[新聞] 鯨鏈先進將於 CES 2019 首發 7 奈米 SHA2

[joug (好東西不簽嗎)]

鯨鏈先進將於 CES 2019 首發 7 奈米 SHA256 算力晶片




區塊鏈 3.0 應用的興起，推升了區塊鏈基礎架構層運算晶片與硬體設備的需求，但在目
前區塊鏈生態圈中，常會面臨晶片研發與系統設計兩者能力無法兼顧的狀況。為提供區塊

鏈業者更高效能的軟硬整合解決方案，台灣區塊鏈 IC 設計新創鯨鏈先進（WHALECHAIN
TECHNOLOGY INC.）積極投入核心運算能力的研發、算力晶片與硬體設備的技術發展。而

其具高效能、高速與高算力的 7 奈米 SHA256 算力晶片與相關硬體，均為鯨鏈先進自行
研發，將在 2019 年 1 月 8 至 1 月 11 日在美國消費性電子展 CES 首度曝光。



鯨鏈先進執行長嚴逸緯表示：「硬體是區塊鏈的解決方案，而半導體是解決方案的基石。
鯨鏈先進預視到區塊鏈結合物聯網在硬體層將有爆炸性成長的應用，順應此趨勢，擁有

 10 年以上半導體和 ICT 產業經驗的核心團隊於 2017 年 10 月成軍，目標是從生態底
層架構出發，創造更多元化的區塊鏈軟硬整合應用。從晶片設計開始，擴展到網路層和應

用，進而打造出完整區塊鏈生態系。為了提供最全面的產品與服務，目前團隊涵蓋了各領
域的優秀人才，從 IC 設計、IC 製造、區塊鏈架構建置、人工智慧演算法開發等，說是

內部自成一條微型產業鏈也不為過。憑藉深厚的產業經驗，鯨鏈先進從晶片自主設計出發
，串聯多家生態夥伴，逐步勾勒出未來區塊鏈 4.0 下『DAIOT』（分散式算力整合 AIoT
應用）的全方位解決方案。」

鯨鏈先進已陸續針對當前區塊鏈主要應用的加密貨幣，開發算力晶片與硬體設備；而躍向
世界的第一步，即是將在 CES 2019 首發的 7 奈米 SHA256 算力晶片與硬體。鯨鏈先進

目前已成功協助客戶於 2018 年第三季完成 7 奈米算力晶片 Tape-out，目前已進入
 Sample-out 階段。展望未來，團隊更將投入 FPGA、區塊鏈 GBP（General Blockchain

processor，通用型區塊鏈處理器）及分散式運算系統開發計畫，逐步構築「DAIOT」區塊
鏈生態中基礎硬體產品佈局，架構底層擴大影響力 ，進一步實現從晶片、硬體設備到應
用的完整區塊鏈生態系。

誕生於台灣這座科技重鎮，鯨鏈先進希望從奠定生態系的基石出發，串連起台灣產業鏈，
結合團隊背景優勢與獨有的區塊鏈技術，協助產業加快因應未來區塊鏈 4.0 下的硬體需
求，創造更多元化的區塊鏈應用，落實發展願景。

註：算力晶片是指針對特殊用途設計如區塊鏈生態底層硬體設備的電子電路晶片。
鯨鏈先進將於 1 月 8 至 1 月 11 日參加 CES 2019，屆時將展出 7 奈米 SHA256 算力
晶片與相關硬體。如欲了解更多，敬請參考以下展覽資訊。

展覽地點：拉斯維加斯會議中心（LVCC）
展位號：South Plaza #61031
會議室：South Hall MP25480


http://tinyurl.com/ycvhong6



台灣首創7奈米礦機 不是拼裝機  礦機專家怎麼看

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.41.108.6
※ 文章網址: https://www.ptt.cc/bbs/DigiCurrency/M.1545553475.A.7C2.html
推 darkdixen: 7nm有幾家做得出來，又有幾家有量，這樣想就知道惹
推 sismiku: 台gg
推 hensel: 2017/10成立能夠下台GG的7nm？ 一年可以tapeout 7nm真的
→ hensel: 厲害
推 justben: 好多 .0 啊  是不是課以開一間 n.0 公司
推 TomSoong: 對礦機晶片來說，甚麼製程不是重點
→ TomSoong: 重點是:1.會動 2.穩定 3. 單位HASH耗多少電
→ TomSoong: 4. 1單位HASH成本多少
→ TomSoong: 之前常常有挖礦晶片公司用比較先進的製程做出來結果比
→ TomSoong: 競爭對手的舊製程產品還遜  所以應該期待真實的挖礦數據
→ TomSoong: 宣稱幾奈米的製程意義不大
→ kuma660224: 技術領先夠多才能這樣講吧
推 jiunchenlee: 基於區塊鏈開發的硬體就可以稱為區塊鏈4.0喔?看來明
→ jiunchenlee: 年可以進化到10.0以上
推 p00o99o: 他們搶得到產能？
推 a2935373: 試產的樣品吧
推 tint: 像神馬M10用16nm製程 能耗比還比一些7nm製程礦機來得高效
推 rmp4rmp4bear: 神馬跟innosilicon不就在笑追求製程不如追求最佳能
→ rmp4rmp4bear: 耗比
→ rmp4rmp4bear: 16奈米跟10奈米做的好能耗比還贏7奈