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。

零知识证明密码学的一些用例包括：

区块链和加密货币：Zcash 等区块链技术使用 ZKP 来保护交易隐私。一个人可以证明他们拥有足够的加密货币来进行交易，而无需透露其资金的确切金额。这在保证交易完整性的同时维护了隐私。