從算法的角度上來看，Aleo屬于零知識證明（ZKP）賽道項(xiàng)目，復(fù)雜度是比大餅和以太坊算法都要復(fù)雜的。算法的核心計(jì)算我們之前也提過主要是MSM+NTT/FFT的計(jì)算，還會包含一些Hash運(yùn)算。這些計(jì)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(tài)的體驗(yàn)。

硬件層面，也就是所謂的硬件加速， CPU、GPU、FPGA、ASIC。CPU與GPU相比在大數(shù)據(jù)多任務(wù)處理上，肯定GPU更占優(yōu)勢。FPGA與GPU相比，在兼顧了靈活性的基礎(chǔ)上，無論是計(jì)算能力和功耗性能上都要更強(qiáng)，缺點(diǎn)是性價(jià)比太低。ASIC是的，其他的硬件形態(tài)都是無法比擬的。

證明生成的過程中，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。

按照官方的設(shè)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(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。