早期区块链的共识机制（尤其是交易的顺序执行特点）降低了扩展性、限制了节点算力的发挥。区块链并行执行能够显著提升了网络的吞吐量和扩展性，目前已成为一个重要的发展方向。并行执行下，如何处理交易冲突又产生了确定性并行和乐观并行等技术方向；另外，交易执行与共识解耦、流水线模型以及链下计算都在挖掘并行执行的效能，使得单节点服务器的算力性能得到了发挥的空间。这些努力，又进一步使得硬件性能（如GPU的优秀并行处理能力）成为区块链发展的又一推动力。
　　并行执行的好处是显而易见的，核心是如何确保并行执行不会降低系统共识。一旦同时执行的两笔或多笔交易是互相冲突的，那需要重新处理这些交易，这是区块链并行执行面临最重要的问题。如何处理交易冲突又产生了确定性并行（deterministic parallelism）和乐观并行（optimistic parallelism）等技术方向。另外，交易执行与共识解耦、流水线模型都在挖掘并行执行的效能。链下计算的思路又进一步释放了限制，使得单节点服务器的算力性能得到了发挥的空间。这些努力，也许会使得算力性能成为区块链发展的又一推动力。
　　Move语音生态、Monad、Nervos等在不同技术路线和框架下进行了并行执行的探索。在交易执行方面，Move的并行处理相较Solidity（以太坊的编程语言）带来区块链扩展性的极大提升。并行执行（PE）通过识别独立交易并同时执行，这极大提升了区块链的扩展性。Monad采用流水线模型来提升并行执行的性能，流水线模型——顾名思义，是一种将任务分解为几个小任务，然后在这些小任务间实现并行处理——这像极了流水线。AO是构建于AR上的一台“超并行计算机”，提供去中心化信任的的协作计算范式，更为关键的是，由于上面提到的类似SCP的计算模式，AO的计算性能不受任何实际规模限制——相对于一致共识的区块链网络来说，从另外一个角度打破了不可能三角。它将区块链网络的去中心化信任的优势与传统计算机的高性能和可扩展性相结合，相当于解放了每个计算节点的算力。Nervos CKB继承了比特币UTXO的架构并创建了Cell Model（细胞模型），这是一种作为状态存储的通用UTXO模型，保持了UTXO的简单性和一致性。在CKB中，所有状态都存储在Cell中，计算在链下完成，由节点进行交易验证、上链。
　　区块链并行执行将算力和共识解耦，解放了算力的应用场景，推动了区块链与AI的融合，因此其对硬件的新需求是一个新的焦点。GatlingX团队推出GPU-EVM，利用图形处理单元（GPU）的强大功能并行运行以太坊虚拟机。利用现代GPU在并行处理和通用计算方面卓越的能力，GPU-EVM并不是如之前那样按照交易内存池一个一个地顺序地执行任务，而是可以同时处理许多任务，提升交易速度和扩展性。借助GPU-EVM强大的能力，用于训练与EVM交互的AI模型，对区块链扩展（包括L1和L2层）有着突破性的意义。Apus Network使用类似于乐观汇总系统的交互式欺诈证明协议，使区块链系统能够执行AI模型推理。基于AO和Arweave的架构，可以很容易地实现乐观汇总系统下的交互式欺诈证明协议，它可以在AO上实现Trustless AI模型训练。由于Apus Network并非专门为智能合约设计，因此它不需要被WebAssembly（Wasm）的设计限制用于AI推理，在AO上实现Trustless AI的目标。
　　风险提示：区块链技术研发不及预期；监管政策的不确定性；Web3.0商业模式落地不及预期