IOSG: من التخزين الساخن إلى الذاكرة الباردة، التخزين اللامركزي في عصر ازدهار التخزين الذكي

العنوان الأصلي: "IOSG｜من التخزين الساخن إلى الذاكرة الباردة: التخزين اللامركزي في عصر ازدهار التخزين الذكي"
المؤلف الأصلي: جاكوب تشاو، IOSG Ventures

مؤخراً، هبطت شركة تشانغشين للتخزين، المعروفة باسم "أول سهم تخزين محلي"، رسميًا في سوق تشي نكست وحققت زيادة مذهلة بنسبة 500%. على الرغم من أن قطاع التخزين بشكل عام لا يزال متأثرًا بتصحيحات السوق الأخيرة، إلا أن تخزين الذكاء الاصطناعي يتم إعادة تقييمه بشكل كبير من قبل رأس المال في الموجة الحالية من السرد التكنولوجي. في الوقت نفسه، وقع التخزين اللامركزي في مساحة الويب 3 في فترة طويلة من الصمت والفقدان. لماذا يظهر السوق مثل هذا التباين الشديد على الرغم من تصنيف كلاهما على أنه "تخزين"؟ الجواب الأساسي يكمن في الانحراف التام لوظائف القيمة الأساسية.

إعادة تقييم التخزين في عصر الذكاء الاصطناعي هي في الأساس احتفال بـ "كفاءة البيانات الساخنة"، تهدف إلى تحقيق أقصى استفادة من الاستخدام الحاسوبي والت monetization التجاري؛ بينما يلتزم التخزين اللامركزي بمقترح القيمة لـ "موثوقية البيانات الباردة"، مدافعًا عن عدالة البيانات، ومقاومة الرقابة، والذاكرة الطويلة الأمد للحضارة الإنسانية. الأول هو نظام كفاءة للبيانات الساخنة، بينما الأخير هو نظام ثقة للبيانات الباردة. لا شك أن السوق المالية الحالية تقف بقوة إلى جانب "الكفاءة"، لكن الحضارة الإنسانية تحتاج في النهاية إلى أساس ذاكرة غير قابلة للتغيير. لم تختف القيمة طويلة الأمد للتخزين البارد الموثوق؛ بل تكمن في الجانب المظلم من الدورات، تنتظر إعادة تسعيرها من قبل الأوقات.

لماذا أعيد التركيز على التخزين في سلسلة صناعة الذكاء الاصطناعي

في عصر تكنولوجيا المعلومات التقليدي، كان التخزين "عملًا يعتمد على السعة". كان مدراء تكنولوجيا المعلومات يركزون على تكاليف سعة الوحدة، وموثوقية الأقراص الصلبة، وخطط استعادة الكوارث، واستراتيجيات الأرشفة، ودورات تحديث المعدات التي تستمر من 3 إلى 5 سنوات. كان يُنظر إلى التخزين على أنه ملحق يتبع شراء الخوادم.

هذه الجولة من ازدهار التخزين ليست إحياء للدورات التقليدية، بل إعادة تسعير لقدرات تدفق البيانات المدفوعة بالذكاء الاصطناعي. في عصر النماذج الكبيرة، تحولت منطق التخزين من "السعة أولاً" إلى "الكفاءة أولاً"، مع التركيز على مقاييس متطرفة مثل معدلات تغذية GPU، وكتابات Checkpoint، وRAG ذات الكمون المنخفض للغاية. يمثل هذا قفزة في قيمة التخزين من "المكان النهائي للبيانات" إلى "القناة عالية السرعة لدخول البيانات إلى الحوسبة".

تطور اختناقات الموارد في بنية الذكاء الاصطناعي هو في الأساس معركة لملء "أثر البرميل". إن معدل الاستخدام الحقيقي للقوة الحاسوبية ليس إضافة خطية للأصول الفردية، بل هو تأثير مضاعف صارم: معدل الاستخدام الحقيقي للحوسبة = GPU × HBM × DRAM × SSD × الشبكة × نظام الملفات. أي نقص في حلقة واحدة سيؤدي إلى انهيار شامل للاستخدام الحاسوبي. في عصر الذكاء الاصطناعي، تحول التخزين لأول مرة من "مركز تكلفة" إلى "محرك كفاءة". هذه هي المنطق الأساسي وراء إعادة تسعير التخزين.

