在分析之前，我們先看一下ASIC（Application Specific Integrated Circuit），中文全稱是“專用集成電路”。這里特別強(qiáng)調(diào)“專用”，“專用”意味著針對單一項(xiàng)目來說會更加有競爭力。相對比，GPU（顯卡）是通用計(jì)算處理芯片，所以在單一項(xiàng)目上來說“專用”肯定比“通用”更有競爭力。

從算法的角度上來看，Aleo屬于零知識證明（ZKP）賽道項(xiàng)目，復(fù)雜度是比大餅和以太坊算法都要復(fù)雜的。算法的核心計(jì)算我們之前也提過主要是MSM+NTT/FFT的計(jì)算，還會包含一些Hash運(yùn)算。這些計(jì)算主要目的是為了生成零知識證明，而生成證明的速度直接會影響生態(tài)的體驗(yàn)。

●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。

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