Tutto quello che c'è da sapere sulle GPU: definizione, utilizzi e futuro tecnologico

Introduzione

Le GPU (Graphics Processing Units), o unità di elaborazione grafica, sono componenti essenziali nell'informatica moderna. Inizialmente progettate per accelerare il rendering grafico nei videogiochi, le GPU svolgono oggi un ruolo fondamentale in vari settori tecnologici. Dal machine learning al mining di criptovalute, la loro versatilità e potenza di calcolo le rendono indispensabili.

Una GPU si distingue per la sua capacità di eseguire enormi calcoli paralleli. A differenza dei processori centrali (CPU), che gestiscono attività generali, le GPU sono specializzate nell'elaborazione simultanea di più dati. Questa architettura unica le rende ideali per applicazioni ad alta intensità di calcolo, come l'elaborazione video o le simulazioni complesse.

Perché interessarsi alle GPU?

Con l'avvento di tecnologie come l'intelligenza artificiale e la realtà virtuale, è fondamentale comprendere il funzionamento e le applicazioni delle GPU. Questi componenti influenzano non solo le prestazioni dei sistemi informatici, ma anche l'esperienza utente nei videogiochi, nel software di creazione grafica e nelle applicazioni scientifiche.

L'obiettivo di questo articolo è fornire una definizione completa e accessibile delle GPU, esplorandone al contempo le caratteristiche, il funzionamento, i vantaggi e i limiti. Che tu sia un appassionato di tecnologia, un giocatore appassionato o un professionista in cerca di informazioni, questa guida ti permetterà di comprendere meglio questo strumento indispensabile.

Panoramica degli argomenti trattati

In questo articolo tratteremo:

• • Le basi del funzionamento delle GPU.

• • Le differenze tra GPU integrate e dedicate.

• • Il ruolo delle GPU in vari campi come il gaming e il calcolo scientifico.

• • I criteri per scegliere una GPU adatta alle tue esigenze.

Oltre a questi elementi, esploreremo le tendenze future, le innovazioni tecnologiche e le opinioni degli utenti sui principali marchi del mercato come NVIDIA e AMD.

Grazie a questi contenuti dettagliati, avrete tutte le chiavi in mano per comprendere l'importanza delle GPU e il loro impatto sull'industria tecnologica.

Definizione e caratteristiche delle GPU

Che cos'è una GPU?

Una GPU (Graphics Processing Unit), o unità di elaborazione grafica, è un componente hardware progettato per elaborare ed eseguire calcoli grafici complessi. A differenza della CPU (Central Processing Unit), che è destinata a gestire le attività generali di un computer, la GPU è specializzata nell'elaborazione parallela massiva. Questo lo rende ideale per attività che richiedono la manipolazione simultanea di grandi quantità di dati, come il rendering di immagini 3D, l'elaborazione video o le simulazioni scientifiche.

Le GPU sono utilizzate in molti campi, dal gaming all'high performance computing (HPC). Sono anche un elemento essenziale per le applicazioni basate sull'intelligenza artificiale (IA), dove viene sfruttata la loro capacità di eseguire rapidamente calcoli matriciali.

Tipi di GPU: integrate vs dedicate

GPU integrata

Una GPU integrata è direttamente integrata nel processore principale o nella scheda madre. Condivide la memoria con il sistema principale, il che ne limita le prestazioni. Le GPU integrate sono adatte a compiti di base come:

• • Navigazione in Internet.

• • Visualizzazione di video.

• • Esecuzione di software leggero.

GPU dedicata

Una GPU dedicata è una scheda grafica indipendente con una propria memoria (VRAM). È progettata per prestazioni grafiche avanzate, ideali per:

• • Giochi in alta definizione.

• • Montaggio video o audio.

• • Modellazione 3D.

La scelta tra una GPU integrata e una dedicata dipende dalle esigenze dell'utente. Per i giocatori o i professionisti della creazione, una GPU dedicata è essenziale.

Caratteristiche tecniche delle GPU

Le seguenti specifiche definiscono le capacità di una GPU:

1. 1. Numero di core
   2. Più core possiede una GPU, più calcoli può eseguire contemporaneamente, migliorando così le prestazioni.

1. 1. Memoria video (VRAM)
   2. La VRAM è dedicata alla memorizzazione temporanea dei dati grafici. Una memoria più grande consente di gestire risoluzioni elevate e grafica complessa.

