●在算法過程中頻繁的數據混洗使得NTT難以在計算集群中分布，無法并行計算，并且由于需要從大型數據集中加載和卸載數據，在硬件上運行時需要大量帶寬。即使硬件操作很快，這可能也會導致速度變慢。例如，如果硬件芯片的內存為16GB或更少，那么在100GB的數據集上運行NTT將需要通過網絡加載和卸載數據，這可能會大大降低操作速度。
綜上來看，內存和帶寬是限制證明生成的主要瓶頸。對于顯卡來說，這里的內存指的是顯存，并不是主板上的內存，主板上的內存主要是參與CPU的計算。當然目前有些芯片技術可以打通主板上的內存和顯存，讓內存為顯存計算來用。
目前零知識證明（ZKP）應用的主要2個方向：隱私和可驗證計算，Aleo是隱私L1公鏈，同時兼具可編程性，像ZCash等雖然也是隱私公鏈，但是不具備可編程性。以太坊L2上的ZK-Rollup項目，屬于可驗證計算，我們之前的文章也分析過：重磅分析！為什么說FPGA或者ZK通用服務器在Aleo項目上機會是零？，在證明的需求量上完全不是一個級別。
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，在這樣大數據量的要求下，每時每刻都有證明需要被委托出去在極短的時間內完成證明的生產，不可能指望顯卡能解決這個問題。就像AI大模型訓練一樣，早期數據量和參數少的情況下可以用消費級顯卡，但是現在更多的都是為AI訓練設計的專用芯片和機器。
