1080和1050算力

1. 鍝浜涘瀷鍙鋒樉鍗℃槸鐭垮崱閲嶇伨鍖

鐭垮崱閲嶇伨鍖虹殑鏄懼崱鍨嬪彿鏈塏鍗″拰A鍗＄瓑銆

1銆丯鍗

N鍗′腑甯哥敤浜庢寲鐭跨殑鏄懼崱鏈塏VIDIA1050ti銆丯VIDIA1060銆丯VIDIA1070銆丯VIDIA1080絳夌瓑銆傚叾涓鍦2019騫村墠鍚庢渶甯歌佺殑鏄1060緋誨垪錛屽埌浜2020騫存瘮杈冨父瑙佺殑鏄1080緋誨垪錛屼箣鍚庤繕鍙鑳藉嚭鐜板叾浠栧瀷鍙風殑鐭垮崱銆

鐭垮崱鍜屾櫘閫氭樉鍗＄殑鍖哄埆鍒椾婦濡備笅錛

1銆佽繍琛屾椂闂翠笉鍚

鏅閫氭樉鍗℃瘡澶╃殑浣跨敤鏃墮棿鍑犱釜灝忔椂浣滅敤錛屽叿浣撴椂闂寸湅涓浜虹敤鐢佃剳鐨勪範鎯錛屽紑鏈虹殑鏃跺欐樉鍗″氨鏄宸ヤ綔鐨勶紝鍏蟲満鍒欏仠姝㈣繍琛屻傝岀熆鍗℃槸24灝忔椂涓嶉棿鏂鐨勮繍琛岋紝瀹冩槸涓嶄細鍑虹幇鍏蟲満鎴栧仠姝㈣繍琛岀殑鎯呭喌鐨勩

2銆佹ц兘涓嶅悓

鐢變簬鐭垮崱鐨勮繍琛屾椂闂存瘮杈冧箙錛屽湪浣跨敤涓孌墊椂闂村悗瀹冪殑鎬ц兘浼氬彂鐢熶竴浜涘彉鍖栵紝姣斿傛ц兘浼氶檷浣庢垨鑰呭垮懡浼氬彉鐭絳夌瓑錛岃屾櫘閫氭樉鍗＄殑瀵垮懡琛板噺閫熷害瑕佹洿鎱涓浜涖備笉綆℃槸鐭垮崱榪樻槸鏄鏅閫氭樉鍗★紝璐涔版椂鍨嬪彿鏄涓鏍風殑璇濓紝閭ｄ箞鍩烘湰娌℃湁宸鍒錛屽彧鏈夌敤榪囦竴孌墊椂闂村悗鎵嶄細浣撶幇鍑哄樊璺濄

2. 1050 有礦卡嗎 小白一個想問問再買個二手1050

GTX1050顯卡，肯定沒有礦卡，你可以放心。
挖礦需要的是強大的算力，所以使用的都是高端顯卡，即使中端顯卡都不會考慮。
GTX1050顯卡，屬於10系列的低端顯卡，性能有限，無法用來挖礦，所以不會有這個版本的礦卡，放心吧。

3. 1050挖礦一天賺多少

1050挖礦一天賺3500~4000美金。如果按2021年9月份的以太坊的價格來計算的話，現在的以太坊價格基本上維持在3500~4000美金左右。你的電腦的顯卡算力是1050，這就意味著你每天可以挖到170~190元的以太坊。當然這個價格並不固定，這不僅需要看你實際算力如何，也需要看你的礦池，更需要看當前以太坊的價格。

4. 實現人工智慧的三要素

數據——人工智慧的糧食

實現人工智慧的首要因素是數據，數據是一切智慧物體的學習資源，沒有了數據，任何智慧體都很難學習到知識。自從有記錄以來，人類 社會 發展了數千年，在這期間，人類 社會 不斷發展變化，從最早的原始 社會 到奴隸 社會 ，再到封建 社會 、資本主義 社會 、 社會 主義 社會 ，未來還會發展到共產主義 社會 ，在這漫長的發展過程中，都少不了數據做為人類 社會 發展的動力。

人類 社會 之所以發展的越來越高級文明，離不開學習知識，而知識的傳播流傳越快，則 社會 發展也越快，在封建 社會 以前，知識的傳播從口口相傳到甲骨文，再到竹簡記錄，就算是封建 社會 後期的紙質記錄，其知識的傳播速度也無法和今天的互聯網知識的傳播速度相提並論。