نظرة عامة على بنية تخزين الذكاء الاصطناعي: من أعضاء عرض النطاق الترددي HBM إلى أسس بحيرات البيانات

تخزين الذكاء الاصطناعي ليس مجرد كومة من الأجهزة الفردية، بل هو نظام معقد مرتبط بشكل وثيق، يتم جدولته هرميًا. في هذا النظام، تتركز القيمة الصناعية وتركيز رأس المال بشكل كبير على HBM، وأقراص SSD من الدرجة المؤسسية، ووحدات التحكم SSD، وبروتوكولات NVMe/CXL، وأنظمة التخزين عالية الأداء. لتفكيك تدفق قيمته بوضوح، نقوم بتصنيف بنية تخزين الذكاء الاصطناعي إلى أربعة مستويات أساسية من الأعلى إلى الأسفل:

· طبقة الذاكرة القريبة من الحوسبة (نواة النطاق الترددي): تهيمن عليها HBM، مدعومة بـ DRAM وتقنية تجميع الذاكرة CXL. تتصل هذه الطبقة مباشرة بتغليف GPU/CPU أو الحافلات، وتهدف إلى كسر "جدار الذاكرة"، وهي أول نقطة تفتيش تحدد ما إذا كان يمكن إطلاق القوة الحاسوبية بالكامل.

· طبقة التخزين الدائم عالي السرعة (محور الإدخال/الإخراج): المنطق الأساسي هو SSD من الدرجة المؤسسية = رقائق NAND + وحدات التحكم SSD + مسارات بيانات NVMe/PCIe. تتولى هذه الطبقة كتابات Checkpoint عالية التردد، وأحمال مجموعات التدريب الضخمة، وتخزين البيانات الساخنة RAG، وتعمل كأكثر زيادة تخزين دائم واضحة لمراكز بيانات الذكاء الاصطناعي.

· طبقة التخزين منخفض التكلفة وعالي السعة (أساس السعة): تتكون من HDDs، والتخزين البارد، وأنظمة أرشفة بحيرات البيانات. في مواجهة البيانات الخام متعددة الأبعاد المتوسعة بشكل متسارع، والسجلات التاريخية، والنسخ الاحتياطية للامتثال، لا تزال هذه الطبقة توفر ميزة TCO (إجمالي تكلفة الملكية) لا يمكن تعويضها.

· أنظمة تخزين الذكاء الاصطناعي وبرامج البيانات (دماغ الجدولة): تشمل أنظمة الملفات عالية الأداء، والتخزين الكائن الموزع، وقواعد بيانات المتجهات، وطبقات حوكمة بيانات RAG. ما يستهلكه الذكاء الاصطناعي حقًا ليس الأجهزة العارية، بل توفر البيانات المنظمة بشكل فعال، والمفهرسة، والمصرح بها من قبل مجموعة البرمجيات.

· كامتداد بيئي، لا يشارك التخزين اللامركزي مباشرة في سباق المستوى المللي الثاني للبيانات الساخنة للذكاء الاصطناعي، بل يركز على شهادة مجموعات البيانات العامة، وأصول بيانات تدريب الذكاء الاصطناعي، وأرشفة الذاكرة الباردة طويلة الأمد، مما يثبت مكانته البيئية الفريدة كـ "طبقة باردة موثوقة".

HBM: "عضو النطاق الترددي" الأقرب إلى القوة الحاسوبية في سلسلة تخزين الذكاء الاصطناعي

ذاكرة النطاق الترددي العالي (HBM) ليست تخزينًا تقليديًا، بل هي طبقة ذاكرة عالية النطاق الترددي بالقرب من GPU. مهمتها الأساسية ليست تخزين البيانات، بل "تغذية" البيانات باستمرار للقوة الحاسوبية بسرعة عالية جدًا. HBM هي الحلقة الأقرب والأكثر تحديدًا في سلسلة تخزين الذكاء الاصطناعي، مما يحدد مباشرة ما إذا كان يمكن "تغذية" GPU بشكل كافٍ، مما يجعلها عنق الزجاجة الحالي في سلسلة التوريد الأساسية.