1. 1. Frequenza di clock
   2. Indica la velocità con cui la GPU può eseguire le istruzioni. Una frequenza più elevata si traduce in migliori prestazioni.

1. 1. Banda passante della memoria
   2. Misura la velocità di trasferimento dei dati tra la GPU e la VRAM, un fattore essenziale per evitare colli di bottiglia.

Queste caratteristiche influenzano direttamente le prestazioni di una GPU e devono essere prese in considerazione quando si sceglie un modello.

Come funzionano le GPU

Come funziona una GPU?

La GPU (Graphics Processing Unit) esegue compiti specifici attraverso un'architettura progettata per l'elaborazione parallela. A differenza di una CPU che gestisce istruzioni in serie, la GPU può suddividere un calcolo complesso in molteplici compiti più piccoli, elaborandoli simultaneamente. Questo approccio è essenziale per applicazioni che richiedono un elevato carico di calcolo, come videogiochi, rendering 3D o apprendimento automatico.

Principi di base dell'elaborazione parallela

• • Architettura massiccia di core: una GPU è dotata di migliaia di core, ognuno dei quali è in grado di elaborare in parallelo un'istruzione specifica. Questo la rende particolarmente performante per calcoli grafici e scientifici.

• • Pipeline grafica: nel rendering grafico, la GPU segue una serie di passaggi chiamati pipeline, che vanno dalla trasformazione dei vertici (geometria) al rendering dei pixel sullo schermo.

Fasi dell'elaborazione grafica

1. 1. Elaborazione dei vertici
   2. La GPU calcola la posizione di ogni vertice in una scena 3D, creando una base per la costruzione delle forme.

1. 1. Elaborazione dei frammenti
   2. Ogni pixel o frammento viene calcolato per determinarne il colore, la trama e le ombre.

1. 1. Rasterizzazione
   2. Questa fase trasforma le forme geometriche in pixel, visibili sullo schermo. I dati vengono convertiti in un'immagine 2D.

1. 1. Visualizzazione finale
   2. Una volta eseguiti tutti i calcoli, la GPU invia l'immagine al monitor tramite un'interfaccia come HDMI o DisplayPort.

Ottimizzazione delle prestazioni della GPU

Per migliorare il funzionamento di una GPU, è essenziale:

1. 1. Aggiornare i driver grafici
   2. I driver GPU ottimizzati garantiscono la compatibilità con il software e correggono i bug.

1. 1. Attivare le funzionalità avanzate
   2. Ad esempio, l'accelerazione hardware nel software consente di sfruttare appieno le capacità della GPU.

1. 1. Utilizzare strumenti diagnostici
   2. Software come GPU-Z o MSI Afterburner consentono di monitorare le prestazioni e le temperature.

Applicazioni delle GPU in diversi settori

Le GPU nel gaming

Il gaming (gioco) rimane una delle applicazioni più popolari delle GPU. Questi componenti consentono di produrre una grafica realistica e fluida grazie alla loro potenza di calcolo dedicata. Ecco come le GPU vengono utilizzate nel settore dei videogiochi:

1. 1. Rendering 3D
   2. Le GPU gestiscono modelli 3D, texture, ombre ed effetti di luce per offrire immagini coinvolgenti.
      • • Tecnologie come il ray tracing (tracciamento dei raggi) simulano il comportamento realistico della luce, migliorando il realismo.
   3. • • I giochi moderni richiedono GPU in grado di mantenere frame rate elevati (FPS) per un'esperienza fluida.

1. 1. Realtà virtuale (VR)
   2. Le GPU sono fondamentali per la realtà virtuale, poiché devono gestire due schermi (uno per ciascun occhio) con risoluzioni elevate e frequenze di aggiornamento elevate per evitare la nausea causata dalla latenza.

Le GPU nel calcolo scientifico

Le GPU svolgono un ruolo chiave nell'High Performance Computing (HPC), utilizzato in settori come la ricerca scientifica e l'analisi dei dati.

1. 1. Simulazioni fisiche e climatiche
   2. I ricercatori utilizzano le GPU per simulare fenomeni complessi come le previsioni meteorologiche o le interazioni molecolari.

1. 1. Analisi di grandi quantità di dati
   2. Nella gestione dei Big Data, le GPU consentono di elaborare rapidamente grandi quantità di dati grazie alla loro capacità di calcolo parallelo.

