IOSG : De la mémoire chaude à la mémoire froide, le stockage décentralisé au milieu de l'essor du stockage à l'ère de l'IA

Titre original : "IOSG｜De la mémoire chaude à la mémoire froide : le stockage décentralisé au milieu de l'essor du stockage à l'ère de l'IA"
Auteur original : Jacob Zhao, IOSG Ventures

Récemment, Changxin Storage, connu comme la "première action de stockage domestique", a officiellement atterri sur le ChiNext et a explosé avec une augmentation stupéfiante de 500 %. Bien que le secteur du stockage dans son ensemble soit encore affecté par les récentes corrections du marché, le stockage IA est réévalué de manière sauvage par le capital dans cette vague actuelle de récit technologique. Pendant ce temps, le stockage décentralisé dans l'espace Web3 est tombé dans une longue période de silence et de perte. Pourquoi le marché montre-t-il un contraste aussi frappant malgré le fait que les deux soient étiquetés comme "stockage" ? La réponse fondamentale réside dans la divergence complète des fonctions de valeur sous-jacentes.

La réévaluation du stockage à l'ère de l'IA est essentiellement une célébration de l'"efficacité des données chaudes", visant à maximiser l'utilisation computationnelle et la monétisation commerciale ; tandis que le stockage décentralisé adhère à la proposition de valeur de "fiabilité des données froides", défendant l'équité des données, la résistance à la censure et la mémoire à long terme de la civilisation humaine. Le premier est un système d'efficacité pour les données chaudes, tandis que le second est un système de confiance pour les données froides. Le marché du capital actuel se tient sans aucun doute fermement du côté de "l'efficacité", mais la civilisation humaine nécessite finalement toujours une base de mémoire immuable. La valeur à long terme d'un stockage froid fiable n'a jamais disparu ; elle est simplement restée en dormance dans le côté sombre des cycles, attendant d'être revalorisée par les temps.

Pourquoi le stockage a-t-il réémergé comme le point focal de la chaîne industrielle de l'IA

À l'ère traditionnelle de l'informatique, le stockage était une "activité de capacité". Les CIO se concentraient sur les coûts unitaires de capacité, la fiabilité des disques durs, les plans de récupération après sinistre, les stratégies d'archivage et les cycles de mise à jour des équipements de 3 à 5 ans. Le stockage était considéré comme un accessoire suivant les achats de serveurs.

Cette vague de boom du stockage n'est pas un revival des cycles traditionnels mais une revalorisation des capacités de flux de données propulsée par l'IA. À l'ère des grands modèles, la logique du stockage a évolué d'un "priorité à la capacité" à "priorité à l'efficacité", se concentrant sur des métriques extrêmes telles que les taux d'alimentation GPU, les écritures de Checkpoint et la latence ultra-basse de RAG. Cela marque un saut dans la valeur du stockage, passant d'"un lieu de repos final des données" à "un canal à grande vitesse pour les données entrant dans le calcul".

L'évolution des goulets d'étranglement des ressources dans l'infrastructure IA est essentiellement une bataille pour remplir l'"effet baril". Le véritable taux d'utilisation de la puissance de calcul n'est pas une addition linéaire d'actifs uniques mais un effet multiplicatif strict : Taux d'utilisation computationnelle réel = GPU × HBM × DRAM × SSD × Réseau × Système de fichiers. Toute lacune dans un maillon entraînera un effondrement global de l'utilisation computationnelle. À l'ère de l'IA, le stockage s'est transformé pour la première fois d'un "centre de coûts" en "moteur d'efficacité". C'est la logique fondamentale derrière la revalorisation du stockage.

Aperçu de l'architecture de stockage IA : des organes de bande passante HBM aux fondations de lac de données

Le stockage IA n'est pas simplement un tas de matériel unique mais un système complexe étroitement couplé et hiérarchiquement programmé. Dans ce système, la valeur industrielle et l'accent mis sur le capital sont fortement concentrés sur HBM, les SSD de niveau entreprise, les contrôleurs SSD, les protocoles NVMe/CXL et les systèmes de stockage haute performance. Pour disséquer clairement son flux de valeur, nous classons l'architecture de stockage IA en quatre niveaux principaux de haut en bas :

· Couche de mémoire de proximité de calcul (noyau de bande passante) : Dominée par HBM, complétée par la technologie de mise en commun de mémoire DRAM et CXL. Cette couche interagit directement avec l'emballage GPU/CPU ou les bus, visant à briser le "mur de la mémoire", et est le premier point de contrôle déterminant si la puissance de calcul peut être pleinement libérée.

