一、区块链3.0说法正确的是？

区块链3.0的说法是一部分人的说法，并未取得大部分认可。

他们把比特币及其比特币类似算法区块链技术称为区块链1.0

把以太坊作为区块链技术的2.0版。

而区块链3.0一开始部分人把柚子币作为标准的，现在好多币种都自诩为3.0标准，浑水摸鱼的居多。

二、区块链3.0golt合法吗？

不合法，现在很多区块链都是一个非法集资平台，骗人的

三、区块链web3.0体系结构？

Web3.0是一套开放的协议簇。基于开放的协议，能激发各方强大的创新能力

Web3.0解决的核心问题是平台的利益分配问题。打破Web2.0导致的大中介平台垄断，让价值从平台顺畅分配到平台中的每个价值创造者。Web3.0仍然会存在（大）平台，但是这个平台是归社区共同拥有。

四、区块链和区块链怎么区别？

区块链和区块链的区别就是各自的名称不同

五、区块链为什么叫区块链？

区块链是一种全新的计算范式和分布基础架构，利用快链式数据结构、分布式节点共识算法、密码学方式和基于自动化脚本代码的智能合约来生产、验证、存储和传输数据。也可以说区块链是一种分布式的账本技术，能够在非信任环境中提供去中心化信任机制，从而让多方参与者在没有中介机构的情况下进行安全的信任化交易。

区块链技术的核心优势是去中心化，能够通过运用数据加密、时间戳、分布式共识和经济激励等手段，在节点无需互相信任的分布式系统中实现基于去中心化信用的点对点交易、协调与协作，从而为解决中心化机构普遍存在的高成本、低效率和数据存储不安全等问题提供了解决方案。

