Авторы: 0xjacobzhao, IOSG
Недавно «первая отечественная акция памяти» ChangXin Memory официально вышла на ChiNext и взорвала рынок ошеломляющим ростом на 500%. Хотя в последнее время сектор памяти в целом все еще испытывает влияние коррекции, AI-память активно переоценивается капиталом в текущей волне технологического нарратива. В то же время децентрализованное хранение в сфере Web3 погрузилось в долгое затишье и упадок. Почему при одинаковом названии «память» рыночные показатели столь различны? Коренная причина кроется в полном расхождении базовых функций ценности.
Переоценка памяти в эпоху AI, по сути, является праздником «эффективности горячих данных», служащим максимальной утилизации вычислительных мощностей и коммерческой монетизации; в то время как децентрализованное хранение придерживается ценности «доверия к холодным данным», защищая справедливость данных, устойчивость к цензуре и долгосрочную память человеческой цивилизации. Первое — это система эффективности для горячих данных, второе — система доверия для холодных данных. Текущий рынок капитала, несомненно, твердо стоит на стороне «эффективности», но человеческая цивилизация в конечном итоге все равно нуждается в неизменной базе памяти. Долгосрочная ценность доверенного холодного хранения никогда не исчезала, она лишь дремлет в тени цикла, ожидая переоценки временем.
Почему память снова становится центром внимания в цепочке AI
В эпоху традиционных IT память была «бизнесом на объем». CIO предприятий обращали внимание на стоимость единицы объема, надежность жестких дисков, планы аварийного восстановления, стратегии архивирования и циклы обновления оборудования длительностью 3–5 лет. Память рассматривалась как аксессуар, следующий за закупкой серверов.
Нынешний бум памяти — это не восстановление традиционного цикла, а переоценка AI способности к перемещению данных. В эпоху больших моделей логика памяти изменилась с «приоритета объема» на «приоритет эффективности», с упором на предельные показатели, такие как скорость загрузки GPU, запись контрольных точек и сверхнизкая задержка RAG. Это знаменует переход ценности памяти от «конечной стоянки данных» к «скоростному каналу данных в вычисления».
Эволюция узких мест ресурсов AI-инфраструктуры, по сути, является битвой за заполнение «эффекта ведра». Реальная утилизация вычислительных мощностей — это не линейное суммирование отдельных активов, а строгий мультипликативный эффект: реальная утилизация вычислительных мощностей = GPU × HBM × DRAM × SSD × сеть × файловая система. Любое слабое звено приводит к коллапсу общей утилизации вычислительных мощностей. В эпоху AI память впервые превратилась из «центра затрат» в «двигатель эффективности». Это и есть коренная логика переоценки памяти.
Обзор архитектуры AI-памяти: от органа пропускной способности HBM до озера данных
AI-память — это не просто набор аппаратных средств, а тесно связанная, многоуровневая сложная система. В этой системе промышленная ценность и внимание капитала сосредоточены на HBM, корпоративных SSD, контроллерах SSD, протоколах NVMe/CXL и высокопроизводительных системах хранения. Для четкого анализа потоков ценности мы разделяем архитектуру AI-памяти сверху вниз на четыре основных уровня:
Уровень памяти, близкий к вычислениям (ядро пропускной способности): в основном HBM, дополненный DRAM и технологией пула памяти CXL. Этот уровень напрямую связан с корпусом GPU/CPU или шиной, направлен на преодоление «стены памяти» и является первым барьером, определяющим, могут ли вычислительные мощности быть полностью высвобождены.
Высокоскоростной уровень постоянной памяти (IO-хаб): основная логика — корпоративный SSD = чипы NAND + контроллер SSD + канал данных NVMe/PCIe. Этот уровень обрабатывает высокочастотную запись контрольных точек, загрузку больших наборов данных и кэширование горячих данных RAG, являясь наиболее очевидным приростом постоянной памяти в AI-центрах обработки данных.
Низкозатратный уровень большой емкости (база объема): состоит из HDD, холодного хранения и систем архивирования озер данных. Столкнувшись с экспоненциально растущими мультимодальными исходными данными, историческими журналами и резервными копиями для соответствия требованиям, этот уровень по-прежнему обеспечивает незаменимое преимущество в TCO (совокупной стоимости владения).