· Couche de stockage persistant haute vitesse (hub IO) : La logique centrale est SSD de niveau entreprise = puces NAND + contrôleurs SSD + voies de données NVMe/PCIe. Cette couche prend en charge les écritures de Checkpoint à haute fréquence, les charges massives de jeux de données d'entraînement et le cache de données chaudes RAG, servant d'augmentation de stockage persistant la plus explicite pour les centres de données IA.

· Couche de stockage haute capacité à faible coût (fondation de capacité) : Composée de disques durs, de stockage froid et de systèmes d'archivage de lac de données. Face à l'expansion exponentielle des données brutes multimodales, des journaux historiques et des sauvegardes de conformité, cette couche continue de fournir un avantage TCO (coût total de possession) irremplaçable.

· Systèmes de stockage IA et logiciels de données (cerveau de planification) : Comprend des systèmes de fichiers parallèles haute performance, du stockage d'objets distribués, des bases de données vectorielles et des couches de gouvernance des données RAG. Ce que l'IA consomme réellement n'est pas du matériel brut mais la disponibilité des données efficacement organisée, indexée et autorisée par la pile logicielle.

· En tant qu'extension écologique, le stockage décentralisé ne participe pas directement à la course au niveau milliseconde des données chaudes de l'IA mais s'ancre sur la certification des ensembles de données publiques, la provenance des données d'entraînement IA et l'archivage de mémoire froide à long terme, établissant son créneau écologique unique en tant que "couche froide fiable".

HBM : L'"organe de bande passante" le plus proche de la puissance computationnelle dans la chaîne de stockage IA

La mémoire à large bande passante (HBM) n'est pas un stockage traditionnel mais une couche de mémoire à large bande passante proche du GPU. Sa mission principale n'est pas de stocker des données mais de "nourrir" continuellement des données à la puissance de calcul à une bande passante extrêmement élevée. HBM est le maillon le plus proche et le plus déterministe dans la chaîne de stockage IA, déterminant directement si le GPU peut être "nourri" adéquatement, ce qui en fait le goulot d'étranglement actuel de la chaîne d'approvisionnement.

L'architecture centrale de HBM est "empilement DRAM 3D + emballage avancé 2.5D" : grâce à l'empilement vertical TSV et à l'intégration hétérogène CoWoS, elle atteint une compression extrême de la distance stockage-calcul, entraînant un saut générationnel en bande passante. Ses barrières industrielles ne concernent pas seulement la conception DRAM mais aussi l'ingénierie système des processus de fabrication DRAM, TSV, empilement ultra-fin, emballage, dissipation thermique, tests et certification client. Toute faille de rendement dans un maillon entraînera le rejet de l'ensemble de l'empilement HBM.

Actuellement, seuls SK Hynix, Samsung et Micron peuvent produire en masse de manière stable, établissant un triple rempart de processus de fabrication DRAM de premier ordre, de capacités d'emballage et de certifications clients NVIDIA/AMD.

DRAM et CXL : Fondation de la mémoire système et moteur de mise en commun de mémoire

HBM aborde la bande passante extrême près du GPU, le DRAM solidifie la fondation de la mémoire système du serveur, et le CXL tente de briser les frontières physiques pour reconstruire l'organisation des ressources mémoire dans les centres de données.

· DRAM : Transporte principalement les caches côté CPU, le prétraitement des données, le stockage d'état intermédiaire et les opérations système, servant de couche de mémoire système la plus basique pour les serveurs. Le marché mondial du DRAM est fortement concentré parmi les trois géants SK Hynix, Samsung et Micron ; Changxin Storage (CXMT) est une variable clé dans la substitution domestique du DRAM en Chine.

· CXL (Compute Express Link) : Un protocole d'interconnexion de cohérence de cache de nouvelle génération pour les centres de données, visant à briser les limitations des emplacements DIMM traditionnels, de la capacité de mémoire locale et des îlots de ressources mémoire des serveurs, promouvant l'évolution de l'architecture mémoire vers l'expansion, la mise en commun et le partage. Actuellement, le CXL est encore dans les premières étapes de la transition du support de plateforme au déploiement à grande échelle, avec une valeur architecturale élevée à moyen et long terme ; les entreprises clés incluent Astera Labs et Lanqi Technology.

