Índice de consumo eléctrico de bitcoin de cambridge

El Índice de Consumo Eléctrico de Bitcoin de Cambridge (CBECI) es una herramienta crucial para comprender el impacto energético de Bitcoin. Proporciona estimaciones actualizadas del consumo diario de energía de Bitcoin y un cálculo anualizado del consumo eléctrico. Este índice es un recurso valioso para cualquier persona interesada en el futuro de Bitcoin y su sostenibilidad.

¿Qué es el CBECI?

El CBECI ofrece una estimación actual del consumo diario de energía de la red Bitcoin. Se basa en un enfoque de abajo hacia arriba inicialmente desarrollado en 2017 que utiliza el umbral de rentabilidad de los diferentes tipos de equipos de minería como punto de partida.

Dado que la demanda real de energía no se puede determinar debido a la naturaleza descentralizada de la red, se hacen varias suposiciones, incluyendo estimaciones hipotéticas de límite inferior (piso) y límite superior (techo). Estos dos límites abarcan una estimación aproximada, una indicación más precisa de la demanda real de energía.

Estimaciones del CBECI

• Estimación de límite inferior: El mínimo teórico de la demanda total de energía, suponiendo que todos los mineros utilizan siempre el equipo más eficiente en términos de energía.
• Estimación de límite superior: El máximo teórico de la demanda total de energía, suponiendo que todos los mineros utilizan siempre el hardware menos eficiente en términos de energía, siempre que el funcionamiento del equipo siga siendo rentable en términos de costes de electricidad.
• Estimación aproximada: Se basa en la suposición más realista de que los mineros utilizan una combinación de hardware rentable.

Representación de los Datos

La página de inicio del CBECI muestra dos medidas para cada tipo de estimación. La primera cifra se refiere a la potencia eléctrica total consumida por la red Bitcoin, expresada en gigavatios (GW). Actualizada cada 24 horas, esta cifra indica la tasa a la que los mineros de Bitcoin consumen electricidad en este momento, describiendo la demanda o carga existente.

La segunda cifra se refiere al consumo anual estimado de electricidad de la red Bitcoin, expresado en teravatios-hora (TWh). Esta medida anualizada supone un uso constante de energía a la tasa mencionada durante un período de un año. Para mitigar los efectos de las fluctuaciones de la tasa de hash a corto plazo y hacer que los resultados sean más adecuados para comparaciones con usos alternativos de la electricidad, se aplica una media móvil de siete días al punto de datos resultante.

Parámetros del Modelo

El modelo CBECI considera los parámetros descritos en la Tabla Las siguientes secciones especifican cómo se calculó cada estimación y qué suposiciones se hicieron.

Tabla 1: Parámetros del modelo CBECI

Selección de equipos de minería

En los primeros días de Bitcoin, la minería se realizaba principalmente utilizando unidades de procesamiento gráfico de propósito general (GPU) y matrices de puerta programable de campo (FPGA). Esto cambió significativamente en 2012 con la introducción de los primeros circuitos integrados específicos de la aplicación (ASIC). Los ASIC, hardware especializado específicamente optimizado para la minería de Bitcoin, son órdenes de magnitud más eficientes que sus predecesores. En consecuencia, el uso de ASIC desplazó rápidamente la minería de GPU y FPGA.

Se ha recopilado una lista de más de 100 modelos distintos de ASIC Bitcoin diseñados para operaciones SHA-256 lanzados desde 201Se compiló a partir de varios recursos públicos que detallan los diferentes tipos de equipos de minería y sus especificaciones. Para la era previa a los ASIC (2009–2013), se seleccionó el hardware basándose en la investigación realizada por Taylor (2016) y nuestras observaciones. Debido a la falta de datos de rendimiento disponibles en 2009, se eligió el modelo Intel Core i5-650, a pesar de que se lanzó en enero de 20

Umbral de rentabilidad

El modelo CBECI se basa en la idea de que los mineros son agentes económicos racionales que solo operan sus dispositivos mientras les resulte rentable. Para determinar si un dispositivo de minería en particular de nuestra lista puede incluirse en el grupo de hardware rentable, los ingresos del minero derivados de la actividad de minería deben ser iguales o mayores que el coste de operar el hardware en un día determinado (Ecuación 1). El coste de operación de cada modelo de hardware en la lista se calcula multiplicando el coste de la electricidad por julio (P) por la eficiencia energética del dispositivo (η).

