От горячего хранения к холодной памяти: Децентрализованное хранение в эпоху AI на фоне бума хранилищ

Автор: Jacob Zhao @ IOSG

Сегодня «первая в Китае акция хранения данных» Changxin Storage официально вышла на доску GEM и взорвала рынок ошеломительным ростом на 500%. Хотя сектор хранения данных в целом по-прежнему испытывает отголоски коррекции, хранилища AI по-прежнему безумно переоцениваются капиталом на волне текущей технологической нарративной волны. В то же время децентрализованное хранение в сфере Web3 погрузилось в длительный застой и упадок. Почему, имея одно и то же название «хранение», рыночные результаты столь противоположны? Причина коренится в фундаментальном расхождении базовых функций ценности.

Переоценка хранения в эпоху AI, по сути, — это праздник «эффективности горячих данных», служащий максимизации утилизации вычислительной мощности и коммерческой монетизации; в то время как децентрализованное хранение отстаивает ценностное предложение «доверия к холодным данным», защищая справедливость данных, устойчивость к цензуре и долгосрочную память человеческой цивилизации. Первое — это система эффективности горячих данных, второе — система доверия холодным данным. Текущий рынок капитала, несомненно, решительно стоит на стороне «эффективности», но человеческой цивилизации в конечном итоге всё равно необходима неизменяемая основа памяти. Долгосрочная ценность надежного холодного хранения никогда не исчезала, она просто скрывается в тени цикла, ожидая своей переоценки эпохой.

В эпоху традиционных ИТ хранение было «бизнесом объёма». Корпоративные CIO фокусировались на стоимости единицы ёмкости, надёжности дисков, решениях по аварийному восстановлению, стратегиях архивирования и обновления оборудования в течение 3–5 лет. Хранение рассматривалось как дополнение к закупкам серверов.

Текущий бум хранения — не восстановление традиционного цикла, а переоценка способности данных к перемещению со стороны AI. В эпоху больших моделей логика хранения качественно изменилась с «приоритета объёма» на «верховенство эффективности», с упором на скорость загрузки GPU, запись контрольных точек и экстремально низкие задержки RAG. Это знаменует переход ценности хранения от «конечного места остановки данных» к «высокоскоростному каналу для данных, поступающих в вычисления».

Эволюция узких мест в инфраструктуре AI по своей сути является борьбой за устранение «эффекта бутылочного горлышка». Реальная утилизация вычислительной мощности — не линейное сложение отдельных активов, а жёсткий мультипликативный эффект: Реальная утилизация выч. мощности = GPU × HBM × DRAM × SSD × сеть × файловая система. Слабое звено в любом из этих звеньев приведёт к краху общей утилизации выч. мощности. В эпоху AI хранение впервые превратилось из «центра затрат» в «двигатель эффективности». В этом заключается фундаментальная логика переоценки хранения.

Хранение AI — это не простая совокупность отдельных аппаратных средств, а тесно связанная, многоуровневая и планируемая сложная система. В этой системе ценность отрасли и фокус капитала высоко сконцентрированы на HBM, корпоративных SSD, контроллерах SSD, протоколах NVMe/CXL и высокопроизводительных системах хранения. Для чёткого разбора направлений ценности мы разделяем архитектуру хранения AI на четыре ключевых уровня:

• Ближний к вычислениям слой памяти (ядро пропускной способности): HBM выступает в качестве абсолютной главной силы, поддерживаемой DRAM и технологиями пуллинга памяти CXL. Этот слой непосредственно прилегает к упаковке или шине GPU/CPU, направлен на преодоление «стены памяти» и является первым порогом, определяющим, может ли вычислительная мощность быть полностью раскрыта.

• Слой высокоскоростного постоянного хранения (хаб ввода-вывода): Основная логика: Корпоративный SSD = ячейки NAND + контроллер SSD + канал данных NVMe/PCIe. Этот слой отвечает за запись контрольных точек высокой частоты, загрузку огромных наборов данных для обучения и кэширование горячих данных RAG. Это самый очевидный прирост постоянного хранилища в дата-центрах AI.