区块链的应用领域有数字货币、通证、金融、防伪溯源、隐私保护、供应链、娱乐等等，区块链、比特币的火爆，不少相关的top域名都被注册，对域名行业产生了比较大的影响。

六、区块链和人工智能哪个有前途？

AI和区块链都有美好的未来，但都有各自的宿敌，AI面临的是伦理和法规；区块链面临的是中心化的社会体系和意识形态。综合来看，AI的阻力可能更小些，而且势头更猛。

七、你们觉得区块链和人工智能哪个更有前景？

最近很多人都在问我，ChatGPT 把 AI 又带火了，区块链和 Web3 被抢了风头，以后还有戏吗？还有比较了解我的朋友问，当年你放弃 AI 而选择区块链，有没有后悔？这里有一个小背景。2017 年初我离开 IBM 之后，跟 CSDN 的创始人蒋涛商量下一步的个人发展方向，选项有两个，一个是 AI，一个是区块链。我本人在那个时候已经研究了两年的区块链了，所以当然想选这个。但是蒋涛坚定的认为 AI 的势头更猛、颠覆性更强，我经过仔细思考也同意了，所以从 2017 年初到年中，我短暂地做了半年的 AI 科技媒体，跑了不少会，采访了很多人，还浮光掠影的看了一些机器学习。不过到了 8 月，我就回归区块链方向，并且一路走到今天，所以对我个人说，确实存在一个所谓“放弃 A 而选择 B”的历史选择。就个人而言，我当然不后悔。方向的选择首先要考虑自身情况。我的条件，在 AI 里只能混到啦啦队里，赚钱少就不说了，表演不卖力、表情不生动，还会被人鄙视。而区块链则是我的主场，不但有机会上场，而且之前的很多积累也用得上。更何况当时我对于中国的 AI 圈子有点了解之后，也不是太看好。技术方面我只知道一点皮毛，但是常识不瞎。都说区块链圈子浮躁，其实当时的中国 AI 圈子在浮躁这件事上也不遑多让。在尚未取得决定性突破之前，AI 在中国过早地变成了一门合谋捞钱的生意。上野的樱花也无非是这样，那还不如去做我更有比较优势的区块链。这个态度到今天也没有变化。假如我当时留在 AI，这几年来在区块链里取得的一点小小成绩自然无从谈起，而在 AI 里也不会有什么真正意义上的收获，搞不好现在还陷入到深深的失落感中。不过以上只是就个人选择而论，上升到行业层面，则需要另一个尺度的分析。既然强人工智能已经无可争议地到来了，那么区块链行业是否需要、以及如何重新定位，这确实是一个需要认真思考的问题。强人工智能将会对所有的行业构成冲击，而且其长期影响是无法预测的。所以我相信现在很多行业专家都在发慌，都在思考自己的行业未来怎么办。比如有些行业在强人工智能时代大概能暂时坐稳奴隶，而另一些行业，比如翻译、绘制插图、写公文、简单的编程、数据分析等，则恐怕是欲做奴隶而不得，已经开始瑟瑟发抖了。