比特币挖矿网络：能源消耗和碳足迹

CoinShares的一份报告，其中作者检查了比特币挖矿的碳足迹，描述了他们自己用于计算碳足迹的综合模型，并展示了使用该模型获得的结果，并为他们提供了详细的评论。

报告结构：

• 介绍
• 方法概述➞
  • 网络效率➞
  • 碳排放量计算方法➞
  • 使用的假设➞
• 结果➞
  • 使用的设备➞
  • 平均网络效率➞
  • 总能耗➞
  • 哈希率和功耗取决于矿工的位置➞
  • 碳排放➞
• 讨论➞
  • 平均网络效率➞
  • 碳强度➞
  • 政策对排放的影响➞
  • 抵消比特币碳足迹的成本➞
• 结论➞
• 附录：地图和表格➞

介绍

电力的使用是比特币货币系统的一个有争议且经常被误解的功能。这个话题从发明的那一刻起就一直在讨论。早在 2010 年，中本聪就回应了“比特币发行存在热力学缺陷”的说法。他是这样回答的：

“比特币所带来的交易效用将远远超过所用电力的成本。因此，没有比特币会导致净利润损失。”

这种观点在比特币支持者中很普遍，必须马上说，我们也算在其中。支持它的通常论点是，由无成本和任意的货币通胀引起的价格信号的严重和系统性扭曲导致各级经济效率低下，浪费的规模超过了比特币在全球能源消耗中的近似份额（0.05%：来源, PDF ).

我们认为这种说法是有道理的。此外，所有有用的技术都是有代价的，最终我们认为我们的社会需要专注于以最小的环境影响发电，而不是通过对有用的能源密集型行业施加严格限制来降低生活水平。

尽管如此，关于比特币的能源消耗及其间接环境影响的讨论仍在继续，并且往往会随着每个新的市场周期而全面复苏。耸人听闻的评论员积极发表他们的观点——通常是缺乏根据的——观点，许多公众和非比特币社区的成员在这方面表达了他们的反对意见。其中一些比特币支持者争论清洁能源，其他人则呼吁全球开放货币系统需要经济客观、公平发行和审查抵制。而这些属性只能通过工作量证明来实现。

本报告的目的不是提供另一个证据来证明工作量证明的必要性。如上所述，我们看到比特币的存在给社会带来了（实质性的）净收益，如果工作量证明算法的属性不能被任何其他过程复制，那么这些成本是必要的。

相反，我们使用这篇文章来详细探讨比特币通过其挖矿网络的间接碳足迹。我们看到，围绕该主题的大部分讨论通常都是基于情绪化和没有根据的结论，很少有而且通常是肤浅的尝试直接量化异常值的大小。据我们所知，最近只有一份报告使用了足够详细的方法来希望得到准确的结果，因此我们认为对比特币间接碳足迹的分析仍然不完整。

为了解决这个问题，我们开发了一个全面的排放计算模型，并创建了我们自己的数据收集系统来填充它。为了进一步发展这一特定研究领域，我们将向社区提供我们的模型以供免费使用。我们还将发布我们的基线摘要，以便其他人可以使用我们的数字或替换他们自己的数字。

该报告总结了我们模型的结果，分析了模式和趋势，并包括一个简短的部分，讨论了碳信用额度的使用和成本以抵消排放。

方法概述

我们模型的主要目标是估算比特币挖矿间接产生的碳排放量。我们在此强调，这些排放是间接的，因为许多非专业人士似乎普遍存在一种误解，认为比特币不知何故需要直接排放才能发挥作用。这不是真的。比特币和电动汽车一样，其绿色程度取决于您为其提供动力的电力，不多也不少。也就是说，在 100% 可再生电力环境中，比特币将由 100% 可再生能源供电。

例如，我们获得的数据可用于将比特币排放量与其他能源密集型技术和行业进行比较，或估算每单位时间抵消在托管级别存储比特币所需的碳信用额度。然而，根据输入数据的质量，该模型还可以估计按地区排放、按燃料排放、按地区输入功率、按燃料输入功率等的时间序列。

我们试图使模型尽可能简单。作为一般原则，如果潜在收益没有明显超过使模型更复杂的感知成本，我们赞成更简单的选择。我们认为，复杂性的增加，虽然乍一看可能令人印象深刻，但通常不会影响结果的准确性，足以证明这种复杂性是合理的。

