Từ Lưu Trữ Nóng Đến Ký Ức Lạnh: Lưu Trữ Phi Tập Trung Trong Làn Sóng Lưu Trữ Thời Đại AI

Tác giả: Jacob Zhao @ IOSG

Hôm nay, “cổ phiếu lưu trữ trong nước đầu tiên” ChangXin Memory Technology (CXMT) chính thức lên sàn ChiNext, và đã khuấy động toàn bộ thị trường với màn trình diễn tăng vọt 500% đáng kinh ngạc. Mặc dù thời gian gần đây, toàn bộ phân khúc lưu trữ vẫn chịu sự xáo trộn do sóng điều chỉnh, nhưng lưu trữ AI vẫn được định giá lại một cách điên cuồng bởi vốn đầu tư trong làn sóng câu chuyện công nghệ hiện tại. Đồng thời, lưu trữ phi tập trung trong lĩnh vực Web3 lại rơi vào tình trạng trầm lắng và thất vọng kéo dài. Tại sao cùng mang tên "lưu trữ" nhưng hiệu suất thị trường lại trái ngược nhau một trời một vực như vậy? Xét đến cùng, câu trả lời căn bản nằm ở sự phân kỳ triệt để của hàm giá trị cơ bản.

Việc định giá lại lưu trữ trong thời đại AI, về bản chất, là một cuộc ăn mừng về "hiệu suất dữ liệu nóng", nó phục vụ cho việc tối đa hóa cực độ hiệu suất tính toán và thương mại hóa; trong khi lưu trữ phi tập trung bám trụ vào chủ trương giá trị về "tính tin cậy của dữ liệu lạnh", bảo vệ sự công bằng dữ liệu, kháng kiểm duyệt và trí nhớ dài hạn của nền văn minh nhân loại. Cái trước là hệ thống hiệu suất dữ liệu nóng, cái sau là hệ thống tin cậy dữ liệu lạnh. Thị trường vốn hiện tại chắc chắn đứng về phía "hiệu suất", nhưng nền văn minh nhân loại cuối cùng vẫn cần một nền tảng bộ nhớ không thể bị giả mạo. Giá trị dài hạn của việc lưu trữ lạnh đáng tin cậy chưa bao giờ biến mất, nó chỉ đang ẩn mình trong mặt tối của chu kỳ, chờ đợi được định giá lại bởi thời đại.

Trong thời đại IT truyền thống, lưu trữ là một "nghề kinh doanh dung lượng". Các CIO doanh nghiệp quan tâm đến chi phí dung lượng đơn vị, độ tin cậy của ổ cứng, giải pháp dự phòng thảm họa, chiến lược lưu trữ và chu kỳ cập nhật thiết bị kéo dài 3–5 năm. Lưu trữ được xem như một sản phẩm phụ đi kèm với việc mua sắm máy chủ.

Làn sóng lưu trữ lần này không phải là sự phục hồi chu kỳ truyền thống, mà là việc AI định giá lại khả năng di chuyển dữ liệu. Trong thời đại mô hình lớn, logic lưu trữ chuyển hóa từ "ưu tiên dung lượng" sang "ưu tiên hiệu suất tối đa", tập trung vào các chỉ số cực hạn như tỷ lệ cấp phát cho GPU, ghi Checkpoint và độ trễ cực thấp của RAG. Điều này đánh dấu giá trị lưu trữ đang nhảy vọt từ "điểm dừng cuối cùng của dữ liệu" lên thành "kênh cao tốc để dữ liệu đi vào tính toán".

