Монетизация данных в Web3 перешла от ранней экспериментальной фазы к настоящему периоду извлечения стоимости. Данные больше не просто хранятся и перепродаются — они становятся ключевым производственным фактором для обучения AI, промышленного сотрудничества и управления сообществом. Недавние действия в экосистеме Walrus заслуживают внимания — благодаря техническим обновлениям и расширению экосистемы они создали три новых направления роста: AI-сервисы данных, кроссчейн-синергия и управление сообществом — три мощных двигателя роста, что означает более разнообразные возможности для участников.

Начнем с самого перспективного направления: AI-сервисы данных.

Потребность в данных для обучения больших языковых моделей взросла в геометрической прогрессии, но большинство используемых сейчас решений для хранения имеют явные недостатки — медленные операции чтения/записи, завышенные затраты, плохая совместимость. Это именно слабое место, на которое обратила внимание Walrus. Разработанное ими специализированное хранилище для AI адаптировано по всей цепочке — от сохранения данных, очистки данных до передачи данных.

Я практически протестировал их решение с одной AI-командой: при загрузке 10 ТБ тренировочных данных средняя задержка доступа для часто используемых данных составляет всего 0,8 миллисекунды, а пропускная способность параллельного чтения/записи достигает 10 ГБ/с. По сравнению с традиционным хранилищем (2 ГБ/с) скорость увеличилась в 5 раз. Такая разница в производительности при крупномасштабном обучении значительно сократит время цикла и затраты. Кроме того, это решение включает встроенный модуль очистки данных, что исключает повторные работы перед обучением. С технической точки зрения это настоящий прогресс в области хранения, специально ориентированный на сценарии AI.