总的来说，我们在这方面的方法可以总结如下：给定可用数据，模型应该尽可能简单，以便在输出中返回结果数据的有用质量，但不能更简单。

网络效率

网络效率是任何挖矿模型的关键组成部分，因为它是估算网络整体功耗的基础。网络效率的错误判断直接导致能量消耗估计的比例误差。

我们选择了一种自下而上的方法，该方法对当前对网络哈希率有贡献的所有 ASIC 硬件模块的总和进行建模。这不同于通常使用的自上而下的方法，在该方法中选择一个挖矿单元并将其效率因子作为整个网络的代表。

为了获得必要的数据，我们整理了一个包含所有已发布挖矿设备的永久时间序列数据库，并根据效率、性能和故障率做出简单假设，以获得每月估计有多少设备可用于挖矿以及哪些设备实际上很忙. 在任何给定时间进行采矿。

基于对每个时间点可用挖矿设备总数的估计，我们计算出平均网络效率比。效率因子是整个网络每 Thesh/sec 生成的哈希率消耗的瓦数的加权平均值（返回 W/Thesh/sec 测量值，但等效且更常用的单位是 J/Thesh）。

然后根据直接从比特币区块链（使用 Coinmetrics）获得的观察到的计算哈希率，使用网络的平均效率来估计其当前功耗。

碳排放量计算方法

然后，我们将估计的总能源消耗分布在世界各地许多不同的矿区，每个矿区都有自己基于独特能源组合的发电碳强度。在这里，我们假设每个给定地区的矿业企业电力消耗产生的碳排放量在该地区处于平均强度。各地区的用电量以兆瓦为单位，按月计算。

一旦计算出总碳足迹，我们就会减去减少天然气燃烧_{的油田矿工的负二氧化碳当量排放量。}下面将更详细地讨论该方法。

使用的假设

矿山设备总基地

我们的设备数据库是使用混合方法创建的。我们结合了来自我们的研究团队、CoinMetrics 以及嘉楠耘智和台积电 (TSMC) 的公开报告的多个数据集。

由于矿工对资本投资和运营成本分配的要求不同，以及从供应商处收到的晶圆批次质量不同，采矿设备制造商通常会在每个系列中创建多个型号。例如，蚂蚁矿机S9存在10多个不同性能指标的变种。为简单起见，我们决定在每个模型范围内组合不同的模型，对它们的属性进行平均，并将每个这样的系列视为一个模型。

为了计算可用于挖矿的设备总数，我们结合了特定时间（2020 年 1 月）挖矿网络的估计组成快照以及有关每个模型的性能和故障率的许多假设。性能指标尽可能来自公开信息（Canaan、TSMC），并辅以基于矿工调查的组合方法，并在适当时根据网络增长率进行调整。它一半是艺术，一半是科学。

设备生产率是几个月的平均值。我们知道这并不完全现实，但我们相信这给出了一个相当不错的增长率估计。不同型号的故障率保持不变。同样，这显然是一种简化，但在这种情况下，为每个单独的矿工模型添加一个单独的且通常是纯粹基于时间的估计的难度超过了准确性的潜在改进。我们可能会在未来的迭代中重新审视这一点。

总而言之，这些数据集用于计算在任何给定时间可用于挖矿的设备总数。挖矿可用性并不意味着每个硬件都必须在任何给定时间挖矿。

功能设备

可用的挖矿硬件单元总数作为可能的全球哈希率生产的上限。然而，在现实中，所有现有设备很少（甚至从不）同时运行，它始终是一种子集。为了估计有多少设备正在挖矿以及哪些可用设备已连接到网络，我们采用了不同的组合方法。

对于两种类型的硬件，Antminer S7 和 S9，我们可以从CoinMetrics随机数分布分析中合理估计当前对可用的总网络哈希率的贡献。我们使用这些数字来获得这两个型号系列的设备在单位时间内产生的最小哈希量。

然后，从所有现有和可用设备的上限中减去 S7 和 S9 的贡献，得到其余可用设备提供的剩余算力。之后，我们根据效率假设填补空白。

填补观察到的总哈希率与 S7 和 S9 系列矿工生成的哈希率之间的差距需要一些假设。我们假设在任何给定时间，行业的竞争动态将有利于最高效的设备。因此，在我们的模型中，观察到的总哈希率与 S7 和 S9 贡献的哈希率之间的差异总是从效率最高的可用设备中产生的。

