比原鏈是一種多元位元資產的互動協議，其共識機制選擇了對人工智慧ASIC晶片友好的PoW演算法。傳統的PoW共識機制，以比特幣為例，礦工要週而復始的完成雜湊運算以得到滿足難度值條件的區塊。而人工智慧則需要大量的ASIC晶片的運算，比原鏈的共識機制就巧妙地利用了對人工智慧有益的PoW機制。隨著人工智慧的大爆發，相應的ASIC晶片的需求將是巨大的，而能充分利用挖礦淘汰的礦機做對人類有益的運算，這對整個人類社會的意義是顯而易見的。
在2009年，隨著創世區塊的誕生，比特幣為了解決拜占庭問題而使用的PoW共識機制以低效換來了高度的安全性。
PoW相關理念最早於1993年被Cynthia Dwork和Moni Naor提出，之後的幾年，該概念在是否能有效對抗拒絕服務攻擊的爭論中不斷被人們所知。PoW機制的核心在於強迫攻擊者作出一定量的工作才能進行接下來的互動操作，這樣無形中就給攻擊者提高了攻擊的成本。自然而然的，攻擊者需要完成的工作可以按消耗的計算機資源種類分為以下三大類：
消耗CPU資源。例如，反垃圾郵件的Hashcash方案以及受此啟發而誕生的比特幣；
消耗記憶體資源。例如，為了防止與比特幣採用相同的共識機制所可能導致的51%攻擊，以太坊在建立之初就使用了一種需要佔用大量記憶體資源的PoW演算法；
消耗網路資源。攻擊者在進行拒絕服務攻擊之前，必須要獲取多個遠端伺服器傳送的令牌。由於網路的延遲性，敵手必須要等待才能獲得訪問許可權。
中本聰為了解決拜占庭共識問題，在比特幣系統中引入競爭挖礦的機制。同時，為了保證最大可能的公平性，採用了基於雜湊運算的PoW共識機制。礦工如果想要得到一個合法的區塊，則必須向區塊頭中填入不同的隨機值，然後計算出區塊頭的雜湊值，使得得到的雜湊值小於目標值。這樣，礦工在不斷尋找合適隨機值的過程中完成了一定的工作量。可以發現，礦工完成的這個工作量對於現實社會毫無意義。唯一的意義就是保障了比特幣的安全性。
之後，隨著顯示卡和FPGA的出現，比特幣挖礦算力增長迅速，而隨著帶有為雜湊運算專門最佳化的ASIC晶片的挖礦裝置面世，比特幣的算力遂呈幾何指數增長。算力的提升進一步提高了比特幣系統的安全性，也意味著越來越多的能源被用作挖礦。為了滿足日益增長的挖礦電力需求，中國的絕大部分比特幣礦場必須依託於西南地區或者內蒙古地區的小型發電站。
當前的比特幣網路全網算力為5000PH/S，而阿瓦隆即將釋出的Avaon741礦機單機算力為8TH/S，而功率為1150瓦，即使全網礦機全部更換為最新礦機，全網一天要消耗約1700萬度電力能源。無疑，這是一種巨大的能源浪費。
ASIC（Application Specific Integrated Circuit），即特定用途積體電路。不同於CPU，GPU的強通用性和相容性，也不同於FPGA在硬體結構上的高度可重構性，ASIC晶片一般只對特定的運算進行最佳化，屬於一種單一功能的積體電路。但是，就是由於其只對特定運算進行最佳化，所以ASIC在運算效率上具有巨大的優勢，且功耗也控制的相對較低。
如下圖所示，從創世區塊到第26萬號區塊，挖礦難度值似乎沒有什麼增長。相對於26萬號區塊之後的巨大難度值，之前的挖礦難度只能用簡單來形容。然而，約26萬區塊號之後，比特幣區塊的難度值急劇增加。這從側面也反映了比特幣全網算力的大幅度提高。實際上，比特幣的全網算力從創世區塊的約7MH/S已增至如今的約5000PH/S，比特幣的算力已經增加了7000億倍。而第26萬號區塊正是出現在2013年底，這與比特幣ASIC挖礦裝置出現的時間點非常吻合。
現今比特幣挖礦裝置早已跨入了ASIC時代，而使用ASIC晶片來進行人工智慧相關的基礎計算才剛剛興起。
人工智慧領域中，深度學習目前被廣為關注。2016年3月，谷歌的AlphaGo與韓國棋手李世石的對決中取得了4:1的成績。而後，化名Master的AlphaGo升級版於2016年12月至2017年1月對戰世界頂尖的44名棋手，最後取得了60連勝的成績。深度學習演算法絕大多數可以被對映為底層的線性代數運算。線性代數運算有兩大特點：一是Tensor的流動非常規整且可預期；二是計算密度很高。這兩大特點使得深度學習特別適合做硬體加速。
值得注意的是，AlphaGo與李世石的對弈中使用了170個GPU和1200個CPU；而AlphaGo Master則僅使用一個TPU單機版。TPU（Tensor Processing Unit），即張量處理單元，是一款為機器學習而定製的ASIC晶片。由此可見，比特幣礦機和人工智慧深度學習具有可比性，它們都是依賴於底層的晶片進行大規模平行計算，使用ASIC晶片可以大幅提高運算效率。
除了人機對弈，蘋果的Siri智慧語音助手也採用了機器學習技術來增強其理解和執行使用者的自然語言的能力。同樣，採用人工智慧技術的Tesla智慧駕駛系統也極大地提升了使用者的駕駛體驗。而亞馬遜採用人工智慧技術開發的購物預測系統能夠更加精準的推薦給客戶合適的商品。
因此，比特幣礦工使用ASIC裝置在挖礦過程中計算的雜湊值毫無價值，而執行於ASIC晶片之上的人工智慧則給人類帶來了諸多益處。
當前礦工的的每日平均收益為7.22元每THash。如果自己的礦機執行一天的成本高於這個值，則礦工實際上就處於虧損狀態。而淘汰下來的ASIC礦機就沒有任何用武之地。
比原鏈重新設計一種不同於比特幣的雜湊運算PoW共識機制，引入了矩陣運算與卷積運算，這樣就能讓人工智慧運算充分利用比原鏈的挖礦裝置。在這種情況下，礦機市場巨大的經濟利益能夠極大地加速人工智慧ASIC晶片的發展，加快人工智慧的研究。反過來，人工智慧的快速發展也產生了更多的ASIC礦機需求。因此，這是一種正向反饋良性發展的過程。
國家發改委在《“網際網路+”人工智慧三年行動實施方案》中提出，到2018年國內的人工智慧市場應用規模要達到千億級別。類比於雲端計算，由於雲端計算的快速發展，作為雲端計算的基礎設施，因特爾的伺服器業務有30%提供給了雲端計算公司。而僅亞太地區，伺服器廠商的銷售額就增長了9.7%。類似於雲端計算的迅猛發展對伺服器市場的促進作用，可以預料，當人工智慧的市場規模達到千億級別之後，ASIC晶片的市場規模勢必也能達到百億級別。而比原鏈對人工智慧ASIC晶片友好型PoW演算法勢必將挖礦閒置或者淘汰下來的礦機充分利用。
在倡導環保，資源重複利用的今天，能夠使得閒置礦機得以造福人工智慧發展，這本身就是一種巨大的進步。