البنية الأساسية لـ HBM هي "تكديس DRAM ثلاثي الأبعاد + تعبئة متقدمة 2.5D": من خلال التكديس العمودي TSV والتكامل غير المتجانس CoWoS، تحقق ضغطًا شديدًا لمسافة التخزين-الحوسبة، مما يؤدي إلى قفزة جيلية في النطاق الترددي. ليست الحواجز الصناعية لها مجرد تصميم DRAM، بل أيضًا الهندسة النظامية لعمليات تصنيع DRAM، وTSV، والتكديس الرقيق للغاية، والتعبئة، وتبديد الحرارة، والاختبار، وشهادات العملاء. أي عيب في العائد في أي حلقة سيؤدي إلى إلغاء تكديس HBM بالكامل.

حاليًا، فقط SK Hynix وSamsung وMicron يمكنهم الإنتاج بكميات كبيرة بشكل مستقر، مما يثبت خندقًا ثلاثيًا من عمليات تصنيع DRAM من الدرجة الأولى، وقدرات التعبئة، وشهادات العملاء من NVIDIA/AMD.

DRAM وCXL: أساس الذاكرة ونظام تجميع الذاكرة

تتناول HBM النطاق الترددي الشديد بالقرب من GPU، بينما يثبت DRAM أساس الذاكرة النظامية للخادم، ويحاول CXL كسر الحدود الفيزيائية لإعادة بناء تنظيم موارد الذاكرة في مراكز البيانات.

· DRAM: يحمل بشكل أساسي ذاكرات التخزين على جانب وحدة المعالجة المركزية، ومعالجة البيانات، وتخزين الحالة الوسيطة، وعمليات النظام، ويعمل كأكثر طبقة ذاكرة نظام أساسية للخوادم. يتمركز سوق DRAM العالمي بشكل كبير بين ثلاثة عمالقة هم SK Hynix وSamsung وMicron؛ تعتبر تشانغشين للتخزين (CXMT) متغيرًا أساسيًا في استبدال DRAM المحلي في الصين.

· CXL (رابط التعبير الحاسوبي): بروتوكول اتصال تماسك التخزين المؤقت من الجيل التالي لمراكز البيانات، يهدف إلى كسر قيود فتحات DIMM التقليدية، وسعة الذاكرة المحلية، وجزر موارد الذاكرة في الخوادم، مما يعزز تطور بنية الذاكرة نحو التوسع، والتجميع، والمشاركة. حاليًا، لا يزال CXL في المراحل المبكرة من الانتقال من دعم المنصة إلى النشر على نطاق واسع، مع قيمة معمارية عالية على المدى المتوسط والطويل؛ تشمل الشركات الأساسية Astera Labs وLanqi Technology.

أقراص SSD من الدرجة المؤسسية: محور البيانات المبني من NAND ووحدات التحكم وNVMe

تعتبر أقراص SSD من الدرجة المؤسسية هي الزيادات الأكثر أهمية في الأداء العالي المستمر لمراكز بيانات الذكاء الاصطناعي، حيث تقوم باستمرار "بتغذية" البيانات إلى وحدات معالجة الرسوميات بمعدل تدفق مرتفع للغاية، وزمن انتقال منخفض، وجودة خدمة مستقرة، مما يغطي دورة حياة تحميل بيانات التدريب، وكتابة Checkpoint، واسترجاع RAG، وتخزين الاستدلال، وتدفق السجلات.