1. 1. Ricerca sanitaria
      • • Le GPU sono utilizzate nella modellazione delle proteine e nella ricerca di farmaci.
   2. • • Accelerano anche le analisi genetiche e l'elaborazione delle immagini mediche.

Le GPU nell'intelligenza artificiale e nell'apprendimento automatico

Le GPU hanno rivoluzionato il campo dell'intelligenza artificiale (IA) grazie alla loro capacità di elaborare grandi quantità di dati in parallelo.

1. 1. Addestramento dei modelli di IA
   2. Gli algoritmi di deep learning richiedono GPU per addestrare modelli complessi, in particolare nei campi del riconoscimento delle immagini, dell'elaborazione del linguaggio naturale e dei veicoli autonomi.

1. 1. Inference AI
   2. Le GPU eseguono previsioni basate su modelli pre-addestrati, rendendo possibili applicazioni come chatbot o consigli personalizzati.

Le GPU nel mining di criptovalute

Il mining di criptovalute è un altro campo in cui le GPU svolgono un ruolo essenziale. I miner utilizzano la potenza delle GPU per risolvere complesse equazioni crittografiche necessarie per convalidare le transazioni e creare nuove monete.

1. 1. Vantaggi delle GPU nel mining
      • • Efficienza energetica relativa rispetto alle CPU.
   2. • • Capacità di eseguire più calcoli contemporaneamente.

1. 1. Esempi di utilizzo
      • • Ethereum: prima del passaggio alla proof of stake, le GPU erano lo standard per il mining di Ether.
   2. • • Altcoin: altre criptovalute come Ravencoin o Ergo continuano a essere minate utilizzando le GPU.

Le GPU nelle applicazioni multimediali

I creatori di contenuti sfruttano le GPU anche per il montaggio video, la creazione grafica e la produzione musicale.

1. 1. Rendering video
   2. Le GPU accelerano il rendering di video in 4K e 8K, un aspetto essenziale per i videomaker.

1. 1. Progettazione grafica
   2. Software come Adobe Photoshop e Blender sfruttano le GPU per attività come l'editing delle immagini e la creazione di animazioni 3D.

1. 1. Streaming e codifica video
   2. Le piattaforme di streaming utilizzano le GPU per codificare i video in tempo reale, garantendo una trasmissione fluida.

Vantaggi e svantaggi delle GPU

I vantaggi delle GPU

Le GPU offrono una moltitudine di vantaggi in vari campi, il che le rende componenti essenziali per professionisti, ricercatori e appassionati di tecnologia.

1. 1. Massima elaborazione parallela
   2. Le GPU possono eseguire migliaia di calcoli contemporaneamente, il che le rende molto più efficienti delle CPU per alcune attività specifiche.
      • • Applicazioni: rendering grafico, apprendimento automatico, elaborazione video.

1. 1. Accelerazione delle prestazioni
   2. Grazie alla loro architettura, le GPU migliorano notevolmente le prestazioni delle applicazioni che richiedono molte risorse.
      • • Esempio: nei videogiochi, una potente GPU garantisce una grafica fluida e realistica con frame rate elevati.

1. 1. Versatilità
   2. Le GPU sono utilizzate in vari settori, dall'intelligenza artificiale al mining di criptovalute, passando per le simulazioni scientifiche e la progettazione grafica.

1. 1. Scalabilità
   2. Le moderne GPU offrono soluzioni scalabili grazie a funzionalità come il multi-GPU, che consente di aggiungere più schede per aumentare la potenza.

1. 1. Risparmio energetico in alcuni compiti
   2. Rispetto alle CPU, le GPU sono spesso più efficienti per compiti specifici, riducendo così il consumo energetico complessivo.

Gli svantaggi delle GPU

Nonostante i loro numerosi vantaggi, le GPU presentano anche alcuni limiti che è essenziale considerare.

1. 1. Costi elevati
   2. Le GPU dedicate, in particolare quelle ad alte prestazioni come le schede NVIDIA RTX o AMD Radeon, possono essere molto costose.
      • • Esempi: le schede di fascia alta possono superare i 1.000 €.

1. 1. Consumo energetico
   2. Le GPU dedicate consumano molta energia, il che può aumentare i costi operativi, soprattutto per applicazioni come il mining di criptovalute.

