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(qiáng)調(diào)“專用”，“專用”意味著針對(duì)單一項(xiàng)目來(lái)說(shuō)會(huì)更加有競(jìng)爭(zhēng)力。相對(duì)比，GPU（顯卡）是通用計(jì)算處理芯片，所以在單一項(xiàng)目上來(lái)說(shuō)“專用”肯定比“通用”更有競(jìng)爭(zhēng)力。

軟件層面，在語(yǔ)言層面上，ZK更友好的格式，也會(huì)帶來(lái)加速生成的過(guò)程，比如Aleo的Leo語(yǔ)言。再就是算法本身的優(yōu)化，雖然說(shuō)有一定的優(yōu)化空間，但是要想有大的突破需要非常多的時(shí)間，畢竟?fàn)可娴胶芏鄶?shù)學(xué)問(wèn)題。

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。

●在算法過(guò)程中頻繁的數(shù)據(jù)混洗使得NTT難以在計(jì)算集群中分布，無(wú)法并行計(jì)算，并且由于需要從大型數(shù)據(jù)集中加載和卸載數(shù)據(jù)，在硬件上運(yùn)行時(shí)需要大量帶寬。即使硬件操作很快，這可能也會(huì)導(dǎo)致速度變慢。例如，如果硬件芯片的內(nèi)存為16GB或更少，那么在100GB的數(shù)據(jù)集上運(yùn)行NTT將需要通過(guò)網(wǎng)絡(luò)加載和卸載數(shù)據(jù)，這可能會(huì)大大降低操作速度。