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。
目前零知识证明（ZKP）应用的主要2个方向：隐私和可验证计算，Aleo是隐私L1公链，同时兼具可编程性，像ZCash等虽然也是隐私公链，但是不具备可编程性。以太坊L2上的ZK-Rollup项目，属于可验证计算，我们之前的文章也分析过：重磅分析！为什么说FPGA或者ZK通用服务器在Aleo项目上机会是零？，在证明的需求量上完全不是一个级别。
由于Aleo在隐私模式下，每笔交易都需要生产零知识证明，而且需要在很短的时间内完成，这样生态的体验才是流畅的且能大规模发展，所以基于这个背景需求，才会有Aleo的隐私委托代理计算方案，也就是在诞生Aleo项目的论文中大篇幅讲解的：诞生Aleo项目的论文完整中文版翻译—Zexe实现去中心化的私有计算，Aleo芯片机，Aleo-ASIC，zktaoma或者maxsayss
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。