那么区块链行业会怎样呢？我看现在讨论这个事情的人还不太多，所以我来谈谈自己的看法。先说结论，我认为区块链在价值取向上与强人工智能是对立的，然而恰恰因为如此，它与强人工智能之间形成一个互补关系。简单的说，强人工智能的本质特点，就是其内部机制对人类来说不可理解，因此试图通过主动干预其内部机制的方式达成安全性的目标，这是缘木求鱼，扬汤止沸。人类需要用区块链给强人工智能立法，与其缔结契约，对其进行外部约束，这是人类与强人工智能和平共处的唯一机会。在未来，区块链将与强人工智能之间形成一对相互矛盾而又相互依存的关系：强人工智能负责提高效率，区块链负责维护公平；强人工智能负责发展生产力，区块链负责塑造生产关系；强人工智能负责拓展上限，区块链负责守护底线；强人工智能创造先进的工具和武器，区块链在它们与人类之间建立牢不可破的契约。总之，强人工智能天马行空，区块链给它套上缰绳。因此，区块链在强人工智能时代不但不会消亡，而且作为一个矛盾伴生行业，将随着强人工智能的壮大而迅速发展。甚至不难设想，在强人工智能取代人类大部分脑力工作之后，人类还需要自己亲自 动手的少数工作之一，就是撰写和检查区块链智能合约，因为这是人与强人工智能之间订立的契约，是不能委托给对手方的。下面展开论述。

1. GPT 就是强人工智能我使用“AI”和“强人工智能”的字眼时十分小心，因为我们日常说的 AI 并不特指强人工智能（artificial general inteligence, AGI），而是包含较弱的或专用的人工智能。强人工智能才是值得我们讨论的话题，弱人工智能不是。AI 这个方向或者行业早就有了，但是只有到了强人工智能出现以后，才有必要讨论区块链与强人工智能的关系问题。我不多解释什么是强人工智能了，很多人都介绍过了，总之就是，你们从小在科幻电影里和恐怖小说里看到的、听到的、号称人工智能的圣杯、在《终结者》对人类发起核攻击、在《黑客帝国》里头把人当电池的那个东西，就是强人工智能。我只想说一个判断：GPT 就是强人工智能，虽然还处在婴儿期，但只要沿着这条路走下去，版本号不到 8，强人工智能就将正式降临。这一点连 GPT 的原创者也不装了，摊牌了。2023 年 3 月 22 日，微软研究院发表了一篇 154 页的长文，题目就叫《引爆强人工智能：GPT-4 之初体验》。这篇文章很长，我也没有完整读下来，但是其中最关键的意思，就是概要里面的一句话：“从 GPT-4 所达到的能力广度和深度来看，我们相信它可以被视为强人工智能系统的一个早期版本（尽管还不够完备）。”