1. 1. Eccessivo calore
   2. Le GPU generano molto calore e richiedono sistemi di raffreddamento efficienti per evitare il surriscaldamento e preservarne la durata.

1. 1. Complessità di utilizzo
      • • La configurazione e l'ottimizzazione delle GPU per compiti specifici possono essere complesse e richiedere conoscenze tecniche.
   2. • • Esempio: per il mining di criptovalute, è spesso necessario regolare i parametri di overclocking e monitorare le temperature.

1. 1. Rapida obsolescenza
   2. Con i rapidi progressi tecnologici, le GPU diventano obsolete più velocemente di altri componenti. Le nuove generazioni offrono spesso miglioramenti significativi, rendendo i vecchi modelli meno attraenti.

1. 1. Limitazioni per alcuni compiti
   2. Le GPU non sono adatte a tutte le applicazioni. Ad esempio, per attività che richiedono un'elaborazione sequenziale, le CPU rimangono più performanti.

Tabella riassuntiva dei vantaggi e degli svantaggi

Vantaggi Svantaggi

Massiccia elaborazione parallela Costi elevati

Miglioramento delle prestazioni Elevato consumo energetico

Versatilità di utilizzo Produzione eccessiva di calore

Scalabilità con multi-GPU Complessità di configurazione

Risparmio energetico per alcuni compiti Rapida obsolescenza

Criteri di scelta di una GPU

Identificare le proprie esigenze prima dell'acquisto

La scelta di una GPU (Graphics Processing Unit) richiede un'analisi delle esigenze in base agli usi previsti. Ogni applicazione (gaming, creazione multimediale, calcolo scientifico, ecc.) impone requisiti specifici.

1. 1. Uso principale
      • • Gaming: privilegiare GPU dedicate con prestazioni elevate per il rendering grafico in tempo reale.
   2. • • Creazione multimediale: optare per schede grafiche con un grande VRAM (ad esempio 8 GB o più).
        • Calcolo scientifico e IA: cercare modelli con un'architettura ottimizzata per il calcolo parallelo (ad es. NVIDIA CUDA o AMD ROCm).
   3. • • Utilizzo di base: le GPU integrate sono sufficienti per l'ufficio e la navigazione in Internet.

1. 1. Budget
      • • Le GPU di fascia alta (ad es. NVIDIA RTX 4090) offrono prestazioni eccezionali, ma a un costo elevato (oltre 1.500 €).
        • Le GPU di fascia media (ad es. NVIDIA RTX 3060, AMD RX 6600) sono ideali per budget limitati pur rimanendo performanti.
   2. • • Le GPU di fascia bassa sono adatte a utenti occasionali o poco esigenti.

Caratteristiche tecniche da considerare

1. 1. Memoria video (VRAM)
   2. La memoria video è essenziale per il rendering grafico e le applicazioni ad alta intensità di dati.
      • • 4 GB: per giochi leggeri o attività di base.
   3. • • 8 GB: consigliati per giochi moderni e multitasking.
   4. • • 16 GB o più: necessari per il rendering 4K, la realtà virtuale e il machine learning.

1. 1. Architettura e generazione
      • • Le generazioni più recenti integrano tecnologie avanzate come il ray tracing o il DLSS (Deep Learning Super Sampling).
        • Esempio: le schede NVIDIA serie RTX 30xx superano di gran lunga le vecchie GTX in termini di prestazioni.

1. 1. Frequenza di clock e potenza di calcolo
   2. Una frequenza di clock elevata migliora le prestazioni complessive della GPU, ma deve essere accompagnata da una buona gestione termica.

1. 1. Connettività e compatibilità
      • • Verifica le uscite video (HDMI, DisplayPort) per assicurarti della compatibilità con i tuoi monitor.
        • Assicurati che l'alimentatore e il case siano compatibili con la GPU scelta.

Marchio ed ecosistema

1. 1. NVIDIA vs AMD
      • • NVIDIA: nota per le prestazioni superiori e le tecnologie esclusive come CUDA, DLSS e il ray tracing in tempo reale.
   2. • • AMD: offre alternative competitive con un ottimo rapporto qualità-prezzo e prestazioni ottimizzate per DirectX 12 e Vulkan.