Esto da como resultado la siguiente desigualdad matemática:

Ecuación 1: Rentabilidad del equipo de minería

Donde,

• R(H, B, F) es el ingreso diario del minero
• η es la eficiencia energética del dispositivo (J/TH)
• P es el coste de la electricidad (USD/J)

Suposición 1: Coste medio de la electricidad

El coste de la electricidad de los mineros varía significativamente, lo que hace que sea difícil asumir un valor universalmente aplicable. Una gran variedad de factores contribuyen a esta complejidad, incluidas las variaciones de precios entre países, dentro de los países y las fluctuaciones con el tiempo. Los costes de la electricidad también dependen de si los consumidores son minoristas o mayoristas, y si son mayoristas, si han firmado Contratos de Compra de Energía (PPA) con tarifas que difieren de los esquemas de precios locales. Además, algunos mineros generan su propia electricidad, lo que complica aún más el cálculo del coste. A la luz de estas complejidades, se supone que, de media, los mineros pagan USD 0.05 por kilovatio-hora (USD/kWh). Este valor predeterminado se basa en conversaciones en profundidad con mineros de todo el entorno y es coherente con las estimaciones utilizadas en investigaciones anteriores.

Nota: La página de inicio del CBECI permite a los visitantes elegir diferentes valores para el parámetro de coste de la electricidad con el fin de explorar cómo los precios de la electricidad influyen en la selección de hardware y el consumo total de electricidad.

Ecuación 2: Umbral de Rentabilidad

El umbral de rentabilidad θ se calcula utilizando la Ecuación

Ecuación 3: Cálculo del Umbral de Rentabilidad

Cada día se crea un conjunto de hardware de minería elegible indexado de forma única por i con una eficiencia asociada de η i a partir de nuestra lista (Ecuación 4). El umbral de rentabilidad se utiliza entonces para compilar un subconjunto de eficiencias de hardware de minería rentable (S(P)) dado el precio de la electricidad P (Ecuación 5). S(P) se crea diariamente y contiene todo el hardware de minería i con una eficiencia energética (J/TH) menor o igual que el umbral de rentabilidad θ(P) calculado ese día (Ecuación 5). En este contexto, cabe señalar que un valor J/TH más bajo es indicativo de una mayor eficiencia energética.

Suposición 2: Periodo de Hardware no Rentable

Ocasionalmente, puede haber un período durante el cual no existe hardware rentable, lo que da como resultado un conjunto S(P) vacío. En este caso, se aplica la Suposición

Se puede suponer razonablemente que los mineros no apagarán inmediatamente el hardware no rentable a menos que las condiciones de mercado desfavorables persistan durante un período prolongado. Para tener esto en cuenta, se aplicó una media móvil de 14 días al umbral de rentabilidad para suavizar el proceso de reequilibrio de S(P) y evitar que esté sujeto a fluctuaciones a corto plazo en la rentabilidad de la minería.

Construyendo la estimación de límite inferior

En el mejor de los casos, se supuso que todos los mineros siempre utilizan el equipo más eficiente en términos de energía para maximizar el beneficio. Por lo tanto, las estimaciones de límite inferior (D inferior y E inferior ) se basaron en las Suposiciones 3 y

Suposición 3: Equipos de minería más eficientes

Esta suposición también implica que los mineros actualizarán su equipo de minería tan pronto como esté disponible hardware más eficiente en términos de energía.

Suposición 4: Eficiencia del Centro de Datos

La eficiencia de uso de la energía (PUE) mide la eficiencia energética del centro de datos. Los centros de datos suelen consumir más energía de la necesaria para operar los servidores debido a factores como la refrigeración y el soporte de los equipos de TI. Cuanto mayor sea la relación PUE, menos eficiente será el uso de la energía. Los centros de datos con un PUE inferior a 2 suelen considerarse eficientes. Como referencia, la PUE media de Google es 10, mientras que la PUE media de la mayoría de los centros de datos es 8 o superior.

