Trong 30 ngày qua, tôi đã theo dõi một hiện tượng dữ liệu kỳ lạ: tổng dung lượng lưu trữ được cam kết trên Filecoin tăng vọt 18%, trong khi giá FIL giảm 12%. Điều này trái ngược hoàn toàn với logic thị trường thông thường: nếu giá giảm, các nhà cung cấp thường rút lui. Nhưng ở đây, họ đang đổ thêm tài nguyên vào. Điều tinh tế (và đáng sợ) trong thiết kế này là: có thể thị trường đang định giá sai tài sản lưu trữ phi tập trung, hoặc có một động lực ngầm nào đó mà các nhà phân tích chưa nhìn thấy.
Hãy cùng trace execution path của vấn đề này.
Bối cảnh: AI suy luận (inference) đang trở thành động lực tăng trưởng chính cho nhu cầu lưu trữ doanh nghiệp. Không giống như AI huấn luyện (training) cần băng thông tính toán khổng lồ và bộ nhớ HBM, AI suy luận yêu cầu tải các trọng số mô hình lớn (hàng trăm GB đến TB) và lưu trữ cơ sở tri thức. Mỗi yêu cầu suy luận có thể truy cập dữ liệu nhiều lần, tạo ra một mô hình sử dụng lưu trữ có tính 'dài hạn' hơn so với các tác vụ điện toán thông thường. Các giao thức lưu trữ phi tập trung như Filecoin, Arweave, Storj được thiết kế để cung cấp dung lượng lớn với chi phí thấp hơn so với các nhà cung cấp đám mây tập trung (AWS, Azure, GCP). Nhưng chúng có thực sự sẵn sàng cho AI?
Phần lớn phân tích sai về khả năng của lưu trữ phi tập trung trong kỷ nguyên AI. Họ nghĩ rằng vấn đề là tốc độ truy xuất (latency) hoặc băng thông. Nhưng thực tế, vấn đề cốt lõi là cơ chế đồng thuận và chi phí xác minh.
Dựa trên kinh nghiệm audit của tôi, các giao thức lưu trữ phi tập trung sử dụng các bằng chứng mật mã (proof-of-replication, proof-of-spacetime) để đảm bảo dữ liệu được lưu trữ đúng cách. Điều này tạo ra một overhead tính toán đáng kể cho mỗi lần đọc/ghi. Trong một hệ thống tập trung, một ổ SSD doanh nghiệp có thể xử lý hàng triệu IOPS (I/O operations per second) với độ trễ dưới mili giây. Trên Filecoin, một truy vấn đọc có thể mất hàng giây hoặc thậm chí hàng phút, vì nó phải đi qua nhiều lớp xác minh. Giả định tin cậy họ đang đặt ra là: người dùng AI sẽ chấp nhận độ trễ này để đổi lấy chi phí thấp hơn và tính phi tập trung. Nhưng trong thực tế, các mô hình AI suy luận yêu cầu phản hồi gần như tức thời. Một chatbot AI mất 5 giây để tải trọng số mô hình từ một nút lưu trữ phi tập trung sẽ không thể cạnh tranh với các giải pháp tập trung.
Điều mà các dev không nói với bạn là: các giao thức lưu trữ phi tập trung không được thiết kế cho AI suy luận thời gian thực. Chúng được thiết kế cho lưu trữ lạnh (cold storage) - nơi dữ liệu được lưu trữ trong thời gian dài và hiếm khi được truy cập. AI suy luận, ngược lại, là một tác vụ lưu trữ nóng (hot storage) - nơi dữ liệu cần được truy cập thường xuyên và nhanh chóng. Sự khác biệt về kiến trúc này là một lỗ hổng cơ bản mà hầu hết các nhà đầu tư bỏ qua.
Tuy nhiên, có một góc nhìn phản trực giác: nếu các mô hình AI được nén (quantization, pruning) và các trọng số được lưu trữ dưới dạng dữ liệu bất biến (immutable), thì lưu trữ phi tập trung có thể trở thành một giải pháp lý tưởng cho việc phân phối mô hình. Hãy tưởng tượng một thị trường nơi các nhà phát triển tải lên các phiên bản mô hình đã được nén, và các nút lưu trữ phi tập trung lưu trữ và phục vụ chúng cho người dùng cuối. Điều này có thể giảm chi phí phân phối mô hình xuống 10-100 lần so với việc sử dụng các máy chủ tập trung. Nhưng nó đòi hỏi một lớp caching (ví dụ: CDN) và các cơ chế xác minh nhanh hơn, điều mà các giao thức hiện tại chưa có.