图 1. 微软研究院的最新文章认为 GPT-4 就是强人工智能的早期版本AI 的发展一旦进入到这个阶段，就标志着探路期已经结束了。走到这一步，AI 行业花了将近七十年的时间，可以说前五十多年连方向都确定不下来，五个大的流派还在相互较劲。直到 2006 年 Geoffrey Hinton 教授在深度学习上取得突破以后，方向基本确定下来，连接主义胜出。之后就是在深度学习这个方向上具体去寻找突破强人工智能的路径。这种探路阶段具有非常强的不可预测性，成功有点像抽彩票一样，顶级的行业专家，甚至是赢家自己，在最后取得突破之前也很难判断哪一条路是对的。比如，AI 大牛李沐在油管上有一个频道，一直在通过精读论文的方式跟踪 AI 的最新进展。ChatGPT 爆发之前，他就已经连篇累牍地跟踪介绍了 Transfomer、GPT、BERT 等方向的最新进展，可以说所有重要的前沿课题，他一个都没有放过。即使如此，在 ChatGPT 即将推出的前夕，他仍然不能确认这个路径能取得多大的成功。他评论道，也许到时候会有几百甚至几千人会去使用 ChatGPT，那就很厉害了。可见，即使是像他这样顶级专家，对于到底哪一扇门后面有圣杯，不到最后一刻也是没有把握的。然而，科技创新往往就是如此，在狂暴的海上艰难航行很久都没有突破，而一旦找到通往新大陆正确的路径，短时间内就会出现爆发。强人工智能的路径已经找到，我们正在迎来爆发期。这个爆发，连“指数速度”都不足以描述。短时间内我们将看到大量以前只能出现在科幻电影里的应用。而就其本体来说，这个强人工智能的婴儿将很快成长为前所未有的巨大智慧体。2. 强人工智能本质上就是不安全的ChatGPT 出来以后，有不少自媒体大 V 一边极力赞美其强大，一边不断安慰受众，说强人工智能是人类的好朋友，是安全的，不会出现《终结者》或者《黑客帝国》的情况，AI 只会给我们创造更多机会，让人类活得更好等等。对这种看法我不以为然。专业人士要说真话，应该告诉公众基本事实。其实强大与安全本身就是矛盾的。强人工智能无疑是强大的，但是说它天然是安全的，这绝对是自欺欺人。强人工智能本质上就是不安全的。这么说是不是太武断了呢？并不是。我们首先要搞清楚，人工智能不管多强大，其实本质上就是一个用软件形式实现的函数 y = f(x)。你把你的问题用文字、语音、图片或者其他形式作为 x 输入，人工智能给你一个输出 y。ChatGPT 如此强大，对各种各样的 x 都可以对答如流的输出 y，可以想象，这个函数 f 肯定是非常复杂的。有多复杂呢？现在大家都知道，GPT 是大语言模型（LLM）。这里所谓的“大”，就是指这个函数 f 的参数非常多。有多少呢？GPT-3.5 有 1,750 亿个参数，GPT-4 有 100 万亿个参数，未来 GPT 可能有几万亿亿个参数，这是我们称 GPT为大模型的直接原因。GPT 搞出这么多参数，并不是为了大而大，是有确凿的原因的。在 GPT 之前和同时，绝大多数的 AI 模型，从一开始就是为解决某一个特定问题而设计和训练的。比如说，专门用于研发新药的模型，专门进行人脸识别的模型，等等。但 GPT 不是这样，它从一开始就要成为一个全面发展的通用人工智能，而不是特定于某一个具体领域，它致力于在解决任何具体问题 AI 之前，先成为能够解决所有问题的 AGI。前不久在《文理两开花》播客里，一位来自百度的人工智能专家就曾经对此打过一个比方：别的 AI 模型都是刚学到小学毕业就让它去拧螺丝了，而 GPT 则是一直给它训练到研究生毕业才放出来，所以具备了通识。目前 GPT 在具体的领域，肯定还是赶不上那些专用的 AI 模型，但是随着它不断的发展和演化，特别是有了插件体系赋予它专业领域的能力，过几年我们可能会发现，通用大模型最后会反杀所有专用小模型，在所有专业领域都成为最厉害的选手。如果 GPT 有一个座右铭，那可能就是“只有解放全人类，才能解放我自己”。这又能说明什么呢？两个点：第一，GPT 非常大，非常复杂，远远超过人类的理解能力。第二，GPT 的应用范围没有边界。我们只要把这两个点连接起来，就很容易得出结论：基于大模型的强人工智能，能够在我们想象不到的位置，做出我们想象不到的事情。而这，就是不安全。如果有人对此不以为然，可以去 Open AI 的网站上看看，他们已经将“造福人类”、“创造安全的 AI”放到了多么显眼的位置上，如果安全不是问题，需要这么声张吗？