一般來說，知識的獲取來自兩種途徑，一種是通過他人的經驗而獲得的知識，也就是他人將知識整理成冊，然後供大家學習，這也是目前的主流學習方式；另一種就是通過自己的 探索 而獲得的知識，這種學習方式目前只存在高精尖領域的知識學習，由於在已有的開放 社會 資源中，找不到可以學習的知識，只有自我 探索 獲取。

無論哪種學習方式，都要通過學習載體來傳播知識，無論是面對面講述，實踐操作，還是書本記錄，或是電子刊物，亦或者影像資料等，這些都是學習載體，我們都可以稱其為數據，學習數據的質量從根本上影響了學習的效果，所以對於人類學習而言，找一個好的老師，有一本好的書籍都是非常重要的學習選擇。

既然人類的學習非常依賴於數據的質量，那麼AI學習知識的時候，是否也會存在同樣的問題呢？答案當然是肯定的，不僅如此，而且AI學習知識的時候對於數據的依賴還要高於人類。人類相比目前的AI而言，是具有推理能力的，在學習某些具有關聯性知識的時候，通過推理聯想可以獲得更多的知識。從另一角度來講，在某種特定場景下，即使數據不夠完整全面，對於人類的學習影響也不會太大，因為人類會利用推理和想像來完成缺失的知識。而目前AI的推理能力還處於初級研究階段，更多的難題還等著業內技術人員來攻克。

由此可見，目前AI學習知識大部分基本都是依賴於數據的質量的，在這種情況下，連人工智慧專家吳恩達都發出人工智慧=80%數據+20%演算法模型的感慨，可見人工智慧的「糧食安全」問題還是非常緊迫的，如果「糧食」出現了質量安全問題，那麼最終將會導致人工智慧「生病」。可見數據的好壞基本上大概率的決定了智能化的高低，有人會說，我可以通過提高演算法模型來提高效果啊，不幸的是，在數據上稍微不注意造成了質量問題，需要在演算法上歷盡千辛萬苦來提高效果，而且還不一定彌補得上，數據對於人工智慧最終的發展結構可見一斑。

算力——人工智慧的身體

算力是實現人工智慧的另一個重要因素，算力在一定程度上體現了人工智慧的速度和效率。一般來說算力越大，則實現更高級人工智慧的可能性也更大。算力是依附於設備上的，所以一般談論算力，都是在說具體的設備，比如CPU、GPU、DPU、TPU、NPU、BPU等，都是屬於算力設備，只是他們有各自不同的能力而已。具體介紹可以閱讀 《CPU、GPU、DPU、TPU、NPU...傻傻分不清楚？實力掃盲——安排!》 一文，介紹相當全面，從APU到ZPU，各種PU全部介紹完了，掃盲是夠了。

算力設備除了上面的各種PU之外，每一種設備下面還會分不同的系列，比如英偉達的GPU在PC端有消費級的GeForce系列，專業制圖的 Quadro 系列、專業計算的 Tesla系列 等，而GeForce系列細分還可以分為GT、GTX、RTX等，當然每種子系列下還可以繼續細分，比如GTX下面有GTX1050、GTX1050Ti......GTX1080、GTX1080Ti，還有GTX Titan等更強大的系列，RTX下面也一樣包括了更詳細的等級劃分，具體選擇哪個系列要看具體使用場景而定，當然還和自身的消費實力相關，算力性能越強大也意味著更多的真金白銀。

下面是RTX20系列的各種顯卡的性能對比：

RTX30系列的各種顯卡的對比：

此外，英偉達還有嵌入式端的各種顯卡系列，比如適用於自主機器AI平台的JetSon系列、DRIVE AGX系列、Clara AGX系列等，以及雲端的一些計算資源。同樣每種系列還是做了進一步的細分，比如Jetson下面就根據其算力核心數就分成了Jetson Nano、Jetson TX2、Jetson Xavier NX、Jetson AGX Xavier等四款設備。

對於廠家而言，產品分的越細，越利於宣傳和推廣，對於消費者而言，可選擇性也大大增加，但是也對消費者的基本知識也有了要求，如果不清楚各種產品的差異，那麼就很容易選擇錯誤，而現在的顯卡市場就是如此，需要一些專業的知識才能夠選對自己所需的顯卡類型。希望大家經過科普後都能夠選對自己的顯卡型號，是打 游戲 、制圖、還是計算，心裡要有一個對應的系列型號才行，不然可要陷入選擇困難症中了。