1. 1. Schede personalizzate vs di riferimento
   2. Le schede di riferimento (Founder's Edition) sono prodotte da NVIDIA o AMD. I modelli personalizzati (Asus, MSI, Gigabyte) offrono sistemi di raffreddamento migliorati e talvolta frequenze di clock più elevate.

Tabella comparativa delle GPU più diffuse

Modello VRAM Uso consigliato Prezzo stimato

NVIDIA RTX 3060 12 GB Gaming 1080p/1440p 350-400 €

AMD RX 6700 XT 12 GB Gaming 1440p 400-450 €

NVIDIA RTX 4090 24 GB 4K, IA, calcolo scientifico 1800-2000 €

AMD RX 7900 XTX 24 GB Gaming 4K 1.100-1.200 €

Dove acquistare una GPU?

1. 1. Negozi fisici
      • • Vantaggi: possibilità di vedere il prodotto e chiedere consigli.
   2. • • Limiti: scelta a volte limitata e prezzi più alti.

1. 1. Siti online
      • • Amazon, LDLC e Newegg offrono un vasto catalogo di GPU con utili recensioni dei clienti.
        • Controlla sempre le condizioni di garanzia e di restituzione.

Sviluppi futuri e innovazioni delle GPU

Le tendenze attuali nelle tecnologie delle GPU

Le GPU (Graphics Processing Unit) sono in continua evoluzione per soddisfare le crescenti esigenze degli utenti in vari settori come il gaming, l'intelligenza artificiale e il calcolo ad alte prestazioni.

1. 1. Ray tracing in tempo reale
   2. Il ray tracing, che offre una grafica ultra realistica grazie a una simulazione precisa della luce, continua a migliorare.
      • • Le moderne GPU come la serie NVIDIA RTX utilizzano core specifici (RT core) per accelerare questi calcoli.
   3. • • AMD offre alternative con la sua tecnologia RDNA 3.

1. 1. Aumento della memoria video (VRAM)
   2. Le nuove generazioni di GPU aumentano la VRAM per soddisfare le esigenze delle applicazioni più esigenti, come i giochi in 4K e i progetti di modellazione 3D.

1. 1. Maggiore efficienza energetica
   2. Di fronte alle preoccupazioni ambientali, i produttori cercano di ottimizzare il consumo energetico delle GPU senza comprometterne le prestazioni.
      • • Esempio: NVIDIA e AMD stanno adottando processi di produzione più sottili (4 nm, 5 nm) per ridurre il calore e l'energia.

Le innovazioni future nelle GPU

1. 1. GPU quantistiche
   2. L'integrazione dei principi dell'informatica quantistica nelle GPU potrebbe trasformarne il funzionamento.
      • • Vantaggi attesi: prestazioni esponenziali per compiti specifici, come il deep learning e le simulazioni molecolari.

1. 1. GPU dedicate all'intelligenza artificiale
   2. Aziende come NVIDIA stanno sviluppando GPU progettate specificamente per i carichi di lavoro dell'IA.
      • • Esempi: la serie NVIDIA A100 è ottimizzata per l'addestramento di modelli di apprendimento profondo.
   3. • • Anche AMD e Intel stanno investendo in soluzioni simili.

1. 1. GPU cloud
   2. Con l'ascesa del cloud computing, le GPU nel cloud stanno diventando un'alternativa economica e accessibile per gli utenti che necessitano di prestazioni elevate senza investire in costosa hardware.
      • • Servizi popolari: Google Cloud, AWS e Microsoft Azure.

1. 1. Architettura CPU-GPU unificata
   2. I produttori stanno esplorando architetture integrate in cui CPU e GPU condividono una memoria comune, migliorando l'efficienza e riducendo le latenze.
      • • Intel sta lavorando a soluzioni ibride con i suoi prodotti Xe.
   3. • • AMD sta sfruttando il concetto con le sue APU (Accelerated Processing Units).

L'impatto delle GPU sulle criptovalute e sul metaverso

1. 1. Ottimizzazione per il mining
   2. Sebbene alcune criptovalute come Ethereum abbiano abbandonato il mining basato sulle GPU, altre continuano a dipendere da questa tecnologia.
      • • Esempio: il mining di criptovalute come Ravencoin o Ergo è ancora attivo con le GPU.