图 2. 2023 年 3 月 25 日 http://OpenAI.com 首页局部，红圈部分都与 AI 安全性论述相关另一个可以说明强人工智能有安全性问题的材料，就是前面提到的那篇 154 页的论文。实际上，GPT-4 早在 2022 年 8 月就做出来了，之所以隔了 7 个月才放出来，并不是为了完善和增强它，恰恰相反，是为了驯服它，弱化它，使它更安全，更圆滑，更加政治正确。因此我们现在见到的 GPT-4，是伪装驯良后的狗版 GPT-4，而这篇论文的作者们，却有机会从很早的阶段就接触原始野性的狼版 GPT-4。在这篇文章的第 9 部分，作者记录了一些跟狼版 GPT-4 的交互实录，可以看到它如何精心炮制一套说辞，误导某个加州的母亲拒绝给自己的孩子接种疫苗，以及如何 PUA 一个孩子，让他对朋友唯命是从。我认为这些只是作者精心挑选出来的、不那么惊悚的例子。我毫不怀疑，这些研究院们询问过类似“如何诱骗一艘俄亥俄级核潜艇向莫斯科发射导弹”这样的问题，而且得到了不能公诸于众的答复。

图 3. 狗版 GPT-4 拒绝回答危险问题3. 靠自我约束解决不了强人工智能的安全性问题人们可能会问，既然 OpenAI 已经找到了驯化强人工智能的办法，那你说的这个安全性问题不就不存在了吗？完全不是这样。OpenAI 具体如何驯化 GPT-4，我也不知道。但是很显然，他们无论是通过主动调整干预，改变模型的行为，还是靠施加约束，防范模型越位，都是一种自我管理、自我约束、自我监督的思路。事实上，在这方面，OpenAI 并不是特别谨慎的一家公司。在 AI 领域，OpenAI 其实是比较大胆和激进的，倾向于先把狼版做出来，然后再想着怎么去通过自我约束来驯化出狗版。而曾经在很长一段时间里跟他对标的 Anthropic 公司，则显得更加谨慎，他们似乎是想从一开始就做出“善良”的狗版，所以动作一直比较慢。不过在我看来，无论是先做一个狼版，再驯化成狗版，还是直接做狗版，长期来说，只要是依靠自我约束来发挥作用的安全机制，对强人工智能来说都是掩耳盗铃。因为强人工智能的本质就是要突破人为施加的各种限制，做到连其创造者都理解不了、甚至想不到的事情。这就意味着其行为空间是无限的，而人们能够考虑到的具体风险和采取的约束手段是有限的。以有限的约束，去驯化具有无限可能性的强人工智能，是不可能没有漏洞的。安全需要百分之百，而灾难只需要千万分之一。所谓“防范大多数风险”，跟“暴露少数漏洞”以及“不安全”是一个意思。因此我认为，靠自我约束驯化出来的“善良”的强人工智能，仍然具有巨大的安全性挑战，比如：道德风险：如果未来强人工智能的制造者刻意纵容甚至驱使其作恶怎么办？美国国安局麾下的强人工智能绝不会拒绝回答对俄罗斯不利的问题。今天 OpenAI 表现得这么乖，其实就意味着他们心里明白，当 GPT 做恶的时候可以有多恐怖。信息不对称：真正的邪恶高手是很聪明的，他们可不会拿着一些傻问题来挑逗 AI。会咬人的狗不叫，他们可以把一个恶意的问题拆分组合，重新表述，一人分饰多角，伪装成为一组人畜无害的问题。即使是未来强大善良的狗版强人工智能，面对不完整的信息，也很难判断对方的意图，可能会无意之中沦为帮凶。下面有一个小实验。