以目前人工智慧主流技術深度學習為例，它的學習過程就是將需要學習的數據放在在算力設備上運行，經過神經網路億萬次的計算和調整，得到一個最優解的過程。如果把數據當成人工智慧的「糧食」，那麼算力就是撐起人工智慧的「身體」，所有的吃進去的「糧食」都需要「身體」來消化，提取「營養」幫助成長。同樣，人工智慧的數據也是需要經過算力來逐一運算，從而提取數據的特徵來作為智能化程度的標志的。

演算法——人工智慧的大腦

演算法是人工智慧程序與非人工智慧程序的核心區別，可以這么理解，就算有了數據、有了算力，但是如果沒有核心算力，也只能算是一個看起來比較高大上的資源庫而已，由於沒有演算法的設計，相當於把一大堆的資源堆積了起來，而沒有有效的應用。而演算法就是使得這對資源有效利用的思想和靈魂。

演算法和前兩者比起來，演算法更加的依賴於個人的思想，在同一家公司里，公司可以給每個演算法工程師配備同樣的數據資料和算力資源，但是無法要求每個演算法工程師設計出來的演算法程序的一致性。而演算法程序的不一致性，也導致了最終智能化的程度千差萬別。

相對於數據是依賴於大眾的貢獻，算力是依賴於機構組織的能力，而演算法更加的依賴於個人，雖然很多公司是演算法團隊，但是真正提出核算演算法思想的也就是那麼一兩個人，毫不誇張的說其他人都是幫助搬磚的，只是這種演算法層面的搬磚相對純軟體工程的搬磚，技能要求要更高而已。這點和建築設計一樣，很多著名的建築設計，其思想都是來自於一個人或者兩個人，很少見到一個著名的設計其思想是由七八個人想出來的。

由於演算法設計的獨特性，和數據與算力相比，在人工智慧的三個要素中，演算法對人工智慧的影響更大，這是因為在平時的工作當中，只要大家花上時間和費用，基本都可以找到好一些的數據和算力設備，但是演算法由於其獨特性，很多的演算法是有專利或者沒有向外界開源的，這個時候的差異就要在演算法上體現出來了。

現在的大學和培訓機構的人工智慧專業，其學習方向也主要是以演算法為主。因為數據是由大眾產生，又由一些互聯網大廠存儲的，一般個人很少會去做這一塊；而算力設備是由晶元公司控制著的；做為獨立的個人最能夠發揮效力的就在人工智慧的演算法方向了。培養優秀的演算法人才對於人工智慧的發展至關重要。目前市場上關於圖像視覺、語音信號、自然語言、自動化等方向的演算法工程師供不應求，薪資水平也是遠超其他互聯網軟體行業的崗位。

後記：

當前，國內人工智慧發展正處於高速成長期，未來將會進入爆發期，無論從業者是處於人工智慧的數據處理方向，還是人工智慧的算力設備研發方向，或者是人工智慧的演算法研發方向，都將會迎來巨大的行業紅利和豐厚的回報。而人工智慧演算法方向又是學習回報比最高的一個方向，做為沒有背景的個人，是進入人工智慧行業的最佳選擇 。

文/deep man

5. 10系16系顯卡那款礦少

GT1030礦卡最少。
10系顯卡中的GT1030礦卡最少，GT1030顯卡因為算力非常低所以沒有礦卡，GTX1050也沒有礦卡。從GTX1050TI開始礦卡就變多了，GTX1060、1070、1080的礦卡都非常多，後續升級的16系顯卡和20系顯卡也全是礦卡，但206012g是後出的所以礦卡很少。
「所謂的礦卡就是挖礦的顯卡，這里的「挖礦」是虛擬挖礦，一般有專業顯卡來挖礦，挖到的礦其實就是比特幣。

6. 挖礦顯卡標准

挖礦顯卡標准？

顯卡:Nvidia:1050Ti、1060、1070、1080。 AMD:RX460、RX470、RX560、RX570、RX580

挖ETH和ZEC。如果固定挖一種幣，好處是可以針對這種幣對顯卡超頻，如ETH吃內存頻率，可以設置內存頻率+700，核心頻率-200，ZEC吃核心頻率，可以設置成核心頻率+150，內存頻率-500。設置得當的話，既可以提高算力，又可以相對延長