SSD de niveau entreprise : le hub de données construit à partir de NAND, de contrôleurs et de NVMe

Les SSD de niveau entreprise sont les augmentations persistantes les plus critiques à haut débit pour les centres de données IA, nourrissant continuellement des données aux GPU avec un débit extrêmement élevé, une faible latence et une QoS stable, couvrant l'ensemble du cycle de vie du chargement des données d'entraînement, de l'écriture de Checkpoint, de la récupération RAG, du cache d'inférence et du reflux de journaux.

Dans l'architecture de stockage IA, les SSD ne sont pas du matériel isolé mais un système hautement couplé, qui peut être distillé dans la formule industrielle : SSD de niveau entreprise = puces NAND + contrôleurs SSD + voies de données NVMe/PCIe. Les trois couches représentent des maillons indépendants dans la chaîne industrielle :

· Puces NAND (couche de matière première) : Déterminent la densité de stockage et le coût unitaire, tandis que les contrôleurs gèrent la libération de performance et la durée de vie. Les entreprises représentatives incluent Samsung, SK Hynix (Solidigm), Micron, Kioxia, Western Digital et Yangtze Memory Technologies.

· Contrôleurs SSD (couche d'autonomisation de la performance) : Déterminent la libération de performance, la correction d'erreurs de données, la stabilité de la QoS et l'équilibrage de l'usure. Les entreprises représentatives incluent Phison, Silicon Motion, Marvell et Maxio.

· NVMe/PCIe (couche de voie de données) : Déterminent l'efficacité du transfert de données du stockage au calcul. Combiné avec la technologie GPUDirect Storage, il réduit le tampon de mémoire de rebond CPU et l'implication du CPU, allégeant considérablement les goulets d'étranglement I/O. Les entreprises représentatives incluent Broadcom, Marvell et Astera Labs.

HDD / Stockage froid / Archivage : La fondation à faible coût des lacs de données IA

L'IA n'éliminera pas les disques durs. Avec la demande croissante de données vidéo et d'images des grands modèles multimodaux, ainsi que la croissance exponentielle des journaux de conformité d'entreprise et des ensembles de données historiques, le besoin de stockage de données froides à faible coût augmente simultanément. Dans l'architecture de stockage IA, les SSD et les HDD collaborent de manière stratifiée en fonction de la valeur commerciale : les SSD gèrent les données chaudes et le haut débit, tandis que les HDD sont responsables du stockage à faible coût et à long terme. Les entreprises représentatives incluent Seagate, Western Digital et Toshiba.

Pile logicielle de stockage IA : Le hub de planification de la disponibilité des données

Ce que l'IA consomme réellement n'est pas des disques nus, mais les "services de données" méticuleusement organisés par la pile logicielle. Cette architecture transforme le matériel sous-jacent en actifs de connaissance auxquels l'IA peut accéder directement, divisée en quatre couches :

· Systèmes de stockage haute performance (systèmes d'approvisionnement) : Axés sur le débit concurrent et la faible latence, ils s'attaquent au problème de la "faim de données" des clusters GPU grâce à des systèmes de fichiers parallèles, garantissant un flux rapide d'entraînement et d'inférence. Entreprises représentatives : VAST Data, WEKA, Pure Storage.

· Stockage d'objets (lacs de données brutes) : Centré sur la gestion des objets, des clés et des métadonnées, il prend en charge d'énormes quantités de données non structurées. Il ne recherche pas une latence extrêmement basse mais construit une base de capacité avec des caractéristiques de faible coût et cloud-native. Entreprise représentative : AWS S3.

· Bases de données vectorielles (couche d'index sémantique) : Les bases de données vectorielles sont responsables du stockage, de l'indexation et de la récupération des vecteurs générés par les modèles d'embedding, permettant à l'IA de localiser avec précision le contenu pertinent parmi une vaste connaissance. Entreprises représentatives : Pinecone, Milvus.

· Couche de données RAG (couche d'invocation de connaissance) : Allant au-delà de la simple récupération, elle englobe le découpage de données, le nettoyage, le contrôle des autorisations et la traçabilité des citations, garantissant que les données d'entreprise peuvent être invoquées de manière sécurisée, précise et traçable par de grands modèles. Entreprise représentative : Databricks.

Du stockage chaud IA à la mémoire froide décentralisée : maximiser l'efficacité contre maximiser la confiance

Le stockage IA est un système extrêmement axé sur l'efficacité, avec sa fonction de valeur centrée sur la maximisation de la production computationnelle. La bande passante HBM détermine si les GPU peuvent être nourris adéquatement, le débit des SSD détermine l'efficacité de lecture et d'écriture des ensembles de données et des points de contrôle, et la faible latence est cruciale pour les expériences en temps réel dans RAG et l'inférence. Ces métriques convergent finalement vers l'utilisation du GPU et les coûts unitaires des jetons, déterminant directement la rentabilité commerciale des applications IA. L'objectif ultime du stockage IA n'est pas la préservation, mais l'accélération, servant la productivité.

