證明生成的過程中，約有60%的時間花在MSM上，其余時間由NTT/FTT主導。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，當處理大型數(shù)據(jù)向量時，例如6700萬個參數(shù)，乘法運算可能仍然很慢，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。

由于Aleo在隱私模式下，每筆交易都需要生產(chǎn)零知識證明，而且需要在很短的時間內(nèi)完成，這樣生態(tài)的體驗才是流暢的且能大規(guī)模發(fā)展，所以基于這個背景需求，才會有Aleo的隱私委托代理計算方案，也就是在誕生Aleo項目的論文中大篇幅講解的：誕生Aleo項目的論文完整中文版翻譯—Zexe實現(xiàn)去中心化的私有計算，Aleo芯片機，Aleo-ASIC，zktaoma或者maxsayss

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。

既然共識是POS的，自然也就不怕ASIC控制網(wǎng)絡，壓根也控制不了，也就不存在分叉的問題，而且從算法和定位的角度上來說，ASIC也是必然需求。Aleo芯片機，Aleo-ASIC，zktaoma或者maxsayss