在正常的网络条件下，我们相信这样的假设通常会给出最准确的估计。然而，对于 2021 年夏季和秋季，即中国大陆实施挖矿禁令后的这段时间，我们的假设可能会略微高估平均网络效率比（即网络估计比当时的实际效率更高）时间）。原因是在 2021 年 6 月之前，中国离线哈希率可能在所有在中国运行的模型中平均分布。

必须理解的是，这个错误导致在中国禁止采矿后几个月的估计排放量略有低估。

在评估了对总哈希率有贡献的设备的组成之后，我们计算了整体网络效率比，作为每个给定月份假定工作的所有设备效率的加权平均值。假设设备均匀分布在所有矿区，这意味着模型中的所有区域都以相同的网络效率因子工作。

我们怀疑这个假设可能不正确，而且效率低下的矿工往往集中在电力最便宜的地区。如果这是真的，那么我们的模型将在某种程度上高估排放量，因为世界上最便宜的可用电力往往是碳中性的，甚至是负碳的。然而，我们缺乏具体数据来挑战这一假设，因此我们再次选择了一种更保守的方法，有利于简单而不是复杂。

哈希率和功耗

网络效率系数用于根据隐含的哈希率计算其功耗。哈希率并不是一个真正已知的值，它是根据挖矿难度和块之间的间隔计算的。然而，从长远来看，这个计算出的哈希率给出了对实际哈希率的准确估计。

作为隐含哈希率的指标，我们使用了来自 CoinMetrics 的两周每日移动平均值的一个月平均值。我们将网络效率因子应用于隐含的哈希率，我们得到了一年中每个月的隐含总网络功耗。

矿工位置

为了估计矿工的位置，我们使用了混合方法。作为我们对每个地区评估的一部分，我们使用采矿设施的位置和规模，这些可以从公开数据或矿工提供给我们的私人数据中得到验证。我们向该位置数据库添加了来自剑桥替代金融中心和 Foundry USA Pool 的可用数据。

截至 2021 年 12 月，我们通过私人通信或公共领域可用数据确定的已知物理位置代表 3.3 GW 的容量或估计网络功耗 (10.3 GW) 的 32%。

根据这个矿工位置数据，以及来自剑桥和 Foundry USA 的数据，我们确定了每个国家和地区按月计算的总哈希率的百分比。我们首先根据上述计算的设备效率将已知的功耗数字转换为算力。然后，我们比较了来自剑桥、Foundry USA 的每个位置数据集和已知的位置列表，以估计每个国家和地区的哈希率百分比。

在这三个数据集中，我们将每个地区的最高估计哈希率作为该国家和地区的最大潜在哈希率。然后我们将所有这些最大哈希率加在一起，在这个阶段我们总共得到超过 100%。然后从每个位置的潜在算力上限，我们按比例减少每个区域的值，直到全网算力为 100%。如果根据组合位置数据拟合获得的值，结果表明该区域的哈希率低于可靠已知项目总和给出的数字，那么我们优先考虑已知项目，并根据剩余的哈希率计算出新的分布。来自 Foundry 的数据未添加到总哈希率中，他们已经向剑桥中心报告，并且仅用于计算美国各州之间的分布。我们的代码存储库中提供了该方法的完整详细说明，我们打算在以后发布。

请注意，在时间序列中，剑桥数据集涵盖的矿池仅占总哈希率的 32-37%。截至 2021 年 12 月，我们自己的知名矿业企业数据库占总算力的 31% 左右，但不知道这两个数据集有多少重叠。我们假设它们加起来占整个网络哈希率的 50% 多一点。

我们也了解剑桥中心的数据可能包含一些错误（他们自己注意到了这一点）。他们的方法假设矿工用来连接到他的矿池的 IP 地址的位置与他的真实位置相同，这不可避免地会给经常用作 VPN 服务位置或代理地址的区域一定比例的误报，例如爱尔兰或德国。在“全球其他”类别（未定义的位置）中，哈希率也有很大份额（截至 8 月 21 日为 8.9%），其碳排放量分别根据全球平均强度计算。

鉴于自中国采矿禁令以来爱尔兰和德国的估计哈希率显着增加，我们怀疑这种增长最好的解释是中国矿工掩盖了他们的 IP 地址。虽然这三个中国矿池都没有报告中国以外的算力，但根据剑桥中心的最新数据，我们认为这不太可能是真的，我们已经听到很多关于中国偏远地区“游击队”地下挖矿的传闻，比如如四川的山。

