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，通常的解決辦法：

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

由于Aleo在隱私模式下，每筆交易都需要生產零知識證明，而且需要在很短的時間內完成，這樣生態的體驗才是流暢的且能大規模發展，所以基于這個背景需求，才會有Aleo的隱私委托代理計算方案，也就是在誕生Aleo項目的論文中大篇幅講解的：誕生Aleo項目的論文完整中文版翻譯—Zexe實現去中心化的私有計算，Aleo芯片機，Aleo-ASIC，zktaoma或者maxsayss

按照官方的設想和規劃未來在Aleo上每天的交易量都是上億美金的規模，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。

身份驗證和身份驗證：ZKP 可用于確認身份，而不會泄露不必要的信息。例如，一個人可以在不提供確切出生日期的情況下證明自己已年滿 18 歲，或者在不共享密碼等敏感數據的情況下證明自己的身份。這可以限度地降低身份盜竊或未經授權訪問的風險。

多方計算（SMPC）：ZKP 可以促進多方之間的復雜交互，其中每一方都可以證明他們遵循商定的協議，而無需透露其私人輸入。這在各種場景中都很有用，例如保護隱私的數據挖掘、投票系統和分布式游戲。