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。
綜上來看，內存和帶寬是限制證明生成的主要瓶頸。對于顯卡來說，這里的內存指的是顯存，并不是主板上的內存，主板上的內存主要是參與CPU的計算。當然目前有些芯片技術可以打通主板上的內存和顯存，讓內存為顯存計算來用。
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。
早在2021年，英偉達就曾公開表示過“禁止使用轉換層在其他硬件平臺上運行基于CUDA的軟件”，2024年3月，英偉達更是將其升級為“CUDA禁令”，直接添加在了CUDA的終用戶許可協議中，已禁止用轉譯層在其他GPU上運行CUDA軟件