因此，我们假设所有爱尔兰和德国哈希率实际上都起源于中国，并且可能以与往年大致相同的方式逐月分布在不同地区。因此，我们将 9.2% 的剑桥哈希率（截至 2021 年 8 月）归因于中国，并按照与 2020 年观察到的相同比例在各省之间进行分配。图 7 显示了我们对所有挖矿国家/地区的总哈希率份额的汇总估计。

有关位置分布数据的确切使用方式的更多信息，以及已确认的已知项目数据，也将在我们计划稍后发布的代码存储库中提供。

各地区的碳强度

我们计算碳强度的主要假设是，每个给定区域的矿工每兆瓦时消耗的碳足迹与该区域每兆瓦时的平均碳足迹相同。

矿区通常被定义为单个国家，但由于面积较大，这不适用于我们样本中的四个最大国家：加拿大、美国、中国和俄罗斯。对于这四个国家，我们将矿区定义为单独的州（美国）、省（中国和加拿大）或联邦网络区（俄罗斯）。

对于这种规模的国家，假设电力生产和消费的碳足迹在该国整个领土上相等是不合理的。然而，对于较小的国家，我们发现这种假设更为合理，尽管不如我们希望的那样准确。

对于每个单独的矿区，我们每年（或尽可能每月）编制平均发电量组合。 对于每个发电来源，每兆瓦时的碳排放量是根据美国能源信息署的汇总估计计算得出的。

我们假设每个全球区域的发电源排放强度足够相似，以至于可以对它们使用单​​个强度因子（但是，我们可能会在未来的迭代中修改这种方法）。因此，每个采矿区都被分配了一个单独的碳强度指标，用于生产/吸收的兆瓦时。

表 2 显示了每个矿业国家的单独和加权平均碳强度。所有数据均为截至 2021 年 12 月的估计值。

表 3 提供了北美每个矿区的单独和加权平均碳强度。所有数据均为截至 2021 年 12 月的估计值。

能源效率

我们估计整个电网的电力使用效率 (PUE) 为 1.10，这与之前研究人员获得的结果基本一致。该指标考虑了挖矿企业除哈希之外的所有电力成本。这意味着所有企业除了哈希所需的电量外，还额外消耗了该电量的 10% 用于冷却和其他需求。

这额外的 10% 被简单地添加到我们的哈希能量估计中，而哈希能量估计又是根据观察到的哈希率和效率估计计算得出的。

油田开采

最后，我们将一种特定的方法应用于仍然利基但快速增长的油田采矿领域。这些采矿设施靠近或直接在生产液态油或天然气的井口附近或直接在井口处运营，并产生干燥的天然气作为废物。这种天然气无法以具有成本效益的方式进行销售，因此要么简单地放空，要么燃烧掉。释放后，天然气（主要是甲烷）直接进入大气，在 100 年期间造成的温室效应大约是 CO _2的31 倍。

在没有风的情况下燃烧，甲烷可以以高达 99% 的效率燃烧。然而，在大风天气中，燃烧效率迅速下降，并在风速超过 6 m/s 时稳定在 10-15% 的水平。一项使用艾伯塔研究委员会数据的研究发现，在风速低于 4 m/s 的真实室外条件下。平均燃烧效率为 68%，标准偏差为 7%。

在完全燃烧的情况下，每燃烧一吨甲烷，就会产生 2.75 吨 CO ₂。假设在平均天气条件下，燃烧干气中甲烷含量为 99% 的管道质量和平均火炬柱中的燃烧效率为 68%，与燃烧相比，内燃机中 99% 效率的燃烧减少了温室气体排放。

也就是说，油田中的矿工每排放一吨 CO _{2 ，​​就会阻止约 0.11 吨甲烷逃逸到大气中：}

1 / 2.75 * (0.99 – 0.68) * 0.98 = 0.11

如果就温室效应而言，每吨甲烷相当于 31 吨 CO 2 _，​​那么在 100 多年的时间里，在油田作业的矿工每向大气排放一吨 CO 2 也可以去除 3.4 吨 CO _2当量的排放量从大气中。因此，我们估计油田采矿作业每排放一吨CO ₂就会产生-2.4 吨的净排放量。

为简单起见，我们从估计的总排放量中减去负排放量。根据对矿工的调查，我们估计此类挖矿不超过 250 兆瓦，或截至 2021 年 12 月散列所消耗电力的适度 2.4%。我们假设这些电力是由具有相同排放因子的天然气产生的，这是模型其余部分使用的全球平均值。