في بنية تخزين الذكاء الاصطناعي، لا تعتبر SSDs أجهزة معزولة، بل هي نظام مرتبط بشكل وثيق، يمكن تقطيرها إلى المعادلة الصناعية: SSD من الدرجة المؤسسية = رقائق NAND + وحدات التحكم SSD + مسارات بيانات NVMe/PCIe. تمثل الطبقات الثلاث روابط مستقلة في سلسلة الصناعة:

· رقائق NAND (طبقة المواد الخام): تحدد كثافة التخزين وتكلفة الوحدة، بينما تدير وحدات التحكم إطلاق الأداء وعمر الخدمة. تشمل الشركات الممثلة Samsung وSK Hynix (Solidigm) وMicron وKioxia وWestern Digital وYangtze Memory Technologies.

· وحدات التحكم SSD (طبقة تمكين الأداء): تحدد إطلاق الأداء، وتصحيح أخطاء البيانات، واستقرار جودة الخدمة، وتوازن التآكل. تشمل الشركات الممثلة Phison وSilicon Motion وMarvell وMaxio.

· NVMe/PCIe (طبقة مسار البيانات): تحدد كفاءة نقل البيانات من التخزين إلى الحوسبة. بالتعاون مع تقنية GPUDirect Storage، تقلل من تذبذب ذاكرة وحدة المعالجة المركزية وتورط وحدة المعالجة المركزية، مما يخفف بشكل كبير من اختناقات الإدخال/الإخراج. تشمل الشركات الممثلة Broadcom وMarvell وAstera Labs.

HDD / التخزين البارد / الأرشفة: الأساس منخفض التكلفة لبحيرات بيانات الذكاء الاصطناعي

لن يقضي الذكاء الاصطناعي على HDDs. مع الطلب المتزايد على بيانات الفيديو والصورة من النماذج الكبيرة متعددة الأبعاد، بالإضافة إلى النمو المتسارع لسجلات الامتثال المؤسسية ومجموعات البيانات التاريخية، فإن الحاجة إلى تخزين البيانات الباردة منخفضة التكلفة تتزايد بشكل متزامن. في بنية تخزين الذكاء الاصطناعي، تتعاون SSDs وHDDs بطريقة طبقية بناءً على القيمة التجارية: تتعامل SSDs مع البيانات الساخنة وعالية التدفق، بينما تتحمل HDDs مسؤولية التخزين منخفض التكلفة وطويل الأمد. تشمل الشركات الممثلة Seagate وWestern Digital وToshiba.

مجموعة برامج تخزين الذكاء الاصطناعي: محور جدولة توفر البيانات

ما يستهلكه الذكاء الاصطناعي حقًا ليس الأقراص العارية، بل هي "خدمات البيانات" التي تم تنظيمها بدقة بواسطة مجموعة البرمجيات. تحول هذه البنية الأجهزة الأساسية إلى أصول معرفية يمكن للذكاء الاصطناعي الوصول إليها مباشرة، مقسمة إلى أربع طبقات:

· أنظمة التخزين عالية الأداء (أنظمة التوريد): تركز على التدفق المتزامن وزمن الانتقال المنخفض، وتعالج مشكلة "جوع البيانات" لمجموعات GPU من خلال أنظمة الملفات المتوازية، مما يضمن تدفقًا سريعًا للتدريب والاستدلال. الشركات الممثلة: VAST Data وWEKA وPure Storage.

· التخزين الكائن (بحيرات البيانات الخام): تركز على إدارة الكائنات والمفاتيح والبيانات الوصفية، وتدعم كميات هائلة من البيانات غير المهيكلة. لا تسعى لتحقيق زمن انتقال منخفض للغاية، بل تبني قاعدة سعة بخصائص منخفضة التكلفة وسحابية. الشركة الممثلة: AWS S3.

· قواعد بيانات المتجهات (طبقة الفهرسة الدلالية): تتحمل قواعد بيانات المتجهات مسؤولية تخزين وفهرسة واسترجاع المتجهات التي تم إنشاؤها بواسطة نماذج التضمين، مما يسمح للذكاء الاصطناعي بتحديد المحتوى ذي الصلة بدقة من المعرفة الواسعة. الشركات الممثلة: Pinecone وMilvus.