En la minería de Bitcoin, la electricidad representa una parte sustancial de los costes operativos. Esto motiva a los operadores de granjas mineras a mejorar los sistemas de refrigeración, reduciendo los costes totales. El diálogo con los mineros confirma que las instalaciones de minería generalmente presentan un PUE notablemente más bajo que los centros de datos convencionales.

En circunstancias óptimas, las instalaciones de minería han refinado las operaciones del centro de datos hasta el punto en que los gastos generales son casi insignificantes. Se representa este escenario presumiendo un PUE de 0

Ecuación 6: Demanda de Energía de Límite Inferior

Ecuación 7: Consumo de Energía Anual de Límite Inferior

La estimación de límite inferior corresponde a la demanda de energía mínima absoluta de la red Bitcoin. Si bien esto es útil para proporcionar un mínimo cuantificable, es un valor puramente hipotético que no es viable por diversas razones, como las siguientes:

• No todos los mineros utilizan el hardware más eficiente.
• Tiempos de entrega e instalación largos.
• Escasez de suministro de hardware.
• PUE optimista.

Construyendo la estimación de límite superior

Estimar las cifras de límite superior (D superior y E superior ) es más desafiante. Una opción es asumir un escenario del peor de los casos en el que cada minero emplea el dispositivo computacional menos eficiente disponible capaz de calcular hashes criptográficos, por ejemplo, una unidad de procesamiento central (CPU) que alimenta una computadora, una tableta o incluso un teléfono inteligente. Dada la explosión exponencial de la dificultad de la red Bitcoin desde 2016, tal suposición pronto daría como resultado una cifra de consumo que superaría la generación total de electricidad del entorno. Y esto ni siquiera considera las considerables pérdidas financieras que soportarían los mineros. Por lo tanto, se ha revisado la suposición.

Suposición 5: Equipos de minería menos eficientes

En este caso, se supuso que el PUE para todos los sitios de minería es 20. Si bien los estándares comunes de los centros de datos todavía consideran esto válido, se encuentra en el extremo superior de los valores de PUE informados por los mineros.

Suposición 6: PUE del Centro de Datos

Ecuación 8: Demanda de Energía de Límite Superior

Ecuación 9: Consumo de Energía Anual de Límite Superior

La estimación de límite superior corresponde a la demanda de energía máxima absoluta de la red Bitcoin. Si bien es útil para proporcionar un máximo cuantificable, es un valor puramente hipotético que no es viable por diversas razones, como las siguientes:

• Los mineros están interesados en el hardware más eficiente en términos de energía.
• El equipo antiguo se reemplaza.
• Cuellos de botella en el espacio de alojamiento.
• Impacto de otros gastos operativos.

Construyendo la estimación aproximada

Teniendo en cuenta que tanto las estimaciones de límite inferior como las de límite superior se basan en suposiciones improbables, se intenta presentar una estimación más precisa que cuantifique adecuadamente el consumo real de electricidad de Bitcoin.

En la práctica, muchos mineros no operan un solo tipo de equipo de minería y no hacen la transición al hardware de última generación al mismo tiempo, si es que lo hacen. Es probable que los mineros utilicen una combinación de diferentes modelos, siempre que el equipo siga siendo rentable en términos de consumo de electricidad (se mantenga por debajo del umbral de rentabilidad).

El desafío radica en determinar continuamente un enfoque de ponderación adecuado para todos los tipos de equipos que generan beneficios, teniendo en cuenta las condiciones variables del mercado y de la red a lo largo del tiempo. Analizar la progresión de la cuota de mercado de los principales fabricantes de minería podría ser un proxy adecuado. Sin embargo, lamentablemente, los datos confiables de la cuota de mercado que abarcan múltiples períodos no están disponibles.

En la iteración inicial del modelo CBECI, se supuso que todos los mineros utilizan una selección ponderada de forma equitativa de los tipos de hardware que son económicamente viables en términos de consumo de electricidad. En otras palabras, se infirió que todas las máquinas que generaban beneficios estaban distribuidas uniformemente entre los mineros. A pesar de las limitaciones evidentes de esta metodología (por ejemplo, es posible que los distintos tipos de hardware no se hayan fabricado y vendido en cantidades iguales, es posible que ciertos equipos no hayan estado accesibles universalmente de forma simultánea y es posible que algunas máquinas se hayan desmantelado por completo a pesar de un breve resurgimiento de la rentabilidad), los resultados resultantes fueron sorprendentemente comparables a otras metodologías, como, por ejemplo, el análisis de la cuota de mercado de Stoll et al. (2019).