结果

我们的结果揭示了几个顶级趋势。其中一些是意料之中的，另一些则完全出乎意料。例如，正如预期的那样，旧的挖矿设备正逐渐从网络中被淘汰，并被更新、更高效的设备所取代。因此，网络的能源效率会随着时间的推移而提高。

总碳排放量随着采矿奖励的购买力而增加，这主要是由价格动态驱动的，并被减半所抵消——大约每四年将每个区块的补贴减半。然而，每兆瓦时的排放量趋于下降，每千 Thesh/s 的排放量也是如此。

然而，这里需要注意的是，尽管一些评论员认为随着时间的推移，这种效率的提高将导致能源消耗的减少，但事实并非如此。由于采矿业固有的竞争动态，矿工作为一个群体将始终努力购买采矿奖励允许的尽可能多的电力。效率的提高只会导致每千瓦时花费的哈希率增加。它不会降低功耗。

二手设备

根据我们的假设，目前大部分算力是由蚂蚁S19系列产生的。神马S9出人意料地获得第二名，神马M30位列第三。然而，必须再次强调的是，在中国禁止采矿后的头几个月，我们的估计很可能并不完全准确。我们假设在任何给定时间只有最高效的硬件在挖矿，从长远来看可能是正确的，但在这种情况下会夸大最高效硬件产生的哈希率。

我们怀疑，在中国几乎一夜之间离线的总网络哈希率中，约有 37% 很可能或多或少地平均分布在所有可用设备中。在这种情况下，我们的假设根本不成立，模型将高估最高效设备提供的算力。我们在 6 月、7 月和 8 月的结果中直接看到了这一点，当时 Whatsminer M20 系列等竞争设备应该或多或少已完全从市场上移除。

我们发现非常有趣的是，根据 CoinMetrics 的 non-nos 分析数据，S9 系列设备尽管早在 2016 年首次推出，但仍产生了超过 20% 的算力。

这说明了当前的挖矿盈利水平和精心设计的硬件的寿命。

平均网络效率

正如预期的那样，在整个研究期间，网络的整体效率趋于增加（J/Thesh 越少意味着效率越高）。但也有几个明显的短期增长时期。所有这些上涨趋势都伴随着 BTC 价格的快速上涨，意味着挖矿奖励购买力的快速提升和挖矿短期盈利能力的提升。

当比特币的价格迅速上涨时，以前由于挖矿难度增加而无利可图的旧设备和效率低下的设备可以再次盈利并返回网络。这将降低网络的整体效率，直到比特币价格下降或挖矿难度增加。

根据我们的估计，2020 年的平均年效率比为 66 J/Thesh。到 2021 年，它达到 59 J / Thesh。

一般功耗

根据我们的平均月效率比和隐含哈希率，我们计算出比特币网络在 2020 年消耗了 75 TWh 的电力，在 2021 年消耗了 82 TWh 的电力。

截至 2021 年 12 月，年化能源消耗量为 89 TWh，是 2021 年第二大月份，仅次于 11 月的 93 TWh。2021 年的最低结果出现在 7 月——54 TWh。

就背景而言，2019 年全球能源消耗（不是生产，更高）估计为 162,194 TWh（来源，PDF）。比特币挖矿网络的年能耗为 89 TWh，约占全球总耗电量的 0.05%。在我们看来，这对全球货币体系来说是一个低价，而在全球能源平衡中，这完全在四舍五入的误差范围内。

哈希率和功耗取决于矿工的位置

哈希率和功耗在地理上分布良好。然而，一些司法管辖区集中了很大一部分哈希率和功耗。今天算力的主要来源是美国，他们是2021年7月才站上这个位置的，而在这之前，他们已经相差很多年了。哈萨克斯坦位居第二，加拿大和俄罗斯分别位列第三和第四。

在挖矿禁令之前，在哈希率生产和能源消耗方面无可争议的领导者是中国，它占比特币哈希率的近 50%。尽管其份额之​​前已经下降了一段时间，但政府的挖矿禁令加速了哈希率从中国的转移，以至于截至 2021 年 12 月，只有 6.9% 的网络哈希率产生于中国，根据根据我们的估计。

当中国的挖矿禁令于 2021 年 5 月底生效时，总网络哈希率在不到两个月的时间里从 ~161 Exahash/秒下降到~101 Exahash/秒。— 37%。根据剑桥另类金融中心的数据，2021 年 4 月，中国占总算力的 46%，这意味着在 5 月下旬至 8 月初之间，几乎整个中国的算力都下线了。

