Năm 2030, mỗi năm thế giới sẽ tạo ra 718 ZB dữ liệu. Con số này đến từ IDC, được Western Digital – một trong những nhà sản xuất ổ cứng lớn nhất – nhắc lại trong báo cáo tháng 8 vừa qua. Nhưng điều đáng chú ý không phải là con số khổng lồ, mà là cách nó được dùng để xây dựng một câu chuyện thương mại: AI cần lưu trữ nhiều, và hãy mua ổ cứng dung lượng cao của chúng tôi.
Tuy nhiên, với tư cách là một nhà giao dịch định lượng đã theo dõi thị trường crypto từ năm 2017, tôi thấy một khoảng trống lớn trong câu chuyện này: blockchain. Khi dữ liệu AI – từ checkpoint, vector embedding, log suy luận, prompt người dùng – được khuyến nghị giữ lại vĩnh viễn vì mục đích tuân thủ và kiểm toán, câu hỏi đặt ra là：ai sẽ kiểm soát dữ liệu đó? Một ổ cứng WD đặt trong trung tâm dữ liệu của AWS hay Google? Hay một mạng lưu trữ phi tập trung nơi mọi thay đổi đều được ghi lại trên on-chain?
Context: Chiến lược phân tầng lưu trữ của Western Digital
Báo cáo của WD chia dữ liệu AI thành bảy loại: dữ liệu huấn luyện, checkpoint, embedding vector, log suy luận, prompt, kết quả đầu ra, và dữ liệu đánh giá. Họ đề xuất một chiến lược phân tầng: dùng flash cho dữ liệu nóng (truy cập nhanh), dùng HDD dung lượng cao và object storage cho dữ liệu lạnh (lưu trữ lâu dài). Đây là kiến trúc phổ biến trong trung tâm dữ liệu, không có gì mới.
Nhưng điều WD không nói đến: dữ liệu AI không chỉ là vấn đề dung lượng. Nó là vấn đề về lòng tin. Khi một công ty lưu trữ tất cả prompt người dùng trên ổ cứng của WD, họ có thể kiểm toán được không? Ai có thể chứng minh rằng dữ liệu đó không bị sửa đổi hay xóa bỏ ngoài ý muốn? Trong môi trường quản lý rủi ro của tôi, một hệ thống không thể kiểm tra được là một rủi ro chấp nhận được.
Core: Tại sao blockchain là lựa chọn tự nhiên cho dữ liệu AI lạnh
Hãy nhìn vào bài toán: dữ liệu AI cần được lưu trữ lâu dài, có thể truy xuất bất kỳ lúc nào, và phải có bằng chứng về tính toàn vẹn. Đây chính là điểm mạnh của các giao thức lưu trữ phi tập trung như Filecoin và Arweave.
Filecoin sử dụng cơ chế Proof-of-Replication và Proof-of-Spacetime để đảm bảo rằng dữ liệu được lưu trữ đúng cách trên nhiều node. Mỗi giao dịch lưu trữ đều được ghi nhận trên blockchain, tạo thành một chuỗi kiểm toán không thể thay đổi. Điều này đáp ứng trực tiếp yêu cầu "tuân thủ và kiểm toán" mà WD đề cập. Arweave thì đi xa hơn: với cơ chế "lưu trữ một lần, mãi mãi" (permaweb), dữ liệu AI quan trọng – như checkpoint của mô hình, log suy luận vi phạm – có thể được khắc ghi vĩnh viễn, không thể bị xóa bởi bất kỳ cá nhân hay tổ chức nào.
Trong thực tế, các quỹ phòng hộ lượng tử như nơi tôi làm việc đã bắt đầu chuyển một phần log giao dịch sang IPFS + Filecoin để lưu trữ dự phòng. Chi phí hiện tại khoảng 0.005 USD mỗi GB mỗi tháng cho Filecoin, cạnh tranh với S3 Glacier Deep Archive (0.001 USD/GB/tháng). Nhưng lợi ích vô hình là: không phải tin tưởng một công ty duy nhất.
Contrarian: Góc nhìn ngược chiều – WD đúng, nhưng chưa đủ
Tôi không phủ nhận thực tế: HDD dung lượng cao vẫn rẻ hơn blockchain storage cho dữ liệu lạnh thuần túy. Western Digital đang bán một giải pháp hợp lý cho 90% nhu cầu lưu trữ AI hiện tại. Vấn đề là 10% còn lại – dữ liệu đòi hỏi tính toàn vẹn, kiểm toán, và khả năng chống kiểm duyệt – thì blockchain mới là lựa chọn duy nhất.
Một điểm mù khác: WD không đề cập đến hậu quả của việc tập trung dữ liệu. Nếu tất cả dữ liệu AI của một công ty nằm trên một ổ cứng duy nhất (hoặc một cụm trung tâm dữ liệu), một sự cố mất điện, lỗi firmware, hoặc tấn công ransomware có thể xóa sạch hàng năm trời dữ liệu. Blockchain storage, với tính phân tán và dự phòng tự nhiên, giảm thiểu rủi ro này.
Nhưng cũng phải thừa nhận: blockchain storage hiện tại không thể đáp ứng hiệu năng cho dữ liệu nóng (checkpoint writes cần băng thông hàng GB/s). Do đó, kiến trúc tối ưu sẽ là kết hợp: dùng flash cho hot data, HDD cho warm data, và blockchain cho cold data có yêu cầu về tính toàn vẹn và tuân thủ. Đây là chiến lược phân tầng mở rộng.
Takeaway: Cơ hội cho các dự án storage blockchain
Khi AI tiếp tục tạo ra dữ liệu với tốc độ chưa từng có, nhu cầu về lưu trữ có thể kiểm toán và phi tập trung sẽ chỉ tăng lên. Các dự án như Filecoin (với hợp đồng lưu trữ dài hạn) và Arweave (với mô hình trả phí trước) đang ở vị trí tốt để hưởng lợi. Nhưng còn một vấn đề chưa được giải quyết: làm sao để các dự án AI vừa lưu trữ dữ liệu on-chain, vừa tuân thủ GDPR? Dữ liệu AI có thể chứa thông tin cá nhân, và "lưu trữ vĩnh viễn" trên blockchain có thể vi phạm quyền được xóa.
Câu hỏi dành cho bạn: Bạn có sẵn sàng đặt dữ liệu AI của mình lên một ổ cứng do Western Digital sản xuất, hay một mạng lưới phi tập trung mà bạn có thể tự kiểm tra mã nguồn? Câu trả lời sẽ quyết định ai là người chiến thắng trong cuộc đua lưu trữ thập kỷ tới.