Системы AI-памяти и программное обеспечение для данных (мозг планирования): включает высокопроизводительные параллельные файловые системы, распределенное объектное хранение, векторные базы данных и уровень управления данными RAG. AI на самом деле потребляет не голое оборудование, а доступность данных, эффективно организованную, индексированную и авторизованную программным стеком.
Как расширение экосистемы, децентрализованное хранение не участвует напрямую в миллисекундной гонке горячих данных AI, а вместо этого фокусируется на хранении публичных наборов данных, отслеживании происхождения (Provenance) обучающих данных AI и долгосрочном архивировании холодной памяти, утверждая свою уникальную экологическую нишу как «доверенного холодного слоя».
HBM: «орган пропускной способности», наиболее близкий к вычислительным мощностям в цепочке AI-памяти
Высокопропускная память (High Bandwidth Memory) — это не традиционная память, а слой высокопропускной памяти, близкий к GPU. Ее основная миссия — не сохранение данных, а непрерывная «подача» данных вычислительным мощностям с чрезвычайно высокой пропускной способностью. HBM — это наиболее близкое к вычислительным мощностям и наиболее детерминированное звено в цепочке AI-памяти, напрямую определяющее, может ли GPU быть «насыщен», и являющееся самым критическим узким местом в цепочке поставок.
Основная архитектура HBM — «3D-стекинг DRAM + 2.5D-передовая упаковка»: через вертикальное соединение TSV и гетерогенную интеграцию CoWoS расстояние между памятью и вычислениями предельно сокращается, достигая скачкообразного увеличения пропускной способности. Ее промышленный барьер — это не только дизайн DRAM, но и системная инженерия, включающая техпроцесс DRAM, TSV, сверхтонкий стекинг, упаковку, охлаждение, тестирование и сертификацию клиентов. Любой дефект выхода на любом этапе приводит к браку всего стека HBM.
В настоящее время только три гиганта — SK Hynix, Samsung и Micron — способны стабильно производить в массовом масштабе, создав тройной ров из передового техпроцесса DRAM, возможностей упаковки и сертификации клиентами NVIDIA/AMD.
Поколение | Емкость/чип | Пропускная способность | Шина интерфейса | Время начала массового производства | Основные клиенты |
HBM2e | 8–16 ГБ | 460 ГБ/с | 1024-бит | 2019–2020 | Зрелое поколение, используется в AI-ускорителях предыдущего поколения, таких как A100 |
HBM3 | 24 ГБ | 819 ГБ/с | 1024-бит | 2022 | SK hynix получила значительное преимущество первопроходца в цикле H100 |
HBM3e | 24–36 ГБ | 1,2 ТБ/с | 1024-бит | 2024–2025 | Основной объем поставок для современных AI GPU. Поставщики: SK hynix, Micron, Samsung — три ключевых игрока |
HBM4 | 32–48 ГБ | >2 ТБ/с | 2048-бит | 2025–2026 | С 2026 года для AI следующего поколения, этап внедрения в производство/сертификации клиентов |
HBM4E | 64 ГБ+ | >2 ТБ/с | 2048-бит+ | После 2027 | После 2027 года: планирование/разработка |
DRAM и CXL: Фундамент системной памяти и механизм пулинга памяти
HBM решает проблему предельной пропускной способности вблизи GPU, DRAM укрепляет фундамент системной памяти сервера, а CXL пытается разрушить физические границы и реорганизовать способ организации ресурсов памяти в центрах обработки данных.
DRAM：В основном несет кэш со стороны CPU, предварительную обработку данных, временное хранение промежуточных состояний и работу системы, являясь самым базовым уровнем системной памяти сервера. Мировой рынок DRAM высоко концентрирован на трех гигантах: SK hynix, Samsung, Micron; ChangXin Memory Technologies (CXMT) является ключевым фактором импортозамещения DRAM в Китае.
