●在算法過程中頻繁的數(shù)據(jù)混洗使得NTT難以在計(jì)算集群中分布，無法并行計(jì)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(yùn)行時(shí)需要大量帶寬。即使硬件操作很快，這可能也會導(dǎo)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(yùn)行NTT將需要通過網(wǎng)絡(luò)加載和卸載數(shù)據(jù)，這可能會大大降低操作速度。

綜上來看，內(nèi)存和帶寬是限制證明生成的主要瓶頸。對于顯卡來說，這里的內(nèi)存指的是顯存，并不是主板上的內(nèi)存，主板上的內(nèi)存主要是參與CPU的計(jì)算。當(dāng)然目前有些芯片技術(shù)可以打通主板上的內(nèi)存和顯存，讓內(nèi)存為顯存計(jì)算來用。

芯片的硬件指的是運(yùn)行指令的物理平臺，包括處理器、內(nèi)存、存儲設(shè)備等等。芯片數(shù)據(jù)中常出現(xiàn)的“晶體管數(shù)量”、“7nm制程”、“存儲”等，往往指的就是硬件參數(shù)。

軟件則包括固件、驅(qū)動程序、操作系統(tǒng)、應(yīng)用程序、算子、編譯器和開發(fā)工具、模型優(yōu)化和部署工具、應(yīng)用生態(tài)等等。這些軟件指導(dǎo)硬件如何響應(yīng)用戶指令、處理數(shù)據(jù)和任務(wù)，同時(shí)通過特定的算法和策略優(yōu)化硬件資源的使用。芯片數(shù)據(jù)中常出現(xiàn)的“x86指令集”、“深度學(xué)習(xí)算子”、“CUDA平臺”等，往往指的就是芯片軟件。

早在2021年，英偉達(dá)就曾公開表示過“禁止使用轉(zhuǎn)換層在其他硬件平臺上運(yùn)行基于CUDA的軟件”，2024年3月，英偉達(dá)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(zhuǎn)譯層在其他GPU上運(yùn)行CUDA軟件