隨著比特幣的價值被越來越多人認可，以及其匿名的交易特性所帶來的潛在洗錢應用，比特幣的價格日益增加。從最初的只能買一個披薩，到現(xiàn)在一枚約57000美元，“數(shù)字黃金”比特幣吸引了越來越多的礦工加入。由于前述挖礦的日益“內(nèi)卷”，小規(guī)模的、利用個人計算機的挖礦已經(jīng)幾乎不可能取得收益。于是大規(guī)模的計算中心被用來挖礦，這個過程伴隨著大量能耗。

為什么計算機工作會消耗能量？為什么玩手機可以暖手，計算機需要散熱風扇？因為它們要用電。這......當然沒錯，不過如果你繼續(xù)深入思考這個問題，最終會被引導到一個叫做“信息熵”的概念。

“熵”本身是一個物理化學概念，代表某個系統(tǒng)的“微觀狀態(tài)數(shù)”。我們可以通過“覆水難收”這個成語來簡單認知熵。考慮一盆水，每一個水分子都被限制到了盆子里這個相對比較小的空間當中，微觀狀態(tài)數(shù)相對較少，即熵比較少；而把這盆水潑出來，水分子的存在范圍就被放大到了整個地面和空氣中，微觀狀態(tài)數(shù)變大，熵變大。在自然界有一條根本性定律，熵的增加是自發(fā)的，而讓熵減少必然需要消耗比熵增加過程更多的熱量。所以潑出去一盆水很容易，而把潑出去的水收回來，則非常困難。同樣，這也是為什么我們往往覺得房間會自發(fā)地變亂（熵增加），而恢復到我媽覺得整齊的樣子（熵減少），就需要做許多功，然后吃很多飯（消耗能量）。

信息熵的概念起源于物理化學中的熵。計算機面對一個需要計算的問題，答案會有不確定性，這種不確定性可以直接類比為微觀狀態(tài)數(shù)，不確定性越大，則信息熵越大。計算機進行運算的目的，往往為了給出一個確定的答案：比如一列Excel數(shù)據(jù)的計算結(jié)果，一次鼠標移動后光標的位置，一個游戲射擊動作的目標血量，等等。類似于物理化學的熵，給出確定答案的過程伴隨著信息熵的減少，即伴隨著能量消耗。

其實人類的大腦也是一臺計算機，考試中做選擇題的過程就是信息熵變化的過程：每個題目的四個選項，對應著四種可能的選擇，此時信息熵最大；隨著人類的思考，逐漸選出一個確定的答案，信息熵變成最小。顯然，思考的過程伴隨著能量的消耗：把信息熵變小，是需要消耗熱量的。同樣的題目，變成不定項選擇，則初始熵會更大，解出題目的能量消耗就會更多；題目改為填空題，初始熵進一步增加，所需要的能量就會更多。

在計算機算力日益增加、競爭逐漸加劇的前提下，比特幣數(shù)學題的難度逐漸增加：這意味著題目初始信息熵越來越大，而最終答案是最快尋得最優(yōu)解，即把題目的信息熵變?yōu)樽钚　虼诵枰拇罅康哪芰俊?/div>