但是，如上所述，我们怀疑所有被列为源自爱尔兰和德国的算力实际上都来自中国。这意味着 1) 禁令之前中国的实际哈希率可能高于剑桥中心的估计，以及 2) 今天中国仍在生产大量的哈希率。

中国的算力外流极大地改变了比特币挖矿的全球分布，随后恢复的大量算力被其他主要矿区共享，其中美国、俄罗斯和哈萨克斯坦似乎是主要受益者。

碳排放量

_{我们估计，比特币挖矿网络在}2020 年向大气排放了 3600 万吨二氧化碳，在 2021 年排放了 4100 万吨二氧化碳。同时，火炬减排总共去除了 2.1 Mt CO ₂当量，导致总净排放量为 39 Mt。在油田作业的矿工负排放总量约占总排放量的5.2%。

_{在全球范围内，这对总排放量来说只是一个很小的增加，不到全球 493.6 亿吨 CO 2} e的 0.08% 或不到 1/1000 （来源）。_{相比之下，美国和中国等拥有大型工业基地的国家在 2016 年分别}向大气排放了 58.3 亿和 225.8 亿吨二氧化碳当量。

_{据估计，法定货币的铸造和印刷产生的排放量约为}每年 800 万吨，而金矿开采业估计每年产生 100 至 1.45 亿吨二氧化碳排放量。Galaxy Digital 估计全球银行系统使用 264 TWh（2019 年）。如果全球平均排放强度为 492 gCO ₂ /kWh，这相当于每年排放 1.3 亿吨 CO ₂。基于相同的排放强度计算，NYDIG估计全球航空业、海运业、空调和电风扇、数据中心和烘干机每年分别排放19.82亿、15.03亿、9.84亿、1亿和5300万吨CO _{2 。}

所有排放物均来自三种不同的发电来源：煤炭、石油和天然气。在这三种来源中，煤炭占当今排放量的绝大部分 (76%)。天然气和石油分别以 21% 和 3% 排名第二和第三（见图 13）。2021 年的平均值为 82%（煤炭）、15%（天然气）和 3%（石油）。

与普遍看法相反，我们的计算表明，孤立地来看，来自中国的算力迁移使算力的年平均碳强度从 2020 年的 486 gCO ₂ /kWh 略微增加到 2021 年的 495 gCO ₂ /kWh。然而，截至 2021 年 12 月的当前电网排放强度仅为 466 gCO ₂ /kWh。

而且如果早些时候这个指标是非常季节性的，那么现在它很可能全年都或多或少保持稳定，2022 年的碳强度很可能会低于 2020 年和 2021 年。所以总的来说，长期的影响中国的禁令将减少比特币挖矿网络的碳足迹。

2020年1月以来的总体趋势也是向下的，但我们不会急于根据两年的数据得出长期趋势的结论。

我们的模型估计，在 2021 年的平均条件下，比特币挖矿网络的碳强度略高于全球平均水平 492 gCO ₂ /kWh。然而，以目前466 gCO ₂ /kWh的水平，排放强度略低于世界平均水平。

我们预计网络的整体碳强度将随着时间的推移继续下降。至少，我们认为与比特币间接相关的排放量将随着全球发电排放量的整体下降而下降。然而，我们也预计比特币挖矿的减排量将高于全球平均水平，因为矿工比传统行业更具流动性，可以转移到使用更便宜的可再生能源的地方，几乎不管这些地方的距离有多远。这使矿工能够比其他行业更快地利用更便宜和更新的可再生能源发电。

但最重要的是，我们预计比特币矿工将消耗更多的废气。如果有足够大比例的火炬气作为能源，比特币挖矿网络甚至可以实现负净碳排放。

地区差异

比特币矿工使用的发电产生的排放在世界各地分布不均，大部分排放发生在少数地区。

美国是最大的排放源，占比特币挖矿网络总排放量的 47%。排在第二和第三位的分别是哈萨克斯坦（22%）和俄罗斯。在这些国家中，一些地区也做出了主要贡献，如肯塔基州（美国，15%）、佐治亚州（美国，6.4%）、内布拉斯加州（美国 5.7%）、得克萨斯州（美国，5.6%）和西伯利亚联邦电网区（俄罗斯，8.1%）。

_{然而，在中国实施采矿禁令之前，}二氧化碳排放量的绝大部分来自中国的两个省份：新疆和内蒙古。与世界其他地区不同，随着矿工在雨季期间在煤炭资源丰富的北方省份和水电资源丰富的西南省份之间移动，中国的矿业碳足迹季节性变化很大。