Sự phát triển của các nút cổ chai trong cơ sở hạ tầng AI, về bản chất, là một cuộc chiến bổ sung "hiệu ứng thùng gỗ". Tỷ lệ sử dụng thực tế của sức mạnh tính toán không phải là phép cộng tuyến tính của các tài sản đơn lẻ, mà là một hiệu ứng nhân nghiêm ngặt: Tỷ lệ sử dụng thực tế sức mạnh tính toán = GPU × HBM × DRAM × SSD × Mạng × Hệ thống tệp, bất kỳ mắt xích yếu nào cũng sẽ khiến tỷ lệ sử dụng tổng thể sụp đổ. Trong thời đại AI, lưu trữ lần đầu tiên từ "trung tâm chi phí" trở thành "động cơ hiệu suất". Đây chính là logic cơ bản khiến lưu trữ được định giá lại.

Lưu trữ AI tuyệt đối không phải là sự chất đống của phần cứng đơn lẻ, mà là một hệ thống phức tạp được ghép nối chặt chẽ và lập lịch phân lớp. Trong hệ thống này, giá trị ngành và sự tập trung của vốn đầu tư cao độ vào HBM, SSD cấp doanh nghiệp, bộ điều khiển SSD, giao thức NVMe/CXL và hệ thống lưu trữ hiệu suất cao. Để phân tích rõ ràng hướng đi của giá trị, chúng tôi chia kiến trúc lưu trữ AI từ trên xuống thành bốn cấp độ cốt lõi:

• Lớp bộ nhớ gần tính toán (Lõi băng thông): Lấy HBM làm lực lượng chủ lực tuyệt đối, hỗ trợ bởi công nghệ gộp bộ nhớ DRAM và CXL. Lớp này tiếp xúc trực tiếp với vỏ bọc hoặc bus GPU/CPU, nhằm phá vỡ "bức tường bộ nhớ", là cửa ải đầu tiên quyết định liệu sức mạnh tính toán có được giải phóng đầy đủ hay không.

• Lớp lưu trữ liên tục tốc độ cao (Trung tâm IO): Logic cốt lõi là SSD cấp doanh nghiệp = Hạt NAND + Bộ điều khiển SSD + Đường dẫn dữ liệu NVMe/PCIe. Lớp này tiếp nhận việc ghi Checkpoint tần suất cao, tải tập dữ liệu huấn luyện khổng lồ và bộ nhớ đệm dữ liệu nóng RAG, là sự gia tăng lưu trữ liên tục rõ ràng nhất trong trung tâm dữ liệu AI.

• Lớp lưu trữ dung lượng lớn chi phí thấp (Nền tảng dung lượng): Được cấu thành bởi HDD, lưu trữ lạnh và hệ thống lưu trữ hồ dữ liệu. Trước lượng dữ liệu thô đa phương thức, nhật ký lịch sử và bản sao lưu tuân thủ pháp lý bùng nổ theo cấp số mũ, lớp này vẫn cung cấp ưu thế TCO (Tổng chi phí sở hữu) không thể thay thế.

• Hệ thống lưu trữ AI và phần mềm dữ liệu (Bộ não lập lịch): Bao gồm hệ thống tệp song song hiệu suất cao, lưu trữ đối tượng phân tán, cơ sở dữ liệu vector và lớp quản trị dữ liệu RAG. AI thực sự tiêu thụ không phải phần cứng trần, mà là tính khả dụng của dữ liệu được tổ chức, lập chỉ mục và cấp quyền hiệu quả bởi ngăn xếp phần mềm.

Như một phần mở rộng sinh thái, lưu trữ phi tập trung không trực tiếp tham gia vào cuộc đua tính bằng mili giây của dữ liệu nóng AI, mà thay vào đó neo đậu vào việc lưu chứng dữ liệu công cộng, truy xuất nguồn gốc dữ liệu huấn luyện AI (Provenance) và lưu trữ ký ức lạnh dài hạn, xác lập vị thế sinh thái độc đáo của nó như một "lớp lạnh đáng tin cậy".

