证明生成的过程中，约有60%的时间花在MSM上，其余时间由NTT/FTT主导。MSM和NTT都存在性能挑战，通常的解决办法：
●MSM可以在多线程上执行，从而支持并行处理。然而，当处理大型数据向量时，例如6700万个参数，乘法运算可能仍然很慢，并且需要大量的内存资源。此外，MSM存在可扩展性方面的挑战，即使在广泛并行化的情况下也可能保持缓慢。
按照官方的设想和规划未来在Aleo上每天的交易量都是上亿美金的规模，在这样大数据量的要求下，每时每刻都有证明需要被委托出去在极短的时间内完成证明的生产，不可能指望显卡能解决这个问题。就像AI大模型训练一样，早期数据量和参数少的情况下可以用消费级显卡，但是现在更多的都是为AI训练设计的专用芯片和机器。
再者对于隐私委托计算方案不仅可用于Aleo，也可用于其他需要生产证明的ZK项目，所以对于硬件的储备和迭代是尤为重要的。
项目简介Aleo 是个使用零知识证明解决隐私问题，同时保证可编程特性的公链。具体而言，Aleo通过零知识证明保护用户隐私，包括隐藏参与者、金额、智能合约等交互细节，同时让用户有选择权（Aleo提供了可选择退出隐私模式，确保终的控制权属于用户，并可以自行选择他们所希望公开或隐藏的信息）；通过使用零知识密码学，还将智能合约执行转移到链下，支持各种Dapp，保证其可拓展性（每秒数千笔交易）。