文章末尾的附录中提供了按地区划分的能源消耗、按国家和北美矿区划分的碳强度和总排放量的表格。

按能源

多年来，比特币挖矿网络的电力可能主要来自具有季节性波动的煤炭和水力发电。自中国实施采矿禁令以来，这两种发电来源的大部分都已关闭，导致天然气、核能和风能的相对影响大得多。

在撰写本文时，比特币挖矿网络的发电结构比首次尝试估算以来的任何时候都更加平衡。截至 2021 年 12 月，我们估计煤炭、天然气、水力、核能和风能的相对贡献分别为 35%、24%、21%、11% 和 4%。剩下的 5% 是少量石油、太阳能和其他可再生能源（主要是地热）的混合物。

过去，随着中国雨季和旱季的变化，产生算力的主要能源发生了巨大变化，但我们现在相信，全年能源将更加稳定。中国的禁令大大减少和稳定了煤炭和水电的影响，它们的相对下降似乎被天然气抵消了。

有趣的是，即使将对哈希率生成的总体影响从超过 50% 的峰值降低到目前的约 35%，煤炭仍然产生了网络碳足迹的很大一部分 (76%)。排在第二位的是天然气，它虽然提供了大约 24% 的哈希率，但仅产生网络碳排放量的 21%。另一个主要的排放源是石油，它产生了 2.6% 的排放量，而哈希率仅为 1.3%。

讨论

总的来说，我们的发现与最近关于该主题的其他大规模工作一致。由于我们的输入数据基本相同，因此大部分重叠是可以预料的，但我们相信，随着时间的推移，进一步完善区域细分可能会使我们的模型更加准确。

平均网络效率

由于 ASIC 性能的显着和持续提高，挖矿网络的总体趋势是降低每个哈希的焦耳成本。随着更高效的 ASIC 挖矿技术的出现，我们预计这一趋势将继续下去。这导致设备池从旧的低效设备逐渐和永久地过渡到新的、更高效的设备。

只要比特币价格和/或链上交易手续费的涨幅超过减半导致的区块补贴减少，就会有更多的算力流入市场。最新一代的机器在这些场景中通常受到青睐，因为它们每单位耗电量产生更高的哈希率。随着哈希率的增加，挖矿难度的增加将不可避免地挤出效率最低的机器，将利润最低的机器从网络中移除。

尽管它会随着时间的推移而持续存在，但这种动态不一定是严格单向的。比特币价格的上涨速度可能比新一代硬件的准备速度快得多，从做出投资决定到实际部署新一代设备的延迟可能长达 6 个月或更长时间。在此期间，以前无利可图的设备可以再次开始盈利，并且由于这些机器已经在现场或附近，它们可以更快地恢复在线。

然而，重新连接以前无利可图的挖矿硬件总是暂时的，因为新的、更高效的硬件最终会投入使用，导致难度上升到效率较低的硬件再次变得无利可图的水平。

只要 ASIC 显着提高技术效率，这种动态就可能持续下去。不太可能仍然有无限的空间来实现可实现的高效率增益（微处理器技术的重大突破除外），但在未来几十年内，一些渐进的改进是很有可能的。

在另一种情况下，ASIC 将随着时间的推移完全商品化。在这些条件下，ASIC 之间或多或少变得难以区分，并且只在价格上竞争。这种情况开辟了一系列全新的商业模式，例如太阳能采矿，甚至将采矿用作住宅、商业和工业热源。

讨论这些场景的可能性和潜在时间似乎最好留给微处理器技术专家。

碳强度

纵观比特币的历史，其挖矿网络产生的绝大多数碳排放似乎都来自非西方国家。截至 2021 年 6 月，哈萨克斯坦、伊朗、新疆和内蒙古这四个矿区产生了总碳排放量的 53%。

目前，哈萨克斯坦、蒙大拿州、肯塔基州和艾伯塔省是碳密集度最高的国家，这些国家使用石油和煤炭等碳密集度特别高的化石燃料来发电。总的来说，这四个地区占网络排放量的 43%，仅提供 26% 的哈希率。

在规模的另一端是挪威、冰岛、瑞典、魁北克和曼尼托巴等地区，它们几乎不产生排放，估计产生当前哈希率的 5.2%。所有这些低排放地区的共同点是水电资源丰富，并且大型发电能力与主要需求中心之间的距离相对较远。