Bộ nhớ băng thông cao (High Bandwidth Memory) không phải là lưu trữ truyền thống, mà là lớp bộ nhớ băng thông cao gần GPU. Sứ mệnh cốt lõi của nó không phải là lưu giữ dữ liệu, mà là liên tục "nuôi" dữ liệu cho sức mạnh tính toán với băng thông cực cao. HBM là mắt xích gần sức mạnh tính toán nhất và có tính xác định cao nhất trong chuỗi lưu trữ AI, trực tiếp quyết định GPU có được "nuôi no" hay không, là nút cổ chai cung ứng cốt lõi nhất hiện nay.

Kiến trúc cốt lõi của HBM là "xếp chồng DRAM 3D + Đóng gói tiên tiến 2.5D": Thông qua xếp chồng dọc TSV và tích hợp dị thể CoWoS, nén cực độ khoảng cách lưu trữ-tính toán, đạt được sự nhảy vọt khác biệt thế hệ về băng thông. Rào cản ngành của nó không chỉ là thiết kế DRAM, mà là một hệ thống kỹ thuật gồm quy trình DRAM, TSV, xếp chồng siêu mỏng, đóng gói, tản nhiệt, kiểm tra và chứng nhận khách hàng. Bất kỳ lỗi nào về tỷ lệ tốt đều có thể khiến toàn bộ Stack HBM bị loại bỏ.

Hiện tại, toàn cầu chỉ có ba ông lớn SK hynix, Samsung, Micron có thể sản xuất hàng loạt ổn định, tạo nên ba hào bảo vệ: quy trình DRAM đỉnh cao, khả năng đóng gói và chứng nhận khách hàng NVIDIA/AMD.

HBM giải quyết băng thông cực hạn gần GPU, DRAM củng cố nền tảng bộ nhớ hệ thống máy chủ, còn CXL cố gắng phá vỡ ranh giới vật lý, tái cấu trúc cách thức tổ chức tài nguyên bộ nhớ trung tâm dữ liệu.

• DRAM: Chủ yếu chứa bộ nhớ đệm phía CPU, tiền xử lý dữ liệu, lưu trữ tạm thời trạng thái trung gian và vận hành hệ thống, là lớp bộ nhớ hệ thống cơ bản nhất của máy chủ. Thị trường DRAM toàn cầu tập trung cao độ vào ba ông lớn SK hynix, Samsung, Micron; ChangXin Memory Technology (CXMT) là biến số cốt lõi cho sự thay thế nội địa hóa DRAM của Trung Quốc.

• CXL (Compute Express Link): Là giao thức kết nối nhất quán bộ nhớ đệm thế hệ mới hướng đến trung tâm dữ liệu, nhằm phá vỡ các hạn chế của khe cắm DIMM truyền thống, dung lượng bộ nhớ cục bộ và các ốc đảo tài nguyên bộ nhớ máy chủ, thúc đẩy kiến trúc bộ nhớ phát triển theo hướng mở rộng, gộp chung và chia sẻ. Hiện tại CXL vẫn đang ở giai đoạn đầu từ hỗ trợ nền tảng đến triển khai quy mô, giá trị kiến trúc trung và dài hạn tương đối cao; các công ty cốt lõi bao gồm Astera Labs và Montage Technology.

SSD cấp doanh nghiệp là sự gia tăng lưu trữ liên tục thông lượng cao cốt lõi nhất trong trung tâm dữ liệu AI, với thông lượng cực cao, độ trễ cực thấp và QoS ổn định, liên tục "nuôi" dữ liệu cho GPU, xuyên suốt toàn bộ vòng đời từ tải dữ liệu huấn luyện, ghi Checkpoint, truy xuất RAG, bộ nhớ đệm suy luận đến luồng nhật ký.

