不同的方式重新包裝其他想法。
在這一點上，我打算跳過Whitefire990 的那篇文章，我認為沒有多少人會看得懂，所以我打算用自己的方式來總結它，可能稍顯冗長。但要知道，每次學習和分析新事物都需要花費大量的精力和時間，而我，願意充當社區的橋樑。
02 在抗ASIC 戰場上拯救私人GPU
Whitefire990 那篇文章的目的如下，保持與X16R 算法相同的風格和精神，同時在不開發全新算法的情況下進行轉換。此外，新算法方案的效率與X11 算法的28nm ASIC 和1080i GPU 形成對比。
03 ASIC 環境下各硬件應用X16S 算法前後的收益比
首先，X16S 中有16 個可選算法。 S 之後是基本16 算法列出順序本身，但是在每個塊創建時新算法列出順序都是隨機的。簡而言之，算法列表本身的順序已在基本設計中設置好了，但是從N 塊到N + 15 塊的算法列表順序是隨機的。模擬結果如下，應用X16S 算法之前ASIC 性價比約為應用之後的175 倍。
04 ASIC 環境下各硬件應用X16R 算法前後的收益比
這次，是對X16R 的ASIC 電阻模擬，X16R 在2019 年10 月1 日之前負責RVN 的ASIC 電阻。與前面描述的X16S 不同，算法列表順序會針對每個塊的創建和基本設計發生改變。
乍一看，ASIC 電阻可能會明顯更高，因為S 方法比R 方法更隨機，但事實並非如此。原因就是選擇塊的順序。也就是說，在每次創建塊時監視生成算法的隨機序列1 億次之後，16 個算法中的一個被持續重複。特別值得一提的是，一個算法連續重複5 次的概率只有4.3%，連續重複6 次以上的概率趨近零。
因此，設計一個具有“選擇和集中”策略的芯片，從ASIC 製造商那一方，將可連續重複四次以上的某一特定算法排除在外，可以提高效率，這是不可忽視的。正因如此，應用X16R 算法之前ASIC 性價比約為應用之後的81 倍。
05 ASIC 環境下各硬件應用X16RF 算法前後的收益比
X16RF 設計用於解決X16R 中所示特定算法低複製概率的問題，它通過從塊頭中額外提取四位數來增加特定算法的連續性。結果顯示，某個算法連續12 次出現的概率提高到了8.6% 左右。由於這個原因，應用X16RF 算法之前ASIC 性價比約為應用之後的27 倍。
06 ASIC 環境下各硬件應用X1632RF 算法前後收益比
X1632RF 算法和X16RF 相似，但是在創建區塊期間可以選擇算法數量存在差異（一種可以多選16 個算法）。事實上，ASIC 設計的複雜度變得越來越高，因此應用X1632RF 算法之前ASIC 性價比約為應用之後的13.4 倍。
07 ASIC 環境下各硬件應用X20RVS 算法前後的收益比
X20RVS 有20 個可選算法，並且每次創建塊時算法順序都會改變。 VS 代表Variable Sbox，目的是增加複雜性，對於GPU 來說，這一直很不討喜。這是因為ASIC 的盈利能力是X20RVS GPU 的65.1 倍，與X16R 相差不大，但是ASIC 與FPGA 的性價比卻大大降低了兩倍左右。
08 ASIC 環境下各硬件應用X1MT 算法前後的收益比
最後一個回顧關於X1MT 算法，包括從名稱我們可以知道的內存轉換（MT）。該算法的預期效果如下。
①它為GPU 和FPGA 保持了幾乎相近的性價比
②它具有任何變體建議的最大ASIC 電阻量
③它可以被校準並均衡、穩定塊之間的全網算力，從而使難度調整算法更容易地維護60 秒塊
值得注意的是，內存轉換根本不影響GPU 或FPGA 的算力，但使ASIC 大大降低了其性能。模擬結果顯示，應用X1MT-16 算法之前ASIC 性價比約為應用之後的7.7 倍，而到了FPGE 僅高2 至5 倍。
僅供參考，應用X1MT-32 算法之前ASIC 性價比約為應用之後的3.5 倍。與FPGA 相比，性價比則無太大差異。
Whitefire990 在文章的結尾說了X1MT-16 使用與X16R 相同的哈希函數，GPU 程序員只需要實現暫存器生成和內存轉換步驟，這可能需要3 天時間。
X1MT-32 需要同樣步驟，再加上M6 和HAMSI-256 的執行，這一步可沒有現有GPU 代碼。
此外，X1MT-32 還需要從其他GPU 挖礦軟件（如Nexus 和Sinovate）執行一些“剪切和粘貼”來將其餘的功能組裝在一起。一個好的GPU 程序員要安裝並運行X1MT-32，可能也需要整一周。
他的所提，簡單來看就是，完美抗ASIC 方法幾乎不存在。在我看來，能打敗ASIC 的是另一代ASIC。然而，RVN 開發團隊設計了新算法X16R，使RVN 從一開始就更容易被挖掘，並且仍在努力維護RVN 挖礦的分佈。我們審查過的提案也是結果之一。我們希望RVN 可持續的抗ASIC 方法有一天會出現，我們社區也將繼續支持此願景。
翻譯&校對：有條魚。
——–END——–