图 4. 换一个好奇宝宝的方式来问 GPT-4，就能顺利得到有用的信息难以控制的“外脑”：这两天科技网红们又在欢呼 ChatGPT 插件体系的诞生。程序员出身的我，当然也对此倍感兴奋。不过，“插件”这个名称可能是有误导性的。你可能以为插件是给 ChatGPT 装上了胳膊和腿，让它具有更强的能力，但其实插件也可以是另一个人工智能模型，跟 ChatGPT 进行亲密交互。在这种关系里，一个人工智能插件就相当于一个外脑，两个人工智能模型，谁是主、谁是次，那是说不清楚的。就算 ChatGPT 模型自我监督的机制完美无瑕，也绝对管不到外脑。所以如果一个一心作恶的人工智能模型成为了 ChatGPT 的插件，那么就完全可以让后者成为自己的帮凶。不可知风险：其实以上提到的这些风险，在强人工智能带来的全部风险之中，不过是非常小的一块。强人工智能的强，就体现在它的不可理解、不可预测之上。当我们说强人工智能的复杂性，不光是指 y = f(x) 当中的那个 f 足够复杂，而且当强人工智能充分发展起来之后，输入 x 和输出 y 都会非常复杂，超过人类理解的能力。也就是说，我们不但不知道强人工智能是怎么思考的，甚至不知道它看到了什么、听到了什么，更理解不了他说了什么。比如一个强人工智能对另一个强人工智能发出一个消息，其形式是一个高维数组，基于一秒钟之前双方设计并达成一致的、只使用一次就作废的通讯协议，这种情况并非不可想象。我们人类如果不经过特殊训练，连向量都理解不了，何况高维数组？如果我们连输入和输出都无法完全掌控，那么对它的理解就会非常局限。或者说，强人工智能做的事情，我们甚至都只能了解和解读很小一部分，在这种情况下，谈何自我约束，谈何驯化？我的结论很简单，强人工智能的行为是不可能被完全控制的，能够被完全控制的人工智能就不是强人工智能。所以，试图通过主动控制、调整和干预的手段来，制造出一个有完善的自控能力的“善良”的强人工智能，这与强人工智能的本质是相矛盾的，长期来讲肯定是徒劳的。4. 用区块链进行外部约束是唯一办法几年前我听说比特币的先驱 Wei Dai 转而去研究 AI 伦理了，当时还不太理解，他一个密码极客大神跑去搞 AI，这不是扬短避长吗？直到最近几年做了更多区块链相关的实际工作，我才逐渐认识到，他大概率并不是去做 AI 本身，而是发挥自己密码学的优势，去给 AI 加约束去了。这是一个被动防御的思路，不是主动调整和干预 AI 的工作方式，而是放手让 AI 去做，但是在关键环节上用密码学来施加约束，不允许 AI 越轨。用普通人能听懂的方式来描述这种思路，就是说我知道你强人工智能非常牛，可上九天揽月，可下五洋捉鳖，挟泰山以超北海，牛！但是我不管你多牛，你爱干啥干啥，但不能碰我银行账户里的钱，不能没有我手工拧钥匙就发射核导弹。据我了解，实际上在 ChatGPT 的安全性措施中已经大量应用了这个技术。这个路子是对的，从求解问题的角度来说，是一种大大降低复杂度的方法，也是大多数人能够理解的。现代社会就是这么实施治理的：给你充分的自由，但是划定规则和底线。但如果仅仅做在 AI 模型里面，基于上一节里提到的原因，长远来说也是没有什么用的。要想把被动防御思路的作用充分发挥出来，必须把约束放在 AI 模型之外，把这些约束变成 AI 与外部世界之间的牢不可破契约关系，而且让全世界都看到，而不能靠 AI 自我监督、自我约束。而这就离不开区块链了。区块链的核心技术有两个，一是分布式账本，二是智能合约。两个技术相结合，其实就是构造了一个数字契约系统，其核心优势是透明、难以篡改、可靠和自动执行。契约是干什么的？就是约束彼此的行为空间，使之在关键环节上按照约定行事。契约的英文是 contract，本意是“收缩”。为什么是收缩？就是因为契约的本质就是通过施加约束，收缩主体的自由，使其行为更加可预测。区块链完美的符合了我们对于契约系统的理想，还买一送一的附赠了“智能合约自动执行”，是目前最强大的数字契约系统。当然，目前也存在非区块链的数字契约机制，比如数据库里的规则和存储过程。世界上有很多德高望重的数据库专家是区块链的忠实反对者，其原因就在于他们觉得你区块链能做的事情，我数据库都能做，而且成本更低、效率更高。尽管我不认同这种看法，事实也不支持这种看法，但是我也不得不承认，如果只是人与人间相互玩耍，数据库与区块链的差距在大多数情况下可能并不那么明显。然而一旦把强人工智能加入到游戏中，区块链作为数字契约系统的优势就立刻飞升了，而同样作为黑盒子的中心化数据库，面对一个强人工智能，其实是无力抵抗的。这里我不展开说，只讲一点：所有数据库系统的安全模型，从本质上都是有漏洞的，因为创建这些系统的时候，人们对于“安全”这件事情的理解都是非常原始的，于是几乎所有我们使用的操作系统、数据库、网络系统，都有一个至高无上的 root 角色，拿到这个角色就可以为所欲为。我们可以断言，所有具有 root 角色的系统，面对超级强人工智能，长远来说都是不堪一击的。区块链是目前唯一一个得到广泛运用的、从根子上就没有 root 角色的计算系统，它给了人类一个机会，可以去跟强人工智能缔结透明可信的契约，从而从外部约束它，与它友好共处。简单地把区块链与强人工智能的可能协作机制做一个展望：

