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。

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。

雖然PoW的周期是10年，不代表說10年后ASIC就不需要了，只要隱私委托代理計算方案還存在，那么ASIC其實是一直需要的。

總結，從算法、定位和共識三個方面綜合來看，Aleo都和以往的其他公鏈項目有本質(zhì)上的差別，而ASIC對于Aleo來說是必需的硬件設備，就好比專用顯卡/芯片對于AI大模型訓練是一樣的道理，所以官方明確表態(tài)支持ASIC也在情理之中，而且無論從Token價格、內(nèi)存、帶寬、成本、回本周期等因素長期來看，ASIC都是選擇。

早在2021年，英偉達就曾公開表示過“禁止使用轉換層在其他硬件平臺上運行基于CUDA的軟件”，2024年3月，英偉達更是將其升級為“CUDA禁令”，直接添加在了CUDA的終用戶許可協(xié)議中，已禁止用轉譯層在其他GPU上運行CUDA軟件