CXL(Compute Express Link )：Это протокол когерентности кэша нового поколения для центров обработки данных, предназначенный для преодоления ограничений традиционных слотов DIMM, локальной емкости памяти и изолированности ресурсов памяти серверов, способствуя эволюции архитектуры памяти в сторону расширения, пулинга и совместного использования. В настоящее время CXL все еще находится на ранней стадии перехода от поддержки платформ к масштабному развертыванию, со средне- и долгосрочной архитектурной ценностью; ключевые компании включают Astera Labs и Montage Technology.
Корпоративные SSD: NAND, контроллер и NVMe как центр обработки данных
Корпоративные SSD являются наиболее важным высокопроизводительным постоянным дополнением в AI-центрах обработки данных. С чрезвычайно высокой пропускной способностью, сверхнизкой задержкой и стабильным QoS они непрерывно "подкармливают" GPU данными на протяжении всего жизненного цикла: загрузка обучающих данных, запись контрольных точек, поиск RAG, кэширование вывода и обратный поток логов.
В архитектуре AI-хранилищ SSD не является изолированным аппаратным обеспечением, а представляет собой высокоинтегрированную систему, которую можно выразить в виде отраслевой формулы: корпоративный SSD = чипы NAND + контроллер SSD + канал данных NVMe/PCIe. Три уровня представляют собой независимые звенья промышленной цепочки:
Чипы 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 обеспечения производительности)：Определяет производительность, коррекцию ошибок, стабильность QoS и выравнивание износа. Представители: Phison, Silicon Motion, Marvell, Maxio.
NVMe/PCIe (уровень канала данных)：Определяет эффективность передачи данных от хранилища к вычислениям. В сочетании с технологией GPUDirect Storage уменьшает использование буфера CPU и участие CPU, значительно снижая узкие места ввода-вывода. Представители: Broadcom, Marvell, Astera Labs.
HDD / холодное хранение / архивирование: недорогая основа AI-озера данных
AI не уничтожит HDD. С ростом потребности мультимодальных больших моделей в видео- и графических данных, а также экспоненциальным ростом корпоративных журналов соответствия и исторических наборов данных, потребность в недорогом хранении холодных данных также резко возрастает. В архитектуре AI-хранилищ SSD и HDD работают совместно на основе ценности бизнеса: SSD отвечает за горячие данные и высокую пропускную способность, HDD — за низкую стоимость и долгосрочное хранение. Представители: Seagate, Western Digital, Toshiba.
Программный стек AI-хранилищ: диспетчерский центр доступности данных
AI на самом деле потребляет не "голые" диски, а "сервисы данных", тщательно организованные программным стеком. Эта архитектура преобразует базовое оборудование в интеллектуальные активы, напрямую вызываемые верхним уровнем AI, и делится на четыре уровня:
Высокопроизводительная система хранения (система подачи)：С акцентом на параллельную пропускную способность и низкую задержку, решает проблему "голода данных" в GPU-кластерах с помощью параллельных файловых систем, обеспечивая быстрый поток обучения и вывода. Представители: VAST Data, WEKA, Pure Storage.
Объектное хранилище (озеро сырых данных)：С акцентом на управление объектами, ключами и метаданными, хранит огромные объемы неструктурированных данных. Не стремится к экстремально низкой задержке, а строит емкостную основу с низкой стоимостью и облачными характеристиками. Представители: AWS S3.
Векторная база данных (уровень семантического индексирования)：Векторные базы данных отвечают за хранение, индексирование и поиск векторов, сгенерированных моделями эмбеддингов, позволяя AI точно находить релевантный контент в огромных объемах знаний. Представители: Pinecone, Milvus.
Уровень данных RAG (уровень вызова знаний)：Выходит за рамки простого поиска, включает нарезку данных, очистку, контроль доступа и отслеживание источников, обеспечивая безопасный, точный и отслеживаемый вызов корпоративных данных большими моделями. Представители: Databricks.