• Слой хранения большой ёмкости с низкой стоимостью (основа ёмкости): Состоит из HDD, холодного хранения и архивных систем озёр данных. Столкнувшись с экспоненциальным ростом мультимодальных исходных данных, исторических логов и резервных копий для соответствия требованиям, этот слой по-прежнему предоставляет незаменимые преимущества по TCO (общей стоимости владения).

• Системы хранения AI и программное обеспечение для данных (мозг планирования): Включает высокопроизводительные параллельные файловые системы, распределённое объектное хранилище, векторные базы данных и уровень управления данными RAG. AI потребляет не сырое оборудование, а доступность данных, эффективно организованную, проиндексированную и разделённую по правам доступа с помощью стека ПО.

Как экологическое расширение, децентрализованное хранение не участвует напрямую в соревновании за миллисекунды с горячими данными AI, а вместо этого фокусируется на хранении публичных наборов данных, отслеживании происхождения данных для обучения AI (Provenance) и долгосрочном архивном холодном хранении, устанавливая свою уникальную экологическую нишу в качестве «доверенного холодного слоя».

Высокоскоростная память (HBM) — это не традиционное хранилище, а высокоскоростной слой памяти рядом с GPU. Его основная миссия — не сохранение данных, а постоянная «подача» данных к вычислительной мощности с чрезвычайно высокой пропускной способностью. HBM — это звено в цепочке хранения AI, наиболее близкое к вычислительной мощности, с самой высокой определённостью, напрямую определяющее, будет ли GPU «накормлен», и являющееся в настоящее время ключевым узким местом в цепочке поставок.

Основная архитектура HBM — «3D-стек DRAM + 2.5D передовая упаковка»: с помощью вертикального стекирования TSV и гетерогенной интеграции CoWoS максимально сжимает расстояние между хранением и вычислением, достигая скачкообразного увеличения пропускной способности на поколения. Его отраслевые барьеры — не только дизайн DRAM, а системная инженерия, включающая техпроцесс DRAM, TSV, сверхтонкое стекирование, упаковку, теплоотвод, тестирование и сертификацию клиентами. Любой дефект в любом из звеньев приводит к отбраковке всего стека HBM.

В настоящее время в мире стабильное массовое производство налажено только у трех гигантов: SK hynix, Samsung и Micron, которые создали тройной защитный ров: передовой техпроцесс DRAM, возможности упаковки и сертификация клиентами NVIDIA/AMD.

HBM решает проблему предельной пропускной способности рядом с GPU, DRAM укрепляет основу системной памяти серверов, а CXL пытается разрушить физические границы, переосмысливая организацию ресурсов памяти в центрах обработки данных.

• DRAM: В основном выполняет кэширование на стороне CPU, предварительную обработку данных, временное хранение промежуточных состояний и работу системы, являясь самым базовым слоем системной памяти сервера. Глобальный рынок DRAM высококонцентрирован среди трёх гигантов: SK hynix, Samsung, Micron; Changxin Storage (CXMT) является ключевой переменной в импортозамещении DRAM в Китае.

• CXL (Compute Express Link): Это новое поколение согласованного по кэшу протокола связи для центров обработки данных, предназначенное для преодоления ограничений традиционных слотов DIMM, локальной ёмкости памяти и изолированных ресурсов памяти сервера, способствуя развитию архитектуры памяти в сторону расширения, пуллинга и совместного использования. В настоящее время CXL всё ещё находится на ранней стадии перехода от поддержки платформы к широкому развёртыванию, но обладает высокой долгосрочной архитектурной ценностью; ключевые компании включают Astera Labs и Montage Technology.

