證明生成的過程中,約有60%的時間花在MSM上,其余時間由NTT/FTT主導。MSM和NTT都存在性能挑戰(zhàn),通常的解決辦法:
●MSM可以在多線程上執(zhí)行,從而支持并行處理。然而,當處理大型數據向量時,例如6700萬個參數,乘法運算可能仍然很慢,并且需要大量的內存資源。此外,MSM存在可擴展性方面的挑戰(zhàn),即使在廣泛并行化的情況下也可能保持緩慢。
由于Aleo在隱私模式下,每筆交易都需要生產零知識證明,而且需要在很短的時間內完成,這樣生態(tài)的體驗才是流暢的且能大規(guī)模發(fā)展,所以基于這個背景需求,才會有Aleo的隱私委托代理計算方案,也就是在誕生Aleo項目的論文中大篇幅講解的:誕生Aleo項目的論文完整中文版翻譯—Zexe實現(xiàn)去中心化的私有計算,Aleo芯片機,Aleo-ASIC,zktaoma或者maxsayss
按照官方的設想和規(guī)劃未來在Aleo上每天的交易量都是上億美金的規(guī)模,在這樣大數據量的要求下,每時每刻都有證明需要被委托出去在極短的時間內完成證明的生產,不可能指望顯卡能解決這個問題。就像AI大模型訓練一樣,早期數據量和參數少的情況下可以用消費級顯卡,但是現(xiàn)在更多的都是為AI訓練設計的專用芯片和機器。
既然共識是POS的,自然也就不怕ASIC控制網絡,壓根也控制不了,也就不存在分叉的問題,而且從算法和定位的角度上來說,ASIC也是必然需求。Aleo芯片機,Aleo-ASIC,zktaoma或者maxsayss