От AI-горячего хранения к децентрализованной холодной памяти: максимизация эффективности vs максимизация доверия
AI-хранилище — это система, движимая экстремальной эффективностью, ее функция ценности сосредоточена на максимизации вычислительной отдачи. Пропускная способность HBM определяет, накормлен ли GPU, пропускная способность SSD определяет эффективность чтения/записи наборов данных и контрольных точек, низкая задержка важна для реального времени RAG и вывода. Эти показатели в конечном итоге сводятся к использованию GPU и стоимости одного токена, напрямую определяя коммерческую прибыльность AI-приложений. Конечная цель AI-хранилища — не сохранение, а ускорение, его объект — производительность.
А функция ценности децентрализованного хранилища совершенно иная. Оно задается вопросом, будут ли данные существовать через десять лет, не были ли они изменены, могут ли противостоять точечной цензуре. С помощью криптографических доказательств и распределенных сетей оно строит общедоступную и постоянно сохраняемую базу данных. Его конечная цель — защита абсолютной истинности и суверенной независимости данных, служение справедливости, потребностям в устойчивости к цензуре и цивилизационной памяти.
Измерение | AI горячее хранение | Децентрализованное холодное хранение |
Основная ценность | Максимизация эффективности — ускорение поступления данных в вычисления | Максимизация доверия — гарантия неизменности и неудаления данных |
Тип данных | Горячие данные / Тёплые данные / Реальное время вывода | Холодные данные / Постоянный архив / Общественная память |
Ключевые показатели | Пропускная способность, пропускная способность, задержка, загрузка GPU | Проверяемость, устойчивость к цензуре, неизменность, постоянное хранение |
Источник оплаты | Облачные провайдеры, AI-лаборатории, корпоративные RAG-системы | Общественные наборы данных, долгосрочные архивы, цепочечные приложения |
Конечная цель | Не сохранение, а ускорение | Не скорость, а доверие |
Состояние рынка | Горячий — суперцикл в процессе | Тишина — обвал оценки, нарратив обескровлен |
AI-хранение — это «горячее хранение», обеспечивающее топливом будущую производительность, а децентрализованное хранение — это «холодная память», сохраняющая неудаляемые исторические записи для человеческой цивилизации. Первое служит эффективности, стремясь к максимальной скорости; второе служит доверию, защищая молчаливую память. Первое определяет, насколько быстро работает модель, второе — будет ли память удалена. В настоящее время рыночные механизмы вознаграждают эффективность производительности, AI-хранение находится на пике, а децентрализованное хранение, похоже, переживает обвал оценки и обескровливание нарратива.
Видение и реальность децентрализованного хранения
Проектов децентрализованного хранения много, но по отраслевому менталитету и экосистемному осадку ключевыми представителями всегда остаются Filecoin и Arweave. Хотя оба относятся к «децентрализованному хранению», их философия базовой архитектуры — это почти два совершенно разных пути: первый с помощью рыночных контрактов приближается к эластичности AWS, второй с помощью одноразового общественного договора приближается к вечности библиотеки.
Filecoin: через PoRep и PoSt построил самую полную проверяемую экономическую систему. Ему не следует продолжать бороться с AWS на потребительском уровне облачных дисков, а следует переключиться на отслеживание происхождения данных AI (Provenance), хостинг общественных наборов данных и соответствующее архивирование, предоставляя проверяемую цепочку для аудита моделей и доказательства авторских прав. Необходимый путь — инкапсуляция в S3-совместимый API и поддержка фиатных платежей, переход от «рынка дешёвого хранения» к «проверяемой вычислительной инфраструктуре».
Arweave: с нарративом «однократная оплата, вечное хранение» через механизмы Blockweave и SPoRA вынуждает майнеров сохранять и быстро получать доступ к как можно большему количеству, особенно редких исторических данных. Его оптимальное место — основа общественной памяти человечества: сохранение записей о правах человека, доказательств военных преступлений, культурных текстов, архивирование юридической и финансовой истории, предоставление AI-агентам постоянно доступной долгосрочной памяти. Ценность Arweave не в скорости, а в способности нести цивилизационную память через циклы.