· طبقة بيانات RAG (طبقة استدعاء المعرفة): تتجاوز الاسترجاع البسيط، وتشمل تقسيم البيانات، والتنظيف، والتحكم في الأذونات، وتتبع الاقتباسات، مما يضمن أن البيانات المؤسسية يمكن استدعاؤها بأمان ودقة وقابلية للتتبع بواسطة النماذج الكبيرة. الشركة الممثلة: Databricks.

من التخزين الساخن للذكاء الاصطناعي إلى الذاكرة الباردة اللامركزية: تعظيم الكفاءة مقابل تعظيم الثقة

تخزين الذكاء الاصطناعي هو نظام مدفوع بالكفاءة بشكل كبير، مع تركيز وظيفة قيمته على تعظيم الإنتاج الحاسوبي. يحدد عرض النطاق الترددي لـ HBM ما إذا كان يمكن تغذية وحدات معالجة الرسوميات بشكل كافٍ، ويحدد تدفق SSD كفاءة القراءة والكتابة لمجموعات البيانات وكتابات Checkpoint، ويعتبر زمن الانتقال المنخفض أمرًا حيويًا لتجارب الوقت الحقيقي في RAG والاستدلال. تتقارب هذه المقاييس في النهاية إلى استخدام GPU وتكاليف الوحدة الرمزية، مما يحدد مباشرة الربحية التجارية لتطبيقات الذكاء الاصطناعي. الهدف النهائي من تخزين الذكاء الاصطناعي ليس الحفظ، بل التسريع، مما يخدم الإنتاجية.

على النقيض من ذلك، فإن وظيفة القيمة للتخزين اللامركزي مختلفة تمامًا. تتساءل عما إذا كانت البيانات ستظل موجودة بعد عشر سنوات، وما إذا كانت قد تم العبث بها، وما إذا كانت قادرة على تحمل الرقابة من نقطة واحدة. من خلال الإثباتات التشفيرية والشبكات الموزعة، تبني أساس بيانات عامة مفتوح للوصول ومحفوظة بشكل دائم. هدفها النهائي هو الدفاع عن الحقيقة المطلقة والاستقلال السيادي للبيانات، مما يخدم احتياجات العدالة ومقاومة الرقابة، وذاكرة المجتمع.

تخزين الذكاء الاصطناعي هو "التخزين الساخن" الذي يغذي الإنتاجية المستقبلية، بينما التخزين اللامركزي هو "الذاكرة الباردة" التي تحافظ على السجلات التاريخية التي لا يمكن محوها للحضارة الإنسانية. الأول يخدم الكفاءة، ويسعى إلى السرعة القصوى؛ بينما الأخير يخدم الثقة، مدافعًا عن الذكريات الصامتة. الأول يحدد مدى سرعة تشغيل النماذج، بينما الأخير يحدد ما إذا كانت الذكريات ستُمحى. حاليًا، تكافئ آليات السوق كفاءة الإنتاجية بلا تحفظ، مما يضع تخزين الذكاء الاصطناعي في المقدمة، بينما يبدو أن التخزين اللامركزي يعاني من انهيار التقييم وتراجع السرد.

رؤية وواقع التخزين اللامركزي

هناك العديد من مشاريع التخزين اللامركزي، ولكن بناءً على عقلية الصناعة والترسيب البيئي، لا تزال Filecoin وArweave هما الممثلان الرئيسيان. على الرغم من أن كلاهما ينتمي إلى "التخزين اللامركزي"، فإن فلسفاتهم المعمارية الأساسية تقريبًا مسارات مختلفة تمامًا - تقترب الأولى من مرونة AWS من خلال عقود السوق، بينما تقترب الثانية من أبدية المكتبات من خلال عقود اجتماعية لمرة واحدة.

· Filecoin: لقد بنت أكثر أنظمة الاقتصاد القابلة للتحقق اكتمالًا من خلال PoRep وPoSt. لا ينبغي أن تستمر في المنافسة مع AWS في التخزين السحابي من الدرجة الاستهلاكية، بل يجب أن تتحول نحو أصول بيانات الذكاء الاصطناعي، واستضافة مجموعات البيانات العامة، وأرشفة الامتثال، وتوفير سلاسل قابلة للتحقق لتدقيق النماذج وإثبات حقوق الطبع والنشر. المسار الضروري هو تغليفه كواجهة برمجة تطبيقات متوافقة مع S3 ودعم المدفوعات النقدية، مما يرفع من "سوق التخزين الرخيص" إلى "بنية تحتية للحوسبة القابلة للتحقق".

