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(shì)。FPGA與GPU相比，在兼顧了靈活性的基礎(chǔ)上，無(wú)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(wú)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(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。

簡(jiǎn)單來(lái)說(shuō)，在其他參數(shù)相同或者差不多的情況下，內(nèi)存和帶寬綜合決定終某個(gè)硬件在Aleo項(xiàng)目上的算力大小。

帶寬這個(gè)概念估計(jì)很多人不是很了解，之前只是關(guān)注顯存，雖然說(shuō)目前Aleo官方還沒有正式公布的PoSW算法，但是從目前的表述來(lái)看把NTT/FFT這個(gè)漏洞堵上是個(gè)必然，而且本身零知識(shí)證明算法是對(duì)NTT/FFT有要求的。

按照官方的設(shè)想和規(guī)劃未來(lái)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(jí)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。