Trong kiến trúc lưu trữ AI, SSD không phải là phần cứng đơn lẻ, mà là một hệ thống ghép nối cao, có thể tinh luyện thành công thức ngành: SSD cấp doanh nghiệp = Hạt NAND + Bộ điều khiển SSD + Đường dẫn dữ liệu NVMe/PCIe. Ba lớp đại diện cho các khâu chuỗi cung ứng độc lập:

• Hạt NAND (Lớp nguyên liệu): Quyết định mật độ lưu trữ và chi phí đơn vị, bộ điều khiển kiểm soát hiệu suất giải phóng và quản lý tuổi thọ. Đại diện công ty: Samsung, SK hynix (Solidigm), Micron, Kioxia, Western Digital, Yangtze Memory Technologies (YMTC).

• Bộ điều khiển SSD (Lớp trao quyền hiệu suất): Quyết định hiệu suất giải phóng, sửa lỗi dữ liệu, độ ổn định QoS và cân bằng hao mòn. Đại diện công ty: Phison, Silicon Motion, Marvell, Maxio.

• NVMe/PCIe (Lớp đường dẫn dữ liệu): Quyết định hiệu suất truyền dữ liệu từ lưu trữ đến tính toán. Kết hợp với công nghệ GPUDirect Storage, giảm bounce buffer bộ nhớ CPU và sự tham gia của CPU, giảm đáng kể nút cổ chai I/O. Đại diện công ty: Broadcom, Marvell, Astera Labs.

AI sẽ không tiêu diệt HDD. Với sự khao khát của mô hình lớn đa phương thức đối với dữ liệu video, hình ảnh, cùng với sự bùng nổ theo cấp số mũ của nhật ký tuân thủ doanh nghiệp, tập dữ liệu lịch sử, nhu cầu lưu trữ dữ liệu lạnh chi phí thấp đang tăng mạnh đồng thời. Trong kiến trúc lưu trữ AI, SSD và HDD phối hợp phân lớp dựa trên giá trị nghiệp vụ: SSD chịu trách nhiệm dữ liệu nóng và thông lượng cao, HDD chịu trách nhiệm chi phí thấp và lưu giữ chu kỳ dài. Đại diện công ty bao gồm Seagate, Western Digital, Toshiba.

AI thực sự tiêu thụ không bao giờ là ổ cứng trần, mà là "dịch vụ dữ liệu" được tổ chức tinh vi bởi ngăn xếp phần mềm. Kiến trúc này chuyển hóa phần cứng cơ sở thành tài sản tri thức mà AI tầng trên có thể trực tiếp gọi, cụ thể chia thành bốn lớp:

• Hệ thống lưu trữ hiệu suất cao (Hệ thống cấp liệu): Lấy thông lượng đồng thời và độ trễ thấp làm cốt lõi, thông qua hệ thống tệp song song giải quyết vấn đề "đói dữ liệu" của cụm GPU, đảm bảo sự lưu chuyển cực nhanh của huấn luyện và suy luận. Đại diện công ty: VAST Data, WEKA, Pure Storage.

• Lưu trữ đối tượng (Hồ dữ liệu thô): Lấy Quản lý Đối tượng, Khóa và Siêu dữ liệu làm cốt lõi, chứa dữ liệu phi cấu trúc khổng lồ. Không theo đuổi độ trễ cực thấp, mà xây dựng nền tảng dung lượng với đặc tính chi phí thấp và bản địa hóa đám mây. Đại diện công ty: AWS S3.

• Cơ sở dữ liệu vector (Lớp chỉ mục ngữ nghĩa): Cơ sở dữ liệu vector chịu trách nhiệm lưu trữ, lập chỉ mục và truy xuất các vector được tạo bởi mô hình embedding, cho phép AI định vị chính xác nội dung liên quan từ khối kiến thức khổng lồ. Đại diện công ty: Pinecone, Milvus.

• Lớp dữ liệu RAG (Lớp gọi tri thức): Vượt xa truy xuất đơn thuần, bao trùm cắt lát dữ liệu, làm sạch, kiểm soát quyền và truy xuất nguồn gốc, đảm bảo dữ liệu doanh nghiệp có thể được mô hình lớn gọi một cách an toàn, chính xác và có thể truy nguyên. Đại diện công ty: Databricks.

