從算法的角度上來看，Aleo屬于零知識證明（ZKP）賽道項目，復雜度是比大餅和以太坊算法都要復雜的。算法的核心計算我們之前也提過主要是MSM+NTT/FFT的計算，還會包含一些Hash運算。這些計算主要目的是為了生成零知識證明，而生成證明的速度直接會影響生態的體驗。
●在算法過程中頻繁的數據混洗使得NTT難以在計算集群中分布，無法并行計算，并且由于需要從大型數據集中加載和卸載數據，在硬件上運行時需要大量帶寬。即使硬件操作很快，這可能也會導致速度變慢。例如，如果硬件芯片的內存為16GB或更少，那么在100GB的數據集上運行NTT將需要通過網絡加載和卸載數據，這可能會大大降低操作速度。
按照官方的設想和規劃未來在Aleo上每天的交易量都是上億美金的規模，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，但是現在更多的都是為AI訓練設計的專用芯片和機器。
芯片的硬件指的是運行指令的物理平臺，包括處理器、內存、存儲設備等等。芯片數據中常出現的“晶體管數量”、“7nm制程”、“存儲”等，往往指的就是硬件參數。
軟件則包括固件、驅動程序、操作系統、應用程序、算子、編譯器和開發工具、模型優化和部署工具、應用生態等等。這些軟件指導硬件如何響應用戶指令、處理數據和任務，同時通過特定的算法和策略優化硬件資源的使用。芯片數據中常出現的“x86指令集”、“深度學習算子”、“CUDA平臺”等，往往指的就是芯片軟件。