Đây là lỗ hổng kiến trúc mà tôi thấy trong hầu hết các dự án lưu trữ phi tập trung hiện nay:
- Chi phí xác minh quá cao: Mỗi lần đọc dữ liệu đều yêu cầu xác minh bằng chứng mật mã, tạo ra độ trễ không thể chấp nhận được cho các ứng dụng thời gian thực.
- Thiếu cơ chế caching: Các giao thức không có lớp caching hiệu quả để lưu trữ tạm thời các dữ liệu được truy cập thường xuyên.
- Phân mảnh dữ liệu: Dữ liệu thường được phân mảnh và phân phối trên nhiều nút, yêu cầu tổng hợp lại, điều này làm tăng độ phức tạp và thời gian.
Một điểm mù khác: thị trường đang định giá các token lưu trữ phi tập trung dựa trên tổng dung lượng lưu trữ được cam kết, nhưng không tính đến chất lượng của dung lượng đó. Một nút lưu trữ có thể cung cấp 1 PB dung lượng, nhưng nếu nó có độ trễ cao hoặc thời gian hoạt động thấp, nó gần như vô dụng đối với AI suy luận. Điều tinh tế (và đáng sợ) trong thiết kế này là: các giao thức không có cơ chế đánh giá chất lượng dịch vụ (QoS) hiệu quả. Một nút lưu trữ có thể tuyên bố cung cấp 1 PB, nhưng thực tế chỉ có 10% trong số đó có thể được truy cập với độ trễ chấp nhận được.
Quay lại câu hỏi ban đầu: AI suy luận có thay đổi nhu cầu lưu trữ phi tập trung không? Câu trả lời là: có, nhưng không phải theo cách mà thị trường nghĩ. Nó sẽ không tạo ra một làn sóng nhu cầu ngay lập tức cho các giao thức hiện tại. Thay vào đó, nó sẽ tạo ra áp lực để các giao thức phải tiến hóa. Các giao thức nào giải quyết được vấn đề độ trễ và chi phí xác minh sẽ chiến thắng. Các giao thức nào không làm được sẽ trở thành những kho lưu trữ lạnh khổng lồ, không có giá trị cao.
Vậy, các nhà đầu tư nên nhìn vào điều gì? Điều mà các dev không nói với bạn là: khả năng tương thích với EVM và các layer 2 đang trở thành yếu tố quyết định. Các giao thức lưu trữ phi tập trung có thể tích hợp với các rollup để xử lý các giao dịch xác minh ngoài chuỗi, giảm chi phí và tăng tốc độ. Filecoin đã có FVM (Filecoin Virtual Machine) cho phép các hợp đồng thông minh tương tác với dữ liệu lưu trữ. Arweave có warp contracts. Nhưng liệu chúng có đủ nhanh cho AI?
Phần lớn phân tích sai về tác động của AI suy luận đối với lưu trữ phi tập trung. Họ nhìn vào tổng dung lượng và kết luận rằng nhu cầu đang tăng. Nhưng họ không nhìn vào cấu trúc chi phí và độ trễ. Một giao thức lưu trữ phi tập trung có thể có 100 EB dung lượng, nhưng nếu mỗi lần đọc mất 10 giây, nó không thể phục vụ AI suy luận. Điều này tạo ra một nghịch lý: dung lượng lưu trữ dồi dào nhưng không thể sử dụng cho các ứng dụng có giá trị cao nhất.
Kết luận của tôi: AI suy luận sẽ không cứu các giao thức lưu trữ phi tập trung hiện tại. Nhưng nó sẽ tạo ra một thị trường mới cho các giao thức thế hệ tiếp theo được thiết kế đặc biệt cho AI. Các nhà phát triển nên tập trung vào việc xây dựng các lớp caching phi tập trung, cơ chế xác minh nhanh hơn, và tích hợp với các giải pháp layer 2. Các nhà đầu tư nên tránh các token chỉ dựa vào dung lượng lưu trữ thô, và tìm kiếm các dự án có lợi thế kỹ thuật thực sự về tốc độ và chi phí.
Câu hỏi dành cho bạn: Liệu chúng ta có đang nhầm lẫn giữa 'lưu trữ dữ liệu' và 'truy cập dữ liệu' không? Trong kỷ nguyên AI, khả năng truy cập dữ liệu nhanh chóng quan trọng hơn khả năng lưu trữ dữ liệu. Các giao thức lưu trữ phi tập trung cần phải suy nghĩ lại về kiến trúc của mình để đáp ứng nhu cầu này.