證明生成的過程中，約有60%的時間花在MSM上，其余時間由NTT/FTT主導。MSM和NTT都存在性能挑戰(zhàn)，通常的解決辦法：

●MSM可以在多線程上執(zhí)行，從而支持并行處理。然而，當處理大型數(shù)據(jù)向量時，例如6700萬個參數(shù)，乘法運算可能仍然很慢，并且需要大量的內(nèi)存資源。此外，MSM存在可擴展性方面的挑戰(zhàn)，即使在廣泛并行化的情況下也可能保持緩慢。

●在算法過程中頻繁的數(shù)據(jù)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(shù)據(jù)集中加載和卸載數(shù)據(jù)，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(nèi)存為16GB或更少，那么在100GB的數(shù)據(jù)集上運行NTT將需要通過網(wǎng)絡加載和卸載數(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的計算。當然目前有些芯片技術可以打通主板上的內(nèi)存和顯存，讓內(nèi)存為顯存計算來用。

芯片的硬件指的是運行指令的物理平臺，包括處理器、內(nèi)存、存儲設備等等。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、驅動程序、操作系統(tǒng)、應用程序、算子、編譯器和開發(fā)工具、模型優(yōu)化和部署工具、應用生態(tài)等等。這些軟件指導硬件如何響應用戶指令、處理數(shù)據(jù)和任務，同時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”、“深度學習算子”、“CUDA平臺”等，往往指的就是芯片軟件。