Lưu trữ AI là hệ thống dựa trên hiệu suất cực độ, hàm giá trị của nó tập trung vào việc tối đa hóa sản lượng tính toán. Băng thông HBM quyết định GPU có được nuôi no hay không, Thông lượng SSD quyết định hiệu suất đọc/ghi tập dữ liệu và Checkpoint, độ trễ thấp liên quan đến trải nghiệm thời gian thực của RAG và suy luận. Những chỉ số này cuối cùng hội tụ thành tỷ lệ sử dụng GPU và chi phí đơn vị Token, trực tiếp quyết định lãi lỗ thương mại của ứng dụng AI. Mục tiêu tối thượng của lưu trữ AI không phải là lưu giữ, mà là tăng tốc, đối tượng phục vụ là năng suất.

Trong khi đó, hàm giá trị của lưu trữ phi tập trung lại hoàn toàn khác biệt. Nó đặt câu hỏi liệu dữ liệu mười năm sau có còn tồn tại, có bị giả mạo không, có thể chống lại kiểm duyệt điểm đơn lẻ không. Thông qua bằng chứng mật mã học và mạng phân tán, nó xây dựng nền tảng dữ liệu công cộng có thể truy cập mở và lưu giữ vĩnh viễn. Mục tiêu tối thượng của nó là bảo vệ sự chân thực tuyệt đối và chủ quyền độc lập của dữ liệu, phục vụ cho tính công bằng, nhu cầu kháng kiểm duyệt và trí nhớ văn minh.

Lưu trữ AI là "lưu trữ nóng" cung cấp nhiên liệu cho năng suất tương lai, lưu trữ phi tập trung là "ký ức lạnh" bảo tồn hồ sơ lịch sử không thể xóa của nền văn minh nhân loại. Cái trước phục vụ hiệu suất, theo đuổi tốc độ cực hạn; cái sau phục vụ tính tin cậy, bảo vệ những ký ức im lặng. Cái trước quyết định mô hình chạy nhanh đến đâu, cái sau quyết định ký ức có bị xóa hay không. Hiện tại, cơ chế thị trường tưởng thưởng cho hiệu suất năng suất, lưu trữ AI đang ở trong cơn bão, còn lưu trữ phi tập trung dường như đang trải qua sự sụp đổ định giá, câu chuyện bị rút máu trong im lặng.

Có nhiều dự án lưu trữ phi tập trung, nhưng theo tâm trí ngành và sự lắng đọng sinh thái, đại diện cốt lõi luôn là Filecoin và Arweave. Mặc dù cả hai đều thuộc "lưu trữ phi tập trung", triết lý kiến trúc cơ bản của chúng gần như là hai con đường hoàn toàn khác nhau — cái trước sử dụng hợp đồng thị trường hóa để tiệm cận tính đàn hồi của AWS, cái sau sử dụng khế ước xã hội một lần để tiệm cận sự vĩnh cửu của thư viện.

• Filecoin: Thông qua PoRep và PoSt xây dựng hệ thống kinh tế có thể xác minh hoàn chỉnh nhất. Nó không nên tiếp tục đối đầu với AWS trên thị trường lưu trữ đám mây dành cho người tiêu dùng, mà nên chuyển hướng sang truy xuất nguồn gốc dữ liệu AI (Provenance), lưu trữ tập dữ liệu công cộng và lưu trữ tuân thủ, cung cấp chuỗi có thể xác minh cho kiểm toán mô hình và bằng chứng bản quyền. Con đường tất yếu là đóng gói thành API tương thích S3 và hỗ trợ thanh toán bằng tiền pháp định, nâng cấp từ "thị trường lưu trữ rẻ" thành "cơ sở hạ tầng tính toán có thể xác minh".

