La popularité de l'IA générative a soulevé une question incontournable — comment stocker, combien stocker, comment gérer ?

En résumé, il y a trois exigences : peu coûteux, sécurisé, facile à utiliser. Les ensembles de données d'entraînement s'accumulent, le contenu généré doit être archivé, et les droits d'accès aux données doivent être gérés avec précision. Ce qui devrait être des tâches mineures est devenu le principal frein à la mise en œuvre à grande échelle des applications d'IA.

Il faut souligner que Walrus Protocol a déjà une présence marquée dans ce domaine. Fournir une infrastructure de stockage pour les projets d'IA, c'est une idée plutôt intéressante.

Prenons l'exemple de la plateforme d'IA générative Everlyn, qui est assez représentative. Everlyn utilise Walrus comme couche de stockage, y transférant plus de 50GB d'ensembles de données d'entraînement, de points de contrôle de modèles, de caches KV, ainsi que tout le contenu vidéo de haute qualité généré. Pourquoi ce choix ?

La raison principale est très concrète — les coûts de stockage des services cloud comme AWS ou Azure augmentent constamment avec la demande croissante de génération vidéo. La technologie de codage Red-Stuff de Walrus, combinée à la solution de stockage en lot Quilt, permet de réduire les coûts de stockage à une fraction de ceux des solutions traditionnelles, tout en garantissant une haute disponibilité des données et une vitesse d'accès optimale. Ainsi, les développeurs d'IA peuvent se concentrer sur l'optimisation des modèles plutôt que d'être étranglés par la facture de stockage.

En termes de flexibilité dans la gestion des données, Walrus montre également toute sa puissance.