Корпоративные SSD — это самый важный прирост высокопроизводительного постоянного хранилища в дата-центрах AI. С исключительно высокой пропускной способностью, сверхнизкой задержкой и стабильным QoS они постоянно «подают» данные в GPU на протяжении всего жизненного цикла: загрузки данных для обучения, записи контрольных точек, поиска RAG, кэширования вывода и возврата логов.

В архитектуре хранения AI SSD — не изолированное оборудование, а тесно связанная система, которую можно выразить отраслевой формулой: Корпоративный SSD = ячейки NAND + контроллер SSD + канал данных NVMe/PCIe. Три уровня представляют независимые звенья цепочки создания стоимости:

• Ячейки NAND (уровень сырья): Определяют плотность хранения и удельную стоимость, контроллер управляет производительностью и сроком службы. Представители: Samsung, SK hynix (Solidigm), Micron, Kioxia, Western Digital, Yangtze Memory Technologies.

• Контроллер SSD (уровень повышения производительности): Определяет раскрытие производительности, коррекцию ошибок данных, стабильность QoS и выравнивание износа. Представители: Phison (Phison), Silicon Motion (Silicon Motion), Marvell, Maxio (Maxio).

• NVMe/PCIe (уровень канала данных): Определяет эффективность передачи данных от хранения к вычислениям. В сочетании с технологией GPUDirect Storage сокращает использование промежуточного буфера памяти CPU и участие CPU, значительно смягчая узкое место ввода-вывода. Представители: Broadcom, Marvell, Astera Labs.

AI не уничтожит HDD. С ростом спроса мультимодальных больших моделей на видео- и графические данные, а также экспоненциальным увеличением корпоративных логов соответствия и исторических наборов данных, потребность в низкозатратном хранении холодных данных также резко возрастает. В архитектуре хранения AI SSD и HDD взаимодействуют на основе слоистости бизнес-ценности: SSD отвечает за горячие данные и высокую пропускную способность, HDD — за низкую стоимость и длительное сохранение. Представители включают Seagate, Western Digital, Toshiba.

AI потребляет никогда не сырые диски, а «сервисы данных», точно организованные программным стеком. Эта архитектура преобразует базовое оборудование в активы знаний, которые могут напрямую использоваться AI верхнего уровня, и делится на четыре уровня:

• Высокопроизводительные системы хранения (система подачи): Основное внимание уделяется параллельной пропускной способности и низкой задержке, решая проблему «голодания данных» в кластерах GPU с помощью параллельных файловых систем и обеспечивая быстрый поток данных для обучения и вывода. Представители: VAST Data, WEKA, Pure Storage.

• Объектное хранилище (сырое озеро данных): В центре — управление объектами, ключами и метаданными, хранение огромных объёмов неструктурированных данных. Не стремится к экстремально низкой задержке, создаёт основу ёмкости благодаря низкой стоимости и облачно-нативным характеристикам. Представитель: AWS S3.

• Векторные базы данных (семантический уровень индексирования): Векторные базы данных отвечают за хранение, индексирование и поиск векторов, созданных моделями эмбеддинга, позволяя AI точно находить соответствующий контент в огромном массиве знаний. Представители: Pinecone, Milvus.

• Слой данных RAG (уровень вызова знаний): Выходит за рамки простого поиска, охватывает нарезку данных, очистку, управление правами доступа и отслеживание происхождения цитирования, обеспечивая безопасный, точный и отслеживаемый вызов корпоративных данных большими моделями. Представитель: Databricks.

Хранение AI — это система, управляемая предельной эффективностью, чья функция ценности сосредоточена на максимизации вычислительного результата. Пропускная способность HBM определяет, будет ли GPU «накормлен», пропускная способность SSD определяет эффективность чтения/записи наборов данных и контрольных точек, низкая задержка влияет на впечатления от работы в реальном времени с RAG и выводом. Эти показатели в конечном итоге сводятся к утилизации GPU и стоимости единицы токена, что напрямую определяет коммерческую прибыльность или убыточность приложений AI. Конечная цель хранения AI — не сохранение, а ускорение, оно служит производительности.