• Arweave: Với câu chuyện "trả phí một lần, lưu trữ vĩnh viễn", thông qua cơ chế Blockweave và SPoRA thúc đẩy các thợ mỏ lưu giữ và truy cập nhanh càng nhiều dữ liệu lịch sử càng tốt, đặc biệt là dữ liệu khan hiếm. Vị trí tốt nhất của nó là nền tảng ký ức công cộng của nhân loại — lưu giữ hồ sơ nhân quyền, tội ác chiến tranh, tài liệu văn hóa, lưu trữ lịch sử pháp lý và tài chính, cung cấp bộ nhớ dài hạn có thể truy cập vĩnh viễn cho AI Agent. Giá trị của Arweave không nằm ở tốc độ, mà ở khả năng chở ký ức văn minh xuyên suốt chu kỳ.

Những khó khăn của các dự án lưu trữ phi tập trung như Filecoin, Arweave không nằm ở chủ trương giá trị sai lầm, mà nằm ở sự lệch pha lâu dài giữa việc sản phẩm hóa, trải nghiệm truy xuất, nhu cầu thực tế và khuyến khích Token. Điều này tiết lộ khoảng cách lớn từ ý tưởng của giới kỹ thuật đến ứng dụng thương mại chủ đạo:

• Lệch khuyến khích cung cầu: Mạng lưới thời kỳ đầu như Filecoin mở rộng quy mô nhanh chóng thông qua Token, nhưng lại không xây dựng đủ mạnh nhu cầu phía trả phí, dẫn đến dung lượng khổng lồ nhưng tỷ lệ sử dụng và chuyển đổi thanh toán không đủ. Thưởng cho "tôi có thể lưu trữ", thay vì "cần tôi lưu trữ".

• Thiếu năng lực dịch vụ cấp doanh nghiệp: Rào cản của AWS không phải là ổ cứng, mà là "hệ điều hành dữ liệu" được cấu thành bởi API, SLA, quản lý quyền, kiểm toán tuân thủ và hỗ trợ kỹ thuật. Doanh nghiệp mua "sự yên tâm", chứ không phải cơ sở hạ tầng thử nghiệm cần tự xử lý khóa và lựa chọn nút.

• Điểm yếu trải nghiệm truy xuất: "Lưu vào" không bằng "lấy ra ổn định, độ trễ thấp". Các nút phân tán, cấu trúc liên kết phức tạp, thiếu SLA thống nhất, khiến nó khó tiếp nhận quy trình làm việc dữ liệu nóng AI, phù hợp hơn với lưu trữ lạnh đáng tin cậy và truy xuất nguồn gốc dữ liệu.

• Thiếu sự riêng tư và tuân thủ: Dữ liệu riêng tư của doanh nghiệp không thể đơn giản ghi vào mạng công cộng vĩnh viễn; quyền xóa và tính không thể giả mạo vĩnh viễn tồn tại xung đột tự nhiên. Lưu trữ phi tập trung phù hợp hơn với dữ liệu công cộng và hồ sơ lưu trữ dài hạn, thay vì tiếp nhận không phân biệt dữ liệu riêng tư cốt lõi.

• Kinh tế Token phóng đại chu kỳ: Tài chính hóa trong thị trường tăng giá che lấp sự thiếu hụt nhu cầu, ROI của thợ mỏ giảm trong thị trường giảm giá làm lộ ra điểm yếu thương mại hóa. Token có thể khởi động cung ứng lạnh, nhưng không thể tự động tạo ra nhu cầu và doanh thu bền vững.

Các dự án lưu trữ phi tập trung khác chủ yếu tập trung vào các hệ sinh thái hoặc phân khúc thị trường cụ thể: Storj/Sia xuyên chu kỳ có tâm trí ngành và ảnh hưởng câu chuyện Web3 yếu hơn Filecoin/Arweave; BNB Greenfield/Walrus gắn với hệ sinh thái blockchain cụ thể của BNB hoặc SUI; Celestia/EigenDA thuộc lớp tính khả dụng dữ liệu (DA), phục vụ xác nhận giao dịch Rollup thay vì lưu trữ dài hạn; Các dự án câu chuyện hỗn hợp AI/DA như 0G cố gắng tích hợp lưu trữ, tính khả dụng dữ liệu, tính toán và thanh toán AI agent thành một bộ cơ sở hạ tầng mô-đun hóa bản địa AI, nhưng nhu cầu thực tế, sự chấp nhận của nhà phát triển và vòng khép kín thương mại của chúng vẫn cần được xác minh.

Trong thời kỳ bùng nổ lợi thế công nghệ, vốn đầu tư cuồng nhiệt đuổi theo hiệu suất, các tài sản như GPU, HBM được trao mức phí bảo hiểm cực cao, lưu trữ phi tập trung chủ trương "tin cậy và công bằng" tự nhiên bị gạt ra ngoài lề. Tuy nhiên, con lắc lịch sử sẽ không mãi mãi dừng lại ở đầu hiệu suất. Việc cấm đoán và xóa nội dung vô lý của các nền tảng siêu cường, bùng nổ kiện tụng bản quyền AI buộc chứng minh nguồn gốc dữ liệu, cuộc chiến chủ quyền dữ liệu do xung đột địa chính trị gây ra, độc quyền dữ liệu dẫn đến biến mất hồ sơ công cộng, và áp lực kiểm tra của cơ quan quản lý đối với tính tuân thủ của dữ liệu huấn luyện mô hình v.v… đều có khả năng ấp ủ sự định giá lại "lưu trữ đáng tin cậy", và cơ hội tương lai của lưu trữ phi tập trung vẫn có thể thể hiện giá trị độc đáo trong các hướng sau:

• Truy xuất nguồn gốc dữ liệu AI (Provenance): Kết hợp bằng chứng mật mã học xây dựng "bằng chứng phả hệ dữ liệu", đối phó với áp lực quản lý và kiểm toán.

• Tập dữ liệu công cộng và hồ sơ văn minh: Neo đậu vào hồ sơ bị kiểm duyệt và di sản văn hóa, xây dựng ký ức không thể xóa không thể thay thế.

• Lưu trữ đáng tin cậy và lưu chứng tuân thủ: Thông qua lưu chứng Hash đạt được tự chứng minh đáng tin cậy, cung cấp công chứng số cấp cao.

• Tích hợp công nghệ ZK/TEE/DID: Hóa giải căng thẳng về quyền riêng tư, nâng cấp từ "giao thức lưu trữ" đơn thuần thành "cơ sở hạ tầng dữ liệu đáng tin cậy".

• Lộ trình sản phẩm ẩn mình: Cung cấp API tương thích S3 và tính phí bằng tiền pháp định, cho phép người dùng mua trực tiếp dịch vụ "lưu trữ đáng tin cậy".

Lưu trữ AI và lưu trữ phi tập trung, một cái theo đuổi hiệu suất cực hạn, cung cấp nhiên liệu cho chúng ta chạy về tương lai; cái kia bảo vệ những ký ức im lặng, giữ lấy quyền nhìn lại quá khứ của chúng ta. Thị trường hiện tại không do dự tưởng thưởng cho hiệu suất, lưu trữ phi tập trung vì vậy có vẻ im lặng thậm chí sụp đổ; nhưng khi thời đại AI tiếp tục phóng đại sự độc quyền dữ liệu, tranh chấp bản quyền và tính mong manh của ký ức lịch sử, lưu trữ phi tập trung có thể đón nhận sự định giá lại giá trị với tư cách là một "lớp lạnh đáng tin cậy". Những ký ức không thể bị xóa bỏ dễ dàng bởi nền tảng, công ty hay bất kỳ quyền lực đơn lẻ nào, có thể sẽ từ lãng mạn lý tưởng chủ nghĩa, từ niềm tin ngoại biên trở thành cơ sở hạ tầng cần thiết.