Измерение | Filecoin — Рынок проверяемого хранения (Данные по состоянию на июнь 2026 г., источник Filfox) | Arweave — Постоянный слой общественной памяти (Данные по состоянию на июнь 2026 г. Источник: ViewBlock) |
Основная философия | «Хранение — это рынок» — обнаружение цен, эластичное предложение, контракты могут не продлеваться по истечении срока | «Хранение — это общественное благо» — одноразовый общественный договор, данные существуют без необходимости постоянной оплаты каким-либо субъектом |
Базовая структура | Стандартный блокчейн + адресация контента IPFS; данные и цепочка хранятся отдельно | Blockweave — каждый новый блок одновременно ссылается на предыдущий блок и случайный исторический «блок отзыва» |
Консенсусный механизм | Expected Consensus (EC): Proof of Replication (PoRep) + Proof of Spacetime (PoSt) | SPoRA (Succinct Proof of Random Access, итерация от PoA с 2021 г.) |
Логика доказательства хранения | PoRep доказывает, что майнер создал уникальную копию данных; PoSt постоянно доказывает, что эта копия все еще полностью сохранена | Майнинг требует доказательства доступа к случайному блоку отзыва — это вынуждает майнеров хранить как можно больше исторических данных, включая непопулярные |
Рыночная структура | Двухуровневая рыночная архитектура: Storage Market (сделки на хранение) + Retrieval Market (сделки на поиск), сопоставление на цепочке, передача данных вне цепочки | Одноуровневая постоянная запись; нет отдельного рынка поиска, зависит от Gateway (например, AR.IO) для предоставления услуг поиска |
Модель оплаты | Рынок хранения / контрактная система — клиент заключает с поставщиком хранения (SP) договор аренды на определенный срок, оплата по мере использования | Модель постоянного пожертвования Endowment — единовременная оплата, средства помещаются в доходный пул, теоретически бессрочно выплачивая майнерам |
Гарантия доступности данных | Гарантируется целостность (данные не были изменены), но не гарантируется скорость поиска, требуется дополнительная покупка услуг поиска | Гарантируется долговечность и доступность; любой, у кого есть ID транзакции, может просматривать и загружать данные постоянно, не полагаясь на кошелек исходного загрузчика |
Типичные сценарии | Корпоративное холодное архивирование, хранение для соответствия требованиям, проверяемые снимки данных для обучения ИИ, эластичное хранение по требованию | Permaweb (постоянные веб-сайты), метаданные NFT, исторические архивы, долговременная память AI Agent (вычислительный слой AO) |
Модель токена | Максимальное предложение FIL составляет 2 миллиарда монет, фактическое обращение зависит от высвобождения блок-наград, стейкинга, штрафов и механизмов сжигания | Максимальное предложение AR составляет около 66 миллионов монет, доля в обращении уже близка к пределу, влияние дополнительной инфляции невелико. |
Размер сети | Quality Adjusted Power: около 14 848 PiB | Network Size: около 20,2 PiB |
Накопленные хранимые данные | Active deals stored data: около 1 110 PiB | Weave Size около 0,345 PiB |
Майнеры / узлы | Около 611 активных майнеров | Около 100 онлайн-узлов |
Стоимость хранения | Filecoin Cloud $2,50/TiB/месяц/копия | Около 10,4–10,7 AR/GiB (≈$20–21) |
Трудности децентрализованных проектов хранения, таких как Filecoin и Arweave, заключаются не в ошибочности ценностного предложения, а в долгосрочном несоответствии между продуктом, опытом поиска, реальным спросом и стимулами токенов. Это раскрывает огромный разрыв между идеями гиков и массовым коммерческим применением:
Несоответствие стимулов спроса и предложения: Ранние сети, такие как Filecoin, быстро масштабировались с помощью токенов, но не создали достаточно сильную платёжеспособную сторону спроса, что привело к огромной ёмкости, но низкой загрузке и конверсии платного использования. Вознаграждение за «я могу хранить», а не за «нужно, чтобы я хранил».
Отсутствие корпоративных сервисных возможностей: Барьер AWS — не жёсткие диски, а «операционная система данных», состоящая из API, SLA, управления правами, комплаенс-аудита и технической поддержки. Предприятия покупают «спокойствие», а не экспериментальную инфраструктуру, требующую самостоятельного управления ключами и выбора узлов.
