قبل فترة جربت أداة توليد الفيديو Everlyn-1، وكانت سرعة إخراج الفيديو في 16 ثانية مذهلة جدًا. لكن في البداية كانت المشكلة دائماً في مكان واحد: أين يتم تخزين بيانات التدريب والفيديو النهائي؟ عند مراجعة فاتورة AWS، لاحظت أن معدل النمو في التكاليف أسرع من وتيرة تحديث النموذج. ثم اكتشفت أنهم يعتمدون على نظام تخزين مركزي يعتمد على بروتوكول تخزين بلوكتشين رئيسي — وهذا ليس بالأمر الخطير، حيث تم نقل مجموعات البيانات، والنقاط التفقدية، وذاكرة التخزين المؤقت KV بالكامل. يستخدمون تقنية ترميز تسمى Red‑Stuff، والتي تقلل من تكاليف التخزين بشكل كبير، بحيث تكاد تكون معدومة. بالنسبة لفريقنا الذي ينتج مئات المقاطع التجريبية يومياً، هذا وفر علينا أكثر من نصف التكاليف.

الأمر المفