證明生成的過(guò)程中，約有60%的時(shí)間花在MSM上，其余時(shí)間由NTT/FTT主導(dǎo)。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(dāng)處理大型數(shù)據(jù)向量時(shí)，例如6700萬(wàn)個(gè)參數(shù)，乘法運(yùn)算可能仍然很慢，并且需要大量的內(nèi)存資源。此外，MSM存在可擴(kuò)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。
如果熟悉以太坊PoW算法的應(yīng)該知道，它的算法并不像大餅的算法，算力大小是與內(nèi)存和帶寬正相關(guān)，這點(diǎn)上和Aleo的算法很像，所以我們看到在以太坊PoW算法上能做出有競(jìng)爭(zhēng)力的ASIC芯片機(jī)廠商屈指可數(shù)！
對(duì)比ASIC來(lái)說(shuō)，由于是專用的機(jī)器，利用某些技術(shù)可以把內(nèi)存和帶寬做的很大，甚至是4090的幾十倍，但是成本和功耗卻非常低，這就是ASIC的優(yōu)勢(shì)。
按照官方的設(shè)想和規(guī)劃未來(lái)在Aleo上每天的交易量都是上億美金的規(guī)模，在這樣大數(shù)據(jù)量的要求下，每時(shí)每刻都有證明需要被委托出去在極短的時(shí)間內(nèi)完成證明的生產(chǎn)，不可能指望顯卡能解決這個(gè)問(wèn)題。就像AI大模型訓(xùn)練一樣，早期數(shù)據(jù)量和參數(shù)少的情況下可以用消費(fèi)級(jí)顯卡，但是現(xiàn)在更多的都是為AI訓(xùn)練設(shè)計(jì)的專用芯片和機(jī)器。
再者對(duì)于隱私委托計(jì)算方案不僅可用于Aleo，也可用于其他需要生產(chǎn)證明的ZK項(xiàng)目，所以對(duì)于硬件的儲(chǔ)備和迭代是尤為重要的。