從算法的角度上來看，Aleo屬于零知識證明（ZKP）賽道項目，復雜度是比大餅和以太坊算法都要復雜的。算法的核心計算我們之前也提過主要是MSM+NTT/FFT的計算，還會包含一些Hash運算。這些計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。

●在算法過程中頻繁的數(shù)據(jù)混洗使得NTT難以在計算集群中分布，無法并行計算，并且由于需要從大型數(shù)據(jù)集中加載和卸載數(shù)據(jù)，在硬件上運行時需要大量帶寬。即使硬件操作很快，這可能也會導致速度變慢。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)集上運行NTT將需要通過網(wǎng)絡加載和卸載數(shù)據(jù)，這可能會大大降低操作速度。

按照官方的設想和規(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，每時每刻都有證明需要被委托出去在極短的時間內(nèi)完成證明的生產(chǎn)，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(shù)據(jù)量和參數(shù)少的情況下可以用消費級顯卡，但是現(xiàn)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(diào)“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。