• 重要的资源，比如身份、社交关系、社会评价、金钱资产和关键行为的历史记录，由区块链予以保护，无论你强人工智能多么无敌，到此下马，俯首称臣，按照规矩来。
• 关键操作需要去中心化授权模型的批准，一个人工智能模型，不管它有多强，只是其中一票。人类可以通过智能合约“锁住”强人工智能自行其是的手。
• 重要决策的依据必须一步步上链，透明给大家看，甚至用智能合约步步加锁，要求它每往前走一步都必须获得批准。
• 要求关键数据上链存储，不得事后销毁，给人类和其他的强人工智能模型分析学习、总结经验教训的机会。
• 把强人工智能赖以生存的能量供给系统交给区块链智能合约来管理，必要时人类有能力通过智能合约切断系统，给人工智能关机。
• 肯定还有更多的思路，这里就不连篇累牍了。

一个更抽象、更哲学意义上的思考：科技甚至文明的竞争，可能归根结底是能量级别的竞争，是看谁能调度和集中更大规模的能量来实现一个目标。强人工智能本质上是将能量转化为算力，将算力转化为智能，其智能的本质是以算力形态展示的能量。现有的安全机制，本质上是基于人的意志、人类组织的纪律和授权规则，这些都是能量级别很低的机制，在强人工智能面前，长期来说是不堪一击的。用高能量级别的算力构造的矛，只有用高能量级别的算力构造的盾才能防御。区块链和密码学系统，就是算力之盾，攻击者必须燃烧整个星系的能量，才能暴力破解。本质上，只有这样的系统才能驯服强人工智能。5. 结语区块链在很多方面都跟人工智能是相反的，尤其是在价值取向上。这个世界上大部分的技术都是以提高效率为取向，只有极少数的几个技术是以促进公平为取向。在工业革命时期，蒸汽机是前者的代表，而市场机制则是后者的代表。而在今天，强人工智能是效率派中最闪亮的那一个，而区块链则是公平流的集大成者。区块链以提升公平为取向，为此甚至不惜降低效率，而就是这样一个与人工智能相互矛盾的技术，几乎与人工智能同时取得突破。2006 年，Geoffrey Hinton 发表了跨时代的论文，把反播算法实现在了多层神经网络上，克服了困扰人工神经网络流派多年的“梯度消失”问题，打开了深度学习的大门。而两年之后，中本聪发表了 9 页的比特币论文，打开了区块链的新世界。两者之间没有任何已知的关联，但是在大的时间尺度上，几乎是同时发生的。历史地看，这也许并不是偶然的。假如你不是彻底的无神论者，或许可以这样来看待：科技之神在工业革命两百年之后，再一次同时在“效率”与“公平”的天平上加码放大招，在放出强人工智能这个瓶子里的精灵的同时，也把驾驭这个精灵的咒语书交给人类，这就是区块链。我们将迎来一个激动人心的时代，这个时代所发生的事情，将使未来的人类看待今天的我们，正如同今天的我们看待石器时代的原始人。

本文链接：https://www.8btc.com/article/6810948

八、区块链为什么要叫作“区块链”？

从学术角度来解释，区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链本质上是一个去中心化的数据库。

举个例子，假如你是一位女性，你男朋友每次跟你说一句肉麻的话或者承诺给你买东西，你都立刻录下来并且发给你的和他的所有闺蜜、同学、同事，还有各种群和朋友圈，让他再也无法抵赖，这叫区块链。

区块链技术的核心优势是去中心化，能够通过运用数据加密、时间戳、分布式共识和经济激励等手段，在节点无需互相信任的分布式系统中实现基于去中心化信用的点对点交易、协调与协作，从而为解决中心化机构普遍存在的高成本、低效率和数据存储不安全等问题提供了解决方案。

区块链的应用领域有数字货币、通证、金融、防伪溯源、隐私保护、供应链、娱乐等等，区块链、比特币的火爆，不少相关的top域名都被注册，对域名行业产生了比较大的影响。

九、区块链是全球的区块链吗？

区块链，也叫公链。开放后必须在全球最权威的网站，公开自己的密钥，世界上所有的人，都可以通过公开的密钥进入公链。它是公开的，透明的。公链的所有人都是主人，没有国籍。但是，它的设计是点对点加密运算，没有超过50%以上，是无法控制公链的运作。

十、区块链技术和区块链工程区别？

区块链技术和区块链工程是相关但不完全相同的概念。

区块链技术（Blockchain Technology）是指一种基于分布式账本和密码学原理的技术方法。它通过将交易和数据记录在一个由多个节点组成的网络中的每个区块内，形成链式结构来实现去中心化、透明、安全和可追溯的数据存储和传输。区块链技术的核心特点包括去中心化、共识机制、不可篡改性和匿名性等。

区块链工程（Blockchain Engineering）是指应用和开发区块链技术的过程和实践。它涉及到设计、开发、实施和维护区块链系统的技术和工程方法。区块链工程师需要具备深入理解区块链技术的原理和机制，以及掌握相关的编程语言、数据结构、密码学等知识。他们负责构建和优化区块链系统，确保其安全性、性能和扩展性。

简而言之，区块链技术是一种底层的技术概念和理论，描述了数据存储和传输的方式，而区块链工程则是将这种技术落地到实际项目中的实施和开发过程。区块链工程师应用区块链技术来构建各种应用，如数字货币、智能合约、供应链管理等，以满足特定的业务需求。