Функция ценности децентрализованного хранения совершенно иная. Она задаёт вопросы: будут ли данные существовать через десять лет, были ли они изменены, могут ли они противостоять единичной цензуре. С помощью криптографических доказательств и распределённых сетей оно создаёт открытую, общедоступную и постоянно сохраняемую основу данных. Его конечная цель — защищать абсолютную достоверность данных и суверенную независимость, служа справедливости, потребности в сопротивлении цензуре и памяти цивилизации.

Хранение AI — это «горячее хранилище», обеспечивающее топливо для будущей производительности, децентрализованное хранение — это «холодная память», сохраняющая для человеческой цивилизации исторические записи, которые нельзя удалить. Первое служит эффективности, стремясь к предельной скорости; второе служит доверию, защищая безмолвную память. Первое определяет, насколько быстро работает модель, второе определяет, будет ли память удалена. В настоящее время рыночные механизмы вознаграждают эффективность производительности, хранение AI находится на гребне волны, а децентрализованное хранение, кажется, переживает тишину, сопровождающуюся обвалом оценок и высасыванием нарратива.

Существует множество проектов децентрализованного хранения, но по отраслевому сознанию и экосистемному осаждению ключевыми представителями по-прежнему остаются Filecoin и Arweave. Хотя оба относятся к «децентрализованному хранению», их базовые архитектурные философии представляют собой почти два совершенно разных пути — первый с помощью рыночных контрактов приближается к эластичности AWS, второй с помощью единовременного общественного договора приближается к вечности библиотеки.

• Filecoin: С помощью PoRep и PoSt создал наиболее полную проверяемую экономическую систему. Ему не следует продолжать битву с AWS на потребительских облачных хранилищах, а следует переключиться на отслеживание происхождения данных AI (Provenance), хостинг публичных наборов данных и архивирование для соответствия требованиям, предоставляя проверяемую цепочку для аудита моделей и доказательства авторских прав. Неизбежный путь — инкапсуляция в виде API, совместимого с S3, и поддержка оплаты в фиатных валютах, переход от «рынка дешёвого хранения» к «проверяемой вычислительной инфраструктуре».

• Arweave: С нарративом «заплати один раз, храни навсегда», через механизмы Blockweave и SPoRA стимулирует майнеров сохранять и быстро получать доступ к как можно большему количеству данных, особенно редких исторических данных. Его наилучшая позиция — основа общечеловеческой памяти: сохранение записей о правах человека, доказательств военных преступлений, культурных канонов, архивирование юридической и финансовой истории, предоставление постоянной долгосрочной памяти для AI-агентов, доступной навсегда. Ценность Arweave — не в скорости, а в способности нести память цивилизации сквозь циклы.

Проблемы таких проектов децентрализованного хранения, как Filecoin и Arweave, заключаются не в ошибочности ценностного предложения, а в долгосрочном несоответствии между продуктовой реализацией, опытом поиска, реальным спросом и стимулами токенов. Это раскрывает огромную пропасть между гиковской идеологией и основным коммерческим применением:

• Несоответствие стимулов спроса и предложения: Ранние сети, такие как Filecoin, быстро расширялись за счёт токенов, но не создали достаточно сильный платёжный спрос, что привело к огромной ёмкости, но недостаточной утилизации и конверсии в платёж. Вознаграждается «я могу хранить», а не «мне нужно хранить».

• Отсутствие возможностей корпоративного уровня обслуживания: Барьер AWS — не диски, а «операционная система данных», состоящая из API, SLA, управления правами доступа, аудита соответствия и технической поддержки. Предприятия покупают «спокойствие», а не экспериментальную инфраструктуру, где нужно самостоятельно управлять ключами и выбирать узлы.