En revanche, la fonction de valeur du stockage décentralisé est entièrement différente. Elle remet en question si les données existeront encore dans dix ans, si elles ont été altérées et si elles peuvent résister à la censure à point unique. Grâce à des preuves cryptographiques et des réseaux distribués, elle construit une fondation de données publiques qui est ouverte à l'accès et préservée de manière permanente. Son objectif ultime est de défendre la vérité absolue et l'indépendance souveraine des données, servant les besoins d'équité, de lutte contre la censure et de mémoire civile.

Le stockage IA est le "stockage chaud" qui alimente la productivité future, tandis que le stockage décentralisé est la "mémoire froide" qui préserve les archives historiques irrévocables de la civilisation humaine. Le premier sert l'efficacité, poursuivant une vitesse extrême ; le second sert la confiance, défendant les souvenirs silencieux. Le premier détermine la rapidité d'exécution des modèles, tandis que le second détermine si les souvenirs seront effacés. Actuellement, les mécanismes du marché récompensent l'efficacité de la productivité, plaçant le stockage IA au premier plan, tandis que le stockage décentralisé semble connaître un effondrement de valorisation et un drain narratif.

La vision et la réalité du stockage décentralisé

Il existe de nombreux projets de stockage décentralisé, mais en fonction de l'état d'esprit de l'industrie et de la sédimentation écologique, les représentants clés restent Filecoin et Arweave. Bien que les deux appartiennent au "stockage décentralisé", leurs philosophies architecturales sous-jacentes sont presque deux chemins complètement différents : le premier s'approche de l'élasticité d'AWS par le biais de contrats de marché, tandis que le second s'approche de l'éternité des bibliothèques par le biais de contrats sociaux uniques.

· Filecoin : Il a construit le système économique vérifiable le plus complet grâce à PoRep et PoSt. Il ne devrait pas continuer à rivaliser avec AWS sur le stockage cloud de niveau consommateur mais devrait se tourner vers la provenance des données IA, l'hébergement d'ensembles de données publiques et l'archivage de conformité, fournissant des chaînes vérifiables pour l'audit des modèles et la preuve de droits d'auteur. Le chemin nécessaire est de l'encapsuler en tant qu'API compatible S3 et de soutenir les paiements en fiat, passant d'un "marché de stockage bon marché" à une "infrastructure de calcul vérifiable".

· Arweave : Avec le récit de "paiement unique, stockage permanent", il incite les mineurs à sauvegarder et à accéder rapidement autant de données historiques, surtout rares, que possible grâce aux mécanismes Blockweave et SPoRA. Sa meilleure position est celle de fondation pour la mémoire publique humaine— préservant les archives des droits de l'homme, les preuves de crimes de guerre, les classiques culturels, l'archivage de l'histoire légale et financière, et fournissant aux agents IA une mémoire à long terme accessible en permanence. La valeur d'Arweave réside non pas dans la vitesse, mais dans sa capacité à porter la mémoire civile à travers les cycles.

Les dilemmes auxquels sont confrontés des projets de stockage décentralisé comme Filecoin et Arweave ne proviennent pas de propositions de valeur incorrectes, mais de décalages à long terme dans la productisation, l'expérience de récupération, la demande réelle et les incitations par jetons. Cela révèle un écart significatif entre les idéaux geek et les applications commerciales grand public :

· Déséquilibre d'incitation entre l'offre et la demande : Les premiers réseaux représentés par Filecoin se sont rapidement développés grâce aux jetons mais n'ont pas construit un côté demande suffisamment fort, entraînant une énorme capacité mais une utilisation et une conversion de paiement insuffisantes. Ils ont récompensé "je peux stocker" plutôt que "j'ai besoin de stocker".

· Manque de capacité de service au niveau entreprise : La barrière d'AWS n'est pas les disques durs, mais un "système d'exploitation des données" composé d'APIs, de SLAs, de gestion des autorisations, d'audits de conformité et de support technique. Les entreprises achètent "la tranquillité d'esprit", pas une infrastructure expérimentale qui nécessite qu'elles gèrent elles-mêmes les clés et la sélection des nœuds.