1. 1. Supporto per il metaverso
   2. Le GPU svolgono un ruolo centrale nella creazione e nell'interazione all'interno del metaverso, che richiede una grafica 3D complessa ed esperienze immersive.
      • • NVIDIA ha lanciato Omniverse, una piattaforma progettata per collaborare in mondi virtuali.

Sfide da superare

1. 1. Rarità delle risorse
   2. La crescente domanda di GPU sta causando carenze che si ripercuotono sui prezzi e sulla disponibilità.
      • • Esempio: la crisi dei semiconduttori ha avuto un forte impatto sul mercato delle GPU.

1. 1. Calore e dissipazione termica
   2. Le GPU ad alte prestazioni producono grandi quantità di calore. I sistemi di raffreddamento dovranno evolversi per gestire questi vincoli.

1. 1. Progressi del software
   2. L'innovazione hardware deve essere accompagnata da ottimizzazioni software, in particolare per i driver GPU e le librerie di calcolo.

Innovazione Descrizione Vantaggi

Ray tracing avanzato Miglioramento della simulazione della luce in tempo reale Grafica ultra-realistica

GPU quantistici Integrazione dell'informatica quantistica Prestazioni esponenziali

Cloud GPU Accesso alle GPU tramite il cloud Costi ridotti e scalabilità

Architettura CPU-GPU unificata Memoria condivisa tra CPU e GPU Riduzione delle latenze

Conclusione

Sintesi degli argomenti trattati

Le schede grafiche hanno rivoluzionato il panorama tecnologico, diventando indispensabili in settori diversi come il gaming, l'intelligenza artificiale, la ricerca scientifica e le criptovalute. La loro architettura parallela unica e la loro potenza di calcolo le collocano al centro delle moderne innovazioni tecnologiche.

• • Nel settore dei giochi, progressi come il ray tracing e le tecnologie DLSS o FSR migliorano l'immersione e le prestazioni.

• • Nell'intelligenza artificiale, le GPU consentono di addestrare modelli complessi, aprendo la strada ad applicazioni mediche, industriali e molto altro ancora.

• • Nel settore delle criptovalute, il loro ruolo è stato cruciale per il mining e lo sviluppo di nuovi progetti blockchain.

Tuttavia, nonostante il loro potenziale, le sfide legate al loro consumo energetico e ai loro costi rimangono ostacoli da superare.

Importanza delle GPU nel futuro tecnologico

Le GPU non sono solo componenti hardware. Incarnano una visione del futuro, in cui i big data e i calcoli complessi diventano elementi centrali della nostra vita quotidiana. La loro costante evoluzione promette di alimentare le prossime grandi rivoluzioni tecnologiche, dall'intelligenza artificiale generalizzata al calcolo quantistico.

Consigli per gli utenti

1. 1. Definisci le tue esigenze: prima di investire in una GPU, identifica con precisione i tuoi obiettivi (gaming, multimedia, IA, ecc.).

1. 1. Confronta i modelli: esamina attentamente le specifiche per garantire un acquisto adatto al tuo utilizzo.

1. 1. Considera il futuro: una GPU potente oggi potrebbe diventare obsoleta domani. Investire in modelli recenti e durevoli è essenziale.

Domande frequenti (FAQ)

Che cos'è una GPU e a cosa serve?

Una GPU, o Graphics Processing Unit, è un processore specializzato progettato per elaborare calcoli grafici complessi. Viene utilizzata nei giochi, nella creazione multimediale, nell'intelligenza artificiale e in molti altri campi.

Qual è la differenza tra una GPU integrata e una dedicata?

Una GPU integrata è integrata direttamente nel processore e condivide le risorse con la memoria di sistema. Una GPU dedicata ha una propria memoria (VRAM), offrendo prestazioni migliori per attività impegnative.

Quali sono le migliori GPU per il gaming nel 2024?

Modelli come la RTX 4070 Ti o la RX 7900 XT sono eccellenti per il gaming ad alta risoluzione con prestazioni ottimali.

Come faccio a sapere quale GPU è compatibile con il mio PC?

Controlla le specifiche della scheda madre (slot PCIe), l'alimentazione richiesta dalla GPU e lo spazio disponibile nel case.

Le GPU sono necessarie per il mining di criptovalute?

Sebbene il mining su GPU sia diminuito per criptovalute come Ethereum, rimane rilevante per altre valute che richiedono un'elevata potenza di calcolo.