Недостатки в скорости поиска: «Сохранить» не равно «стабильно и с низкой задержкой извлечь». Разрозненные узлы, сложная топология и отсутствие единого SLA затрудняют обработку горячих данных ИИ, что делает такие сети более подходящими для надёжного холодного архивирования и отслеживания данных.
Недостаточная конфиденциальность и соответствие нормам: Корпоративные частные данные нельзя просто записывать в общедоступную постоянную сеть; право на удаление и неизменность данных находятся в естественном конфликте. Децентрализованное хранение больше подходит для публичных данных и долгосрочных архивов, а не для безразборного размещения критически важных частных данных.
Усиление циклов токен-экономики: Финансиализация на бычьем рынке маскирует недостаток спроса, а на медвежьем — падение ROI майнеров обнажает коммерческие слабости. Токены могут холодно запустить предложение, но не могут автоматически создать спрос и устойчивый доход.
Другие проекты децентрализованного хранения в основном сосредоточены на конкретных экосистемах или нишах: Storj/Sia имеют более слабое отраслевое восприятие и влияние нарратива Web3, чем Filecoin/Arweave; BNB Greenfield/Walrus привязаны к экосистемам конкретных блокчейнов BNB или SUI; Celestia/EigenDA относятся к уровню доступности данных (DA) и обслуживают подтверждение транзакций Rollup, а не долгосрочное архивирование; проекты с гибридным нарративом ИИ/DA, такие как 0G, пытаются объединить хранение, доступность данных, вычисления и расчёты ИИ-агентов в единую модульную инфраструктуру, ориентированную на ИИ, но их реальный спрос, внедрение разработчиками и коммерческая замкнутость ещё требуют проверки.
Будущие возможности децентрализованного хранения: долгосрочный маятник эффективности и доверия
В период взрывного роста технологий капитал безумно гонится за эффективностью, активы вроде GPU и HBM получают чрезвычайно высокие премии, а децентрализованное хранение, пропагандирующее «доверие и справедливость», естественно оказывается на обочине. Однако исторический маятник не будет вечно стоять на стороне эффективности. Нерациональные блокировки и удаление контента суперплатформами, всплеск судебных исков об авторских правах на ИИ, вынуждающий доказывать происхождение данных, борьба за суверенитет данных из-за геополитических конфликтов, исчезновение публичных архивов из-за монополии данных, а также регуляторное давление на соответствие данных для обучения моделей — все эти события могут привести к переоценке «надёжного хранения», и будущие возможности децентрализованного хранения всё ещё могут проявить уникальную ценность в следующих направлениях:
Происхождение данных ИИ (Provenance): Сочетание криптографических доказательств для создания «родословной данных» в ответ на регуляторное и аудиторское давление.
Публичные наборы данных и архивы цивилизации: Фиксация подвергаемых цензуре архивов и культурного наследия, создание незаменимой и неудаляемой памяти.
Надёжное архивирование и комплаенс-нотариат: Обеспечение надёжного самодоказательства через хеш-нотариат, предоставление высокоуровневого цифрового заверения.
Интеграция технологий ZK/TEE/DID: Разрешение напряжённости в области конфиденциальности, переход от простого «протокола хранения» к «надёжной инфраструктуре данных».
Невидимая продуктовая стратегия: Предоставление S3-совместимого API и биллинга в фиатной валюте, позволяя пользователям напрямую покупать услугу «надёжного архивирования».
ИИ-хранение и децентрализованное хранение: одно стремится к предельной эффективности, обеспечивая нас топливом для движения в будущее; другое защищает молчаливую память, сохраняя наше право оглядываться назад. Текущий рынок безоговорочно вознаграждает эффективность, поэтому децентрализованное хранение кажется тихим или даже рушащимся; но когда эпоха ИИ ещё больше усилит монополию данных, споры об авторских правах и уязвимость исторической памяти, децентрализованное хранение может пережить переоценку стоимости в виде «надёжного холодного слоя». Те воспоминания, которые нельзя легко стереть платформам, компаниям или любой единой власти, возможно, перейдут от идеалистической романтики, от маргинальной веры к необходимой инфраструктуре.