· Insuffisances de l'expérience de récupération : "Stocker" ne signifie pas "récupérer de manière stable et à faible latence". La dispersion des nœuds, la topologie complexe et le manque de SLA unifiés rendent difficile le soutien aux flux de travail de données chaudes IA, les rendant plus adaptés à l'archivage froid fiable et à la provenance des données.

· Conformité à la vie privée insuffisante : Les données privées d'entreprise ne peuvent pas simplement être écrites dans un réseau permanent public ; le droit à la suppression et l'immuabilité permanente sont intrinsèquement en conflit. Le stockage décentralisé est plus adapté aux données publiques et aux archives à long terme, plutôt qu'à accueillir sans discernement des données privées essentielles.

· Cycle d'amplification de l'économie des jetons : La financiarisation du marché haussier obscurcit la demande insuffisante, tandis que le déclin du ROI des mineurs sur le marché baissier expose les lacunes de la commercialisation. Les jetons peuvent démarrer l'offre à froid mais ne peuvent pas automatiquement créer de la demande et des revenus durables.

D'autres projets de stockage décentralisé tendent à se concentrer sur des écosystèmes spécifiques ou des pistes de niche : l'état d'esprit inter-cycles de Storj/Sia et l'influence du récit Web3 sont plus faibles que Filecoin/Arweave ; BNB Greenfield/Walrus est lié à des écosystèmes de chaînes publiques spécifiques comme BNB ou SUI ; Celestia/EigenDA appartiennent à la couche de disponibilité des données (DA), servant les confirmations de transactions Rollup plutôt que l'archivage à long terme ; des projets comme 0G qui mélangent les récits IA/DA tentent d'intégrer le stockage, la disponibilité des données, le calcul et le règlement des agents IA dans un ensemble d'infrastructures modulaires natives à l'IA, mais leur demande réelle, l'adoption par les développeurs et les boucles de commercialisation doivent encore être vérifiées.

Opportunités futures pour le stockage décentralisé : Le pendule à long terme de l'efficacité et de la confiance

Pendant la période explosive des dividendes technologiques, le capital poursuit frénétiquement l'efficacité, avec des actifs comme les GPU et HBM assignés à des primes extrêmement élevées, marginalisant naturellement le stockage décentralisé plaidant pour "la confiance et l'équité". Cependant, le pendule de l'histoire ne restera pas éternellement du côté de l'efficacité. Des événements tels que des interdictions déraisonnables et des suppressions de contenu par des super plateformes, l'éclatement de poursuites judiciaires sur les droits d'auteur de l'IA forçant des preuves de source de données, des conflits géopolitiques entraînant des disputes sur la souveraineté des données, des monopoles de données causant la disparition des archives publiques, et des pressions réglementaires sur la conformité des données d'entraînement des modèles pourraient tous brasser une revalorisation du "stockage fiable", et les futures opportunités pour le stockage décentralisé pourraient encore refléter une valeur unique dans les directions suivantes :

· Provenance des données IA : Construire "la preuve de lignée des données" en réponse aux pressions réglementaires et d'audit grâce à des preuves cryptographiques.

· Ensembles de données publiques et archives civiles : Ancrer des archives censurées et un patrimoine culturel, construisant des souvenirs irremplaçables et irrévocables.

· Archivage fiable et preuves de conformité : Réaliser une auto-preuve fiable grâce à des preuves de hachage, fournissant une notarisation numérique de haut niveau.

· Intégration des technologies ZK/TEE/DID : Résoudre les tensions de confidentialité, passant d'un "protocole de stockage" unique à une "infrastructure de données fiable".

· Routes de produits invisibles : Fournir des APIs compatibles S3 et une facturation en fiat, permettant aux utilisateurs d'acheter directement des services d'"archivage fiable".

Le stockage IA et le stockage décentralisé, l'un poursuivant une efficacité extrême pour alimenter notre voyage vers l'avenir ; l'autre défendant des souvenirs silencieux, protégeant notre droit de revenir sur le passé. Actuellement, le marché récompense sans réserve l'efficacité, rendant le stockage décentralisé silencieux ou même en déclin ; mais à mesure que l'ère de l'IA amplifie davantage les monopoles de données, les litiges sur les droits d'auteur et la fragilité de la mémoire historique, le stockage décentralisé pourrait accueillir une revalorisation de sa valeur sous la forme de "couches froides fiables". Des souvenirs qui ne peuvent pas être facilement effacés par des plateformes, des entreprises ou tout pouvoir unique pourraient se transformer d'idéalisme romantique et de croyances marginales en infrastructure nécessaire.

Lien original