• Недостатки опыта поиска: «Загрузить» не означает «извлечь стабильно и с низкой задержкой». Распределённость узлов, сложность топологии, отсутствие единого SLA делают их непригодными для рабочих процессов с горячими данными AI, они лучше подходят для доверенного холодного архивирования и отслеживания происхождения данных.

• Недостаточность приватности и соответствия: Частные корпоративные данные нельзя просто записывать в публичную постоянную сеть; право на удаление и постоянная неизменность по своей природе конфликтуют. Децентрализованное хранение больше подходит для общедоступных данных и долгосрочных архивов, а не для безразличного приёма основных частных данных.

• Токеномика усиливает циклы: Финансиализация на бычьем рынке скрывает недостаточность спроса, на медвежьем рынке снижение ROI майнеров обнажает недостатки коммерциализации. Токены могут запустить предложение, но не могут автоматически создать спрос и устойчивый доход.

Другие проекты децентрализованного хранения в основном сосредоточены на конкретных экосистемах или нишевых сегментах: Storj/Sia уступают Filecoin/Arweave в отраслевом сознании сквозь циклы и нарративном влиянии в Web3; BNB Greenfield/Walrus привязаны к конкретным блокчейн-экосистемам BNB или SUI; Celestia/EigenDA и другие относятся к слою доступности данных (DA), служа подтверждению транзакций Rollup, а не долгосрочному архивированию; такие гибридные нарративные проекты, как 0G, пытающиеся интегрировать хранение, доступность данных, вычисления и расчёты AI-агентов в единую модульную AI-нативную инфраструктуру, но их реальный спрос, принятие разработчиками и коммерческая замкнутость ещё требуют проверки.

В период взрыва технологических премий капитал безумно гонится за эффективностью, таким активам, как GPU и HBM, присваиваются чрезвычайно высокие премии, а децентрализованное хранение, отстаивающее «доверие и справедливость», естественно, маргинализируется. Однако исторический маятник не может вечно оставаться на стороне эффективности. Необоснованные блокировки и удаления контента суперплатформами, вспышки судебных исков об авторских правах AI, вынуждающие доказывать происхождение данных, борьба за суверенитет данных из-за геополитических конфликтов, исчезновение публичных архивов из-за монополии на данные, а также давление регуляторов на аудит соответствия данных для обучения моделей — всё это может способствовать «переоценке доверенного хранения», и будущие возможности децентрализованного хранения всё ещё могут проявить свою уникальную ценность в следующих направлениях:

• Provenance данных AI: Использование криптографических доказательств для создания «доказательства происхождения данных» в ответ на давление регуляторов и аудита.

• Публичные наборы данных и архивы цивилизации: Закрепление за цензурируемыми архивами и культурным наследием, создание незаменимой, неудаляемой памяти.

• Доверенное архивирование и хранение доказательств для соответствия: Достижение доверенного само-доказательства с помощью хэшей, предоставление высокого уровня цифрового нотариата.

• Интеграция с технологиями ZK/TEE/DID: Разрешение напряжённости в области приватности, переход от простого «протокола хранения» к «инфраструктуре доверенных данных».

• Невидимый продуктовый путь: Предоставление API, совместимого с S3, и биллинга в фиатных валютах, позволяя пользователям напрямую покупать услугу «доверенного архивирования».

Хранение AI и децентрализованное хранение: одно стремится к предельной эффективности, снабжая нас топливом для движения в будущее; другое защищает безмолвную память, охраняя наше право оглядываться назад. Текущий рынок безоговорочно вознаграждает эффективность, поэтому децентрализованное хранение кажется тихим и даже обваливающимся; но когда эпоха AI ещё больше усилит монополию на данные, споры об авторских правах и хрупкость исторической памяти, децентрализованное хранение может быть переоценено как «доверенный холодный слой». Та память, которую платформы, компании или любая отдельная власть не могут легко стереть, возможно, превратится из романтики идеализма, из маргинальной веры в необходимую инфраструктуру.