本週，比特幣（BTC）價格飆升了 15％ 以上，並於昨日凌晨達到了 7200 美元的最高點。不過，隨後馬上又回調至 6800 美元的區間，至截稿前價格來到 6798 美元。儘管整體有所回升，但比特幣要達到上月 12, 13 日「黑色星期五」爆發前的 8000 美元水平，卻還有很長一段路要走。

受新冠肺炎疫情不斷升溫的影響，上個月的比特幣價格暴跌加上全球資本市場震盪，這段時間比特幣網路本身也同樣造成嚴重波及。當時比特幣價格一路暴跌至最低 3500 美元，儘管三週後目前價格回升至 6800 美元區間，這段時間的連續賣壓也早已讓礦工變得無利可圖，一些散戶礦工不得不關停礦機的作業。

由於礦機的託管費和電費等基本營運成本，通常是靠賣出短期挖礦所得來的加密貨幣來跟上支出，但遇到上月中旬整體加密貨幣市場的暴跌情況，有些礦工被迫選擇停機並拋售庫存，因此進一步惡化了價格的下跌趨勢。不過，新冠肺炎這隻黑天鵝對於礦業的影響，似乎在某些地區更為嚴重。

中國礦業暗黑期

據中國《證券日報》消息指出，截至 3 月 19 日就有 40 多款礦機觸及停機價。其中又以眾多散戶礦工所持有的老舊型螞蟻 S9 礦機受到的衝擊最大，螞蟻 S9 不僅電費成本較高，抗風險能力也較弱。

一位中國的礦業從業人士告訴該媒體，根據中國大型礦池 F2pool 所提供的數據顯示：

從 3 月 10 日開始計算，大約有 230 萬台螞蟻 S9 被迫停機。

如果繼續開機運行，以電費每度 1.62 元（台幣）計算，每台礦機一天估計會虧損 2.09 到 122.53 元不等。

區塊鏈基礎設施公司 Blockware Solutions 的執行長馬特．德蘇茲 (Matt D’Souza) 對此也向外媒 Cointelegraph 發表評論：

比特幣全網算力（hashrate）出現大幅下降是因為部分舊型礦機無利可圖。如果你去監測礦池， 會發現出現算力損失的大多是亞洲的礦池，而非美國的礦池，這就代表了東方大量老舊礦機被迫停機了。

全球供應鏈破壞

新冠肺炎不僅僅是通過比特幣的暴跌影響到礦工，更應該說是不只加密貨幣，幾乎所有資產類別的價格接連受創而導致全球資本市場上更廣泛的影響。另外中國因多個城市「封城」的關係，許多供應鏈被打亂，讓機器也更難買到。德蘇茲解釋：

我認為新冠肺炎影響了比特幣全網算力的下降，因為它完全打斷了全球的供應鏈。因此，礦工無法快速地拿到設備，且下一代礦機的上市也因為新冠肺炎而被推遲了。

為了維持比特幣區塊鏈的基本運作，動區也在上月 26 日報導，挖礦難度（difficulty）調整也一次下降了 15.95%，創下史上第二大降幅，以維護整個網路的安全。

疫情大流行下的低迷幣價，也讓礦機設備的二手市場出現了拋售潮。中國商務部區塊鏈專委會副主任吳桐注意到這點，並告訴中國《證券日報》：

在疫情的影響下，礦機的維護、更新和持續生產的難度大幅提高，上月中旬的價格暴跌讓許多礦機開始被出售。且每台礦機的平均出售價格，跟農曆春節前相比還低 30% -50 %。

中國礦業主導地位岌岌可危？

長期以來，中國一直作為挖礦市場的領導者。研究顯示，中國的挖礦企業控制著大多數的比特幣算力，這主要歸功於當地低廉的電價以及礦業巨頭都來自中國，例如比特大陸和億邦 。

這些條件集成下來，中國專業礦工不僅能以最快速度又最低廉的價格獲得新一代的礦機設備，也能讓散戶礦工能低價買到舊機型延長其使用時間。

不過，隨著比特幣漸漸映入全球更多投資者的眼簾，中國以外其他國家可能擁有其他不同的優勢來發展挖礦。

如果以電費角度來考量，委內瑞拉的電費就相當便宜且提供能源補貼 (energy subsidies)，但最終只會收到像螞蟻 S9 這類老舊的機型而已；另以網速做考量的話，美國等西方國家則占有這方面優勢。

加上西方企業更高的購買力和籌資能力，可能使美國等西方國家能快速取得新一代礦機以保持領先地位。例如 BlockwareMining 就稱其公司擁有每秒 180 petahash （PH / s）的挖礦速度。

最後，看看中國政府這一兩年對加密貨幣和挖礦產業的態度，事實上，不僅嚴格打擊加密貨幣交易活動，也不只一次禁止比特幣挖礦；去年 4 月動區曾報導，中國的經濟政策規劃部門便建議地方政府廢除加密貨幣挖礦產業，認為挖礦在中國未來發展中應逐漸淘汰。

未來政府對加密貨幣相關產業的監管態度，可能就是中國是否能繼續穩居礦業主導位置的決定性因素。像比特大陸和億邦這些礦業巨頭先前都曾向香港聯交所提交上市申請，不過目前都尚未聽到好消息。

總體而言，新冠肺炎或許會成為礦業產業結構變動的轉折點，尤其是在面臨比特幣獎勵減半將近和疫情惡化未減緩的情況下。

假想礦業如果能成功「分權化」或許會受到許多人的樂見。但就目前而言，中國仍會持續領導挖礦產業的發展。

轉貼自： 動區

若喜歡本文，請關注我們的臉書 Please Like our Facebook Page： Big Data In Finance