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。

目前零知識(shí)證明（ZKP）應(yīng)用的主要2個(gè)方向：隱私和可驗(yàn)證計(jì)算，Aleo是隱私L1公鏈，同時(shí)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(xiàng)目，屬于可驗(yàn)證計(jì)算，我們之前的文章也分析過(guò)：重磅分析！為什么說(shuō)FPGA或者ZK通用服務(wù)器在Aleo項(xiàng)目上機(jī)會(huì)是零？，在證明的需求量上完全不是一個(gè)級(jí)別。

芯片的硬件指的是運(yùn)行指令的物理平臺(tái)，包括處理器、內(nèi)存、存儲(chǔ)設(shè)備等等。芯片數(shù)據(jù)中常出現(xiàn)的“晶體管數(shù)量”、“7nm制程”、“存儲(chǔ)”等，往往指的就是硬件參數(shù)。

軟件則包括固件、驅(qū)動(dòng)程序、操作系統(tǒng)、應(yīng)用程序、算子、編譯器和開發(fā)工具、模型優(yōu)化和部署工具、應(yīng)用生態(tài)等等。這些軟件指導(dǎo)硬件如何響應(yīng)用戶指令、處理數(shù)據(jù)和任務(wù)，同時(shí)通過(guò)特定的算法和策略優(yōu)化硬件資源的使用。芯片數(shù)據(jù)中常出現(xiàn)的“x86指令集”、“深度學(xué)習(xí)算子”、“CUDA平臺(tái)”等，往往指的就是芯片軟件。

為了打破英偉達(dá)一家獨(dú)大的局面，前任全球芯片老大英特爾和多年老對(duì)手AMD對(duì)標(biāo)CUDA都分別推出了OneAPI和ROCm，Linux基金會(huì)更是聯(lián)合英特爾、谷歌、高通、ARM、三星等公司聯(lián)合成立了民間號(hào)稱“反CUDA聯(lián)盟”的UXL基金會(huì)，以開發(fā)全新的開源軟件套件，讓AI開發(fā)者能夠在基金會(huì)成員的任何芯片上進(jìn)行編程，試圖讓其取代CUDA，成為AI開發(fā)者的開發(fā)平臺(tái)。