· Arweave: مع السرد القائل "دفع لمرة واحدة، تخزين دائم"، تحفز المعدنين على حفظ والوصول بسرعة إلى أكبر قدر ممكن، وخاصة البيانات التاريخية النادرة، من خلال آليات Blockweave وSPoRA. أفضل موقع لها هو كأرضية لذاكرة المجتمع البشرية - الحفاظ على سجلات حقوق الإنسان، وأدلة جرائم الحرب، والكنوز الثقافية، وأرشفة التاريخ القانوني والمالي، وتوفير ذاكرة طويلة الأمد يمكن الوصول إليها بشكل دائم لوكلاء الذكاء الاصطناعي. تكمن قيمة Arweave ليس في السرعة، بل في قدرتها على حمل الذاكرة المدنية عبر الدورات.

المشكلات التي تواجهها مشاريع التخزين اللامركزي مثل Filecoin وArweave لا تنبع من مقترحات القيمة غير الصحيحة، بل من عدم التوافق طويل الأجل في الإنتاج، وتجربة الاسترجاع، والطلب الحقيقي، والحوافز الرمزية. يكشف هذا عن فجوة كبيرة من المثالية التقنية إلى التطبيقات التجارية السائدة:

· عدم توافق الحوافز بين العرض والطلب: توسعت الشبكات المبكرة التي تمثلها Filecoin بسرعة من خلال الرموز ولكن لم تبن جانب الطلب بشكل قوي بما فيه الكفاية، مما أدى إلى قدرة ضخمة ولكن استخدام غير كافٍ وتحويل مدفوعات. لقد كافأت "يمكنني التخزين" بدلاً من "أحتاج إلى التخزين".

· نقص القدرة على تقديم الخدمة على مستوى المؤسسات: ليست الحواجز التي تواجه AWS هي الأقراص الصلبة، بل هي "نظام تشغيل البيانات" المكون من واجهات برمجة التطبيقات، وSLA، وإدارة الأذونات، وتدقيق الامتثال، والدعم الفني. تشتري المؤسسات "راحة البال"، وليس بنية تحتية تجريبية تتطلب منها التعامل مع المفاتيح واختيار العقد بنفسها.

· نقص في تجربة الاسترجاع: "التخزين" لا يساوي "الاسترجاع المستقر ومنخفض الكمون". تجعل تشتت العقد، والتوبولوجيا المعقدة، ونقص SLA الموحد من الصعب دعم تدفقات بيانات الذكاء الاصطناعي الساخنة، مما يجعلها أكثر ملاءمة للأرشفة الباردة الموثوقة وأصول البيانات.

· عدم كفاية الامتثال للخصوصية: لا يمكن ببساطة كتابة البيانات الخاصة بالمؤسسات في شبكة عامة دائمة؛ الحق في الحذف والثبات الدائم يتعارضان بطبيعتهم. يعد التخزين اللامركزي أكثر ملاءمة للبيانات العامة والأرشفة طويلة الأمد، بدلاً من استيعاب البيانات الخاصة الأساسية بشكل عشوائي.

· دورة تضخيم اقتصاد الرموز: تؤدي المالية في السوق الصاعدة إلى إخفاء الطلب غير الكافي، بينما يكشف انخفاض عائدات المعدنين في السوق الهابطة عن أوجه القصور التجارية. يمكن أن تبدأ الرموز العرض البارد ولكن لا يمكنها تلقائيًا إنشاء الطلب والإيرادات المستدامة.

