在加密货币挖矿的世界里，以太坊（Ethereum）曾经是显卡矿工的“香饽饽”，其工作量证明（PoW）机制依赖GPU的算力，使得许多矿工纷纷投身其中，虽然以太坊已通过“合并”转向权益证明（PoS），不再依赖GPU挖矿，但回顾历史，了解特定算需求下对应显卡配置，对于理解矿机发展、评估二手显卡价值或进行其他基于GPU计算的探讨仍有意义，本文将聚焦于“以太坊矿机算力720M”这一指标,探讨哪些显卡能够达到或接近这一算力水平。
理解“720M算力”的含义
这里的“720M”通常指的是以太坊挖矿时的挖矿算力（Mining Hashrate），单位是MH/s（Megahash per second，即每秒百万次哈希运算），对于以太坊挖矿而言，这个算力值并非像比特币挖矿那样直接衡量SHA-256算法的哈希率，而是基于以太坊的Ethash算法，并结合了显卡的显存容量、带宽以及核心处理能力等因素综合得出的一个参考值，720 MH/s的算力在以太坊挖矿的鼎盛时期，属于一个相对中等偏上的水平，能够为矿工带来不错的回本速度和收益（这还要考虑电费、币价等动态因素）。
影响720M算力的关键显卡因素
要达到720 MH/s的以太坊挖矿算力，显卡的选择至关重要,主要考虑以下几点：
- 显存（VRAM）容量：Ethash算法对显存容量要求较高，因为需要存储大量的DAG数据，在挖矿难度不断提升的后期，DAG文件大小也随之增长，通常建议显卡显存至少为6GB，8GB或更高显存的显卡在挖矿后期更具优势，且能保证算力的稳定发挥,显存不足会导致算力大幅下降甚至无法挖矿。
- 显卡核心架构与性能：显卡的核心架构（如NVIDIA的Pascal、Turing、Ampere；AMD的GCN、RDNA等）直接影响其计算效率,新架构的显卡在相同功耗下能提供更高的算力。
- 显存带宽：高显存带宽有助于显卡更快地处理DAG数据,从而提升算力。
- 功耗与能效比：挖矿非常关注功耗，高算力同时伴随高功耗意味着更高的电费成本，选择能效比（算力/功耗）高的显卡更具经济性。
常见能达到或接近720M算力的显卡型号
以下是一些在以太坊挖矿鼎盛时期，经过合理优化后，算力能够达到或接近720 MH/s的常见显卡型号（实际算力会受驱动版本、挖矿软件、设置参数、温度、电压以及具体批次等因素影响，存在一定波动）：
NVIDIA显卡系列：
- GTX 1660 Super / GTX 1660 Ti：这两款显卡凭借其优秀的能效比，是当时中端矿机的热门选择，显存6GB，经过优化后算力通常在65-75 MH/s左右。要达到单卡720M，显然需要多卡并联，例如10-11张这样的显卡组合，但如果是单卡目标，720M对于GTX 1660系列来说是不现实的。
- RTX 2060 / RTX 2060 Super：RTX 2060（6GB显存）算力与GTX 1660系列相近，RTX 2060 Super（8GB显存）表现更好一些，单卡算力可能在70-80 MH/s左右，同样,单卡无法达到720M。
- RTX 3060（12GB显存）：这款显卡因其12GB大显存和不错的能效比，成为矿机市场的“新宠”，单卡算力通常在50-60 MH/s左右（早期可能更高，后期因限制有所降低）。要达到720M，大约需要12-14张RTX 3060。
- RTX 3070 / RTX 3080 / RTX 3090：这些高端显卡算力更强，例如RTX 3070（8GB）单卡算力约85-95 MH/s，RTX 3080（10GB/12GB）约100-115 MH/s，RTX 3090（24GB）则可达120-135 MH/s。要达到720M，RTX 3070需要约8张，RTX 3080约7张，RTX 3090约6张。
AMD显卡系列：
- RX 580 / RX 590：经典的挖矿卡，8GB显存，单卡算力通常在48-55 MH/s左右。要达到720M，大约需要13-15张。
- RX 5700 / RX 5700 XT：7nm工艺，能效比不错，RX 5700（8GB）算力约55-60 MH/s，RX 5700 XT（8GB）约60-65 MH/s。单卡无法达到720M，多卡并联下，RX 5700 XT约需要11-12张。
- RX 6600 / RX 6600 XT / RX 6700 XT / RX 6800 / RX 6800 XT / RX 6900 XT：RDNA2架构，能效比进一步提升，例如RX 6600 XT（8GB）单卡算力约50-55 MH/s，RX 6700 XT（12GB）约60-65 MH/s，RX 6800 XT（16GB）约95-105 MH/s，RX 6900 XT（16GB）约105-115 MH/s。RX 6800 XT约需要7张，RX 6900 XT约6-7张才能达到720M。
重要澄清：单卡还是多卡？
这里需要特别强调的是，
