A explosão da IA generativa trouxe uma questão inevitável — como armazenar, quanto armazenar, como gerenciar?

Resumidamente, há três requisitos: barato, seguro, fácil de usar. Os conjuntos de dados de treinamento acumulam-se como montanhas, o conteúdo gerado precisa ser arquivado, e as permissões de dados devem ser gerenciadas com detalhes. Essas deveriam ser tarefas simples, mas agora tornaram-se os principais obstáculos para a implementação em larga escala de aplicações de IA.

É importante destacar que a Walrus Protocol já possui uma presença clara nesse setor. Oferecer infraestrutura de armazenamento para projetos de IA é uma abordagem bastante interessante.

Tomando como exemplo a plataforma de IA generativa Everlyn, esse caso é bastante representativo. A Everlyn utiliza a Walrus como camada de dados, armazenando mais de 50GB de conjuntos de dados de treinamento, pontos de verificação de modelos, cache KV e outros dados essenciais. Todo o conteúdo de vídeo de alta qualidade gerado também fica na Walrus. Por que essa escolha?

A razão principal é bastante convincente — os custos de armazenamento de serviços em nuvem como AWS e Azure aumentam continuamente à medida que a demanda por geração de vídeos cresce. A tecnologia de codificação Red-Stuff da Walrus, combinada com a solução de armazenamento em lote Quilt, consegue reduzir o custo de armazenamento para uma fração do valor das soluções tradicionais. O mais importante é que a alta disponibilidade e a velocidade de acesso aos dados permanecem intactas. Assim, os desenvolvedores de IA podem focar na otimização de modelos, sem serem consumidos pelos custos de armazenamento.

No que diz respeito à flexibilidade na gestão de dados, a Walrus também demonstra sua força.