تميل مشاريع التخزين اللامركزي الأخرى إلى التركيز على أنظمة بيئية محددة أو مسارات متخصصة: إن عقلية الصناعة عبر الدورات لـ Storj/Sia وتأثير السرد Web3 أضعف من Filecoin/Arweave؛ يرتبط BNB Greenfield/Walrus بأنظمة سلسلة عامة محددة مثل BNB أو SUI؛ تنتمي Celestia/EigenDA إلى طبقة توفر البيانات (DA)، وتخدم تأكيدات معاملات Rollup بدلاً من الأرشفة طويلة الأمد؛ تحاول مشاريع مثل 0G التي تمزج بين السرد الذكاء الاصطناعي/DA دمج التخزين، وتوفر البيانات، والحوسبة، وتسوية وكلاء الذكاء الاصطناعي في مجموعة من البنية التحتية الأصلية للذكاء الاصطناعي، لكن الطلب الحقيقي، وتبني المطورين، ودورات التجارة لا تزال بحاجة إلى التحقق.

الفرص المستقبلية للتخزين اللامركزي: بندول طويل الأجل بين الكفاءة والثقة

خلال الفترة الانفجارية من العوائد التكنولوجية، يتعقب رأس المال بشكل محموم الكفاءة، مع تعيين أصول مثل GPUs وHBM مكافآت عالية جدًا، مما يؤدي بشكل طبيعي إلى تهميش التخزين اللامركزي الذي يدعو إلى "الثقة والعدالة". ومع ذلك، فإن بندول التاريخ لن يبقى إلى الأبد على جانب الكفاءة. يمكن أن تؤدي أحداث مثل الحظر غير المعقول وحذف المحتوى من قبل المنصات الكبرى، واندلاع دعاوى حقوق الطبع والنشر للذكاء الاصطناعي التي تجبر على إثبات مصادر البيانات، والنزاعات الجيوسياسية التي تؤدي إلى نزاعات سيادة البيانات، واحتكارات البيانات التي تتسبب في اختفاء الأرشيفات العامة، وضغوط تنظيمية على امتثال بيانات تدريب النماذج إلى إعادة تقييم "التخزين الموثوق"، وقد تعكس الفرص المستقبلية للتخزين اللامركزي قيمة فريدة في الاتجاهات التالية:

· أصول بيانات الذكاء الاصطناعي: بناء "إثبات سلالة البيانات" استجابةً للضغوط التنظيمية والتدقيقية من خلال الإثباتات التشفيرية.

· مجموعات البيانات العامة والأرشيفات المدنية: تثبيت الأرشيفات المراقبة والتراث الثقافي، وبناء ذكريات لا يمكن تعويضها وغير قابلة للإزالة.

· الأرشفة الموثوقة وإثبات الامتثال: تحقيق الإثبات الذاتي الموثوق من خلال إثباتات Hash، وتوفير توثيق رقمي عالي المستوى.

· دمج تقنيات ZK/TEE/DID: حل التوترات المتعلقة بالخصوصية، والترقية من "بروتوكول التخزين" الفردي إلى "بنية تحتية موثوقة للبيانات".

· مسارات المنتجات غير المرئية: توفير واجهات برمجة تطبيقات متوافقة مع S3 والفواتير النقدية، مما يسمح للمستخدمين بشراء خدمات "الأرشفة الموثوقة" مباشرة.

تخزين الذكاء الاصطناعي والتخزين اللامركزي، أحدهما يسعى إلى كفاءة قصوى لتغذية رحلتنا إلى المستقبل؛ والآخر يدافع عن الذكريات الصامتة، ويحمي حقنا في النظر إلى الماضي. حاليًا، تكافئ السوق الكفاءة بلا تحفظ، مما يجعل التخزين اللامركزي يبدو صامتًا أو حتى منهارًا؛ ولكن مع زيادة عصر الذكاء الاصطناعي في احتكارات البيانات، ونزاعات حقوق الطبع والنشر، وهشاشة الذاكرة التاريخية، قد يرحب التخزين اللامركزي بإعادة تقييم القيمة في شكل "طبقات باردة موثوقة". قد تتحول الذكريات التي لا يمكن محوها بسهولة من قبل المنصات أو الشركات أو أي قوة واحدة من المثالية الرومانسية والمعتقدات الهامشية إلى بنية تحتية ضرورية.

الرابط الأصلي