Гуляя по сообществам обсуждений, часто встречаешь разговоры об on-chain AI, но в большинстве постов подчеркивается, насколько продвинута модель или как быстро она работает. Честно говоря, все эти точки зрения оказываются в стороне от главного.

Настоящим узким местом on-chain AI никогда не были алгоритмы или оборудование, а вопрос о том, где хранить данные и как их хранить. Представьте: промежуточные результаты, созданные AI-приложением на цепи, логи умозаключений, наборы данных для обучения — где они должны находиться? Как убедиться, что данные можно вызвать в любой момент и при этом они не будут изменены или потеряны? Это и есть ключ к успеху или провалу всего проекта.

Недавно посмотрел технические решения некоторых новых проектов и заметил кое-что интересное. Один проект использует следующий подход — при сохранении любого файла он автоматически разбивается на более чем 10 фрагментов данных, которые распределяются по разным узлам. Это число выглядит произвольным, но на самом деле тщательно рассчитано: это означает, что единственный отказ узла практически не может повредить систему.

Для on-chain AI-приложений этот механизм невероятно важен. Огромные объемы временных данных, создаваемые при обучении модели (исчисляемые ТБ), если хранить их на традиционном централизованном сервере, приведут к краху при его отказе. Но с такой распределенной архитектурой хранения данные естественным образом встраиваются по всей сети и обладают врожденной способностью к риск-устойчивости. С точки зрения конструкции это выглядит как инфраструктура, специально подготовленная для долгосрочной работы on-chain AI-приложений.

Статистика фактического использования еще лучше это демонстрирует. Недавние данные хранилища показывают, что более 30% содержимого запросов — это не традиционные медиа, такие как изображения и видео, а структурированные наборы данных, файлы контрольных точек модели и даже логи выполнения умозаключений. Это изменение структуры данных как раз подтверждает, что on-chain AI становится основным сценарием применения для некоторых проектов. Кто сумеет создать самую стабильную и эффективную базу хранения данных, тот потенциально станет лидером на этой скрытой гоночной трассе.