由于电力不易远距离输送，而且水力发电的成本极低，因此远离主要需求中心的水力发电通常是世界上最便宜的电力来源之一。

水力发电每增加一千瓦时电力的边际碳足迹实际上为零，并且由于季节性价格波动或与市场的经济边际距离，世界上许多水坝都在次优水平上运行。比特币挖矿是一个很好的机会，可以在不产生碳排放且不消耗其他市场参与者所需资源的情况下提高水电设施的盈利能力。

使用我们按发电来源划分的排放强度数据（可能有点高估），目前为比特币挖矿提供动力所消耗的每千瓦时会产生 466 克二氧化碳_，而全球平均水平为 492 克。2020 年和 2021 年的平均强度 分别为 486 gCO ₂ /kWh 和 495 gCO ₂ /kWh。

本文末尾的附录中提供了所有矿区的碳强度表。

政策对排放的影响

我们认为，采矿碳足迹的区域差异主要是矿工所在司法管辖区所采取政策的结果。虽然西方国家并没有完全免除化石燃料补贴，但补贴比中国、哈萨克斯坦或伊朗等国家的煤炭、石油和天然气生产受到国家大量补贴的国家要少得多。

由于任何人都可以加入挖矿网络，而参与的盈利能力在很大程度上取决于电费，显然挖矿将倾向于流入有大量补贴的司法管辖区。

了解这一点，如果西方司法管辖区往往将可再生能源更多地渗透到其电力结构中，并且真正有兴趣减少比特币挖矿网络的碳足迹，那么他们需要尽一切可能激励矿工将电力转移到西方管辖。

相反，西方政府为减少比特币开采的全球碳足迹所能做的最糟糕的事情就是通过彻底禁止、惩罚性税收或过于繁琐的监管将矿工赶出其管辖范围。在全球范围内，此类举措将产生完全相反的效果，将矿工推向政府大力补贴化石燃料的司法管辖区，从而增加排放量。

抵消比特币碳足迹的成本

碳足迹的另一个有趣的收获是，它们可用于计算持有一个比特币一年的碳足迹抵消。假设排放成本由所有 BTC 持有者平均分担，那么在发行 1890 万个比特币的情况下，每个 BTC 每年需要抵消 2.2 吨_二氧化碳，大约相当于一次东京-纽约航班

每年抵消 2.2 吨 CO ₂的成本将根据您希望购买的碳信用额而有所不同。如果我们以 79 欧元/吨（截至 2022 年 1 月 11 日）的价格获取欧洲碳信用额度市场，那么拥有一个比特币一年的总补偿成本将为 176 欧元，或 200 美元（截至 2022 年 1 月 11 日） 2022 年 1 月 11 日）。BTC 价格为 38,000 美元，这意味着每年的成本为资产价值的 0.53%。

结论

总的来说，比特币挖矿网络发电产生的碳足迹可以忽略不计。占总碳排放量 0.08% 的份额，将整个挖矿网络从全球需求中移除——并因此剥夺数亿人获得公平和负担得起的货币形式的唯一希望——的影响将是等于舍入误差。

比特币网络为世界各地的人们提供了一个公共的、抗审查的、无稀释的、对人权友好的货币网络。在这种情况下，我们认为全球排放量的小幅增加是绝对合理的，显然，自愿分担采矿网络电力成本、拒绝替代消费的数亿比特币用户也是如此。

为了保持其开放、点对点、抗审查、客观和无信任的全球货币网络的运行，比特币严格要求持续的非零电力消耗。此要求的未来范围未知。

目前，绝大多数能源都用于发行新币，但发行时间表暗示未来 100 年左右发行量将呈几何下降至零。到 2040 年，将发行超过 99% 的比特币。一旦发行真正完成，网络的大部分电力消耗将取决于市场对比特币交易的需求以及消费者向矿工提供的交易费用。

虽然现在很明显比特币开采产生了碳排放，但这些排放不仅在全球范围内可以忽略不计，而且它们本身也绝不是必要的。当我们的发电变为 100% 可再生时，比特币将变为 100% 可再生。我们需要专注于创造可再生能源，而不是阻碍金融技术的发展。

此外，当前与比特币挖矿网络间接相关的排放水平需要结合未来可能的全球排放情况、市场目前对货币技术的需求以及收益比特币已经提供给它的用户。从长远来看，在适当的背景下，我们认为与比特币挖矿间接相关的碳足迹被其网络的存在带来的好处所掩盖。

 

---

应用

回到碳排放量和地区之间的差异。