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，通常的解決辦法：
●MSM可以在多線程上執行，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，即使在廣泛并行化的情況下也可能保持緩慢。
目前零知識證明（ZKP）應用的主要2個方向：隱私和可驗證計算，Aleo是隱私L1公鏈，同時兼具可編程性，像ZCash等雖然也是隱私公鏈，但是不具備可編程性。以太坊L2上的ZK-Rollup項目，屬于可驗證計算，我們之前的文章也分析過：重磅分析！為什么說FPGA或者ZK通用服務器在Aleo項目上機會是零？，在證明的需求量上完全不是一個級別。
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。
在分析之前，我們先看一下ASIC（Application Specific Integrated Circuit），中文全稱是“專用集成電路”。這里特別強調“專用”，“專用”意味著針對單一項目來說會更加有競爭力。相對比，GPU（顯卡）是通用計算處理芯片，所以在單一項目上來說“專用”肯定比“通用”更有競爭力。