Metodología de la estimación aproximada

La última actualización (v0) marca un cambio significativo en la forma en que se calcula la estimación aproximada. Este cambio se hizo después de examinar cuidadosamente los hallazgos de nuestro análisis de los factores que impulsaron los aumentos sustanciales en la tasa de hash observados en los últimos años, y evaluar cómo el enfoque ponderado de forma equitativa anterior representaba estos factores. Nuestro análisis reveló que la metodología anterior hacía hincapié de manera desproporcionada en la influencia del hardware antiguo en la tasa de hash, especialmente en 2021, cuando la minería de Bitcoin era excepcionalmente rentable. Esto dio como resultado una subrepresentación notable del hardware más nuevo y un énfasis excesivo en el hardware antiguo.

En consecuencia, se ideó un nuevo enfoque para abordar las deficiencias identificadas de la metodología anterior. El método refinado distingue efectivamente los dispositivos en función de sus fechas de lanzamiento, asignando más peso al hardware más nuevo y menos al antiguo. Se recurrió a los calendarios de depreciación de las empresas de minería de Bitcoin que cotizan en bolsa para evaluar qué factores de ponderación aplicar y cómo implementarlos. Si bien hubo diferencias notables entre los métodos elegidos, los más empleados fueron la depreciación lineal y el uso de una vida útil económica estimada de cinco años. Esto llevó a incorporar una lógica similar en nuestro modelo, donde se asignó a cada dispositivo en el conjunto S(P) un factor de ponderación (en función de su fecha de lanzamiento) que oscila entre 1 y 0, disminuyendo en cinco pasos de 0.Este ajuste garantiza que los avances técnicos del hardware de minería de Bitcoin y su impacto en la tasa de hash estén representados con mayor precisión que en un enfoque puramente ponderado de forma equitativa.

Además de introducir el mecanismo de ponderación mencionado anteriormente, la actualización aborda otra deficiencia: la suposición anterior de que el hardware está operativo inmediatamente después de su lanzamiento. La evidencia sugiere que existe un lapso de tiempo entre las fechas de lanzamiento e implementación. Determinar la duración exacta de este lapso de tiempo es difícil, ya que depende en gran medida de la ubicación del comprador y el modo de transporte. Los tiempos de entrega estimados presentan una variación significativa, que van desde una semana hasta un mes o más. Dado que China prohibió la minería de criptomonedas en 2021 y la probable oleada resultante de transporte de larga distancia, la duración más larga parece más plausible. Para tener en cuenta este problema, se ha incorporado un retraso de dos meses desde la fecha de lanzamiento del hardware hasta que se considera en nuestro modelo, en adelante denominado fecha de implementación.

Suposición 7: Modelo de hardware ponderado

Suposición 8: PUE del Centro de Datos

Ecuación 10: Demanda de Energía Aproximada

Ecuación 11: Consumo de Energía Anual Aproximada

Ecuación 12: Eficiencia Energética Promedio del Hardware Rentable

Ecuación 13: Factor de Ponderación del Hardware

Ecuación 14: Cálculo del Factor de Ponderación

Ecuación 15: Fecha de Implementación

Limitaciones del modelo

Todo modelo teórico es una representación incompleta de la realidad que se basa en suposiciones específicas, algunas de las cuales pueden ser discutibles. Como resultado, todos tienen limitaciones que deben discutirse. Con ese fin, el modelo CBECI actual presenta las siguientes limitaciones (la lista no es exhaustiva):

• Dependencia de las estimaciones del coste de la electricidad: Los costes de la electricidad varían significativamente entre países, regiones y proveedores. Los precios generalmente son dinámicos y fluctúan, por ejemplo, según la temporada y la cantidad de electricidad consumida. La alteración de la suposición predeterminada del coste de la electricidad puede cambiar sustancialmente la salida del modelo.
• Ignorar otros factores de coste: El modelo no incorpora otros factores que influyen en las decisiones de los mineros de apagar y reemplazar el equipo existente, como los costes de mantenimiento y refrigeración.
• La composición exacta del hardware operativo sigue siendo desconocida: La transición de un enfoque puramente ponderado de forma equitativa a uno ponderado en la actualización 0 ha mitigado los efectos del uso de una canasta de hardware hipotética. Sin embargo, esta limitación sigue siendo significativa, ya que la composición global exacta del hardware utilizado no se puede determinar con precisión.
• Minería propietaria de los fabricantes: Es posible que no conozcamos el hardware nuevo y más eficiente que aún no está disponible en el mercado. Algunos han argumentado que los fabricantes utilizan equipos propietarios para su propio beneficio antes de su lanzamiento público.
• Las especificaciones del hardware pueden no corresponder al rendimiento real: Los fabricantes de hardware a menudo anuncian el rendimiento y la eficiencia energética de sus productos utilizando escenarios del mejor de los casos. Además, el modelo no considera que los mineros puedan sobreacelerar o subacelerar sus máquinas por varias razones.
• Períodos de conmutación cortos: Es poco probable que los mineros reaccionen lo suficientemente rápido en respuesta a las fluctuaciones a corto plazo en el umbral de rentabilidad. Aunque se intentó suavizar el efecto de las variaciones de la tasa de hash a corto plazo y la volatilidad de los precios aplicando una media móvil de 14 días (umbral de rentabilidad), es posible que esto no sea suficiente.
• Retraso en las actualizaciones de hardware: Si bien constantemente se agregan nuevos dispositivos ASIC a nuestra lista pública de hardware de minería de Bitcoin, la inclusión en nuestro modelo generalmente ocurre junto con otras actualizaciones. En consecuencia, puede haber un retraso entre agregar hardware a nuestra lista disponible públicamente e incluirlo en nuestras estimaciones.

Comparación del CBECI con otras estimaciones

Ha habido múltiples intentos de estimar el consumo anualizado (ann.) de electricidad de la red Bitcoin. La Tabla 2 es una lista no exhaustiva de estudios, informes y estimaciones en vivo. Sin embargo, tener en cuenta que las estimaciones pueden variar considerablemente con el tiempo y según la metodología utilizada; por lo tanto, es esencial considerar la fecha de publicación al comparar estimaciones de diferentes fuentes.

Tabla 2: Resumen de estudios anteriores

Los estudios de la Tabla 2 a menudo producen hallazgos que varían considerablemente, lo que da como resultado un amplio rango de estimaciones potenciales. Esto se debe a las diferentes metodologías utilizadas. Algunos estudios adoptan un enfoque económico de arriba hacia abajo, otros un modelo de abajo hacia arriba y modelos como nuestro CBECI se basan en un enfoque híbrido de arriba hacia abajo. Lei et al. (2021) compararon 22 estudios diferentes y propusieron las mejores prácticas para estimar el consumo energético de los sistemas tecnológicos de blockchain. Concluyeron que, en comparación, el modelo CBECI anterior se alinea más estrechamente con las mejores prácticas identificadas.

Cada estudio se basa en un conjunto de suposiciones que pueden ser objeto de escrutinio. En consecuencia, el diseño de cada investigación, incluido nuestro propio análisis, tiene limitaciones y desventajas inherentes. Sin embargo, ciertos artículos han sido criticados por adoptar suposiciones demasiado simplistas y errores no triviales, como el promedio temporal inapropiado o las extrapolaciones simplistas. Para una revisión en profundidad de estudios anteriores, consulte Koomey (2019).

El CBECI se diseñó utilizando los estudios de la Tabla 2 como referencia. Se ha revisado meticulosamente las diversas metodologías y se han integrado las mejores prácticas. El sitio web tiene como objetivo ofrecer una documentación completa con control de versiones transparente, subrayar la dependencia del modelo en las suposiciones del coste de la electricidad (permitiendo a los visitantes alterar el valor predeterminado) y presentar con franqueza las incertidumbres y las limitaciones del modelo. Siempre agradecemos las opiniones y sugerencias para futuras mejoras.

Si quieres conocer otros artículos parecidos a Índice de consumo eléctrico de bitcoin de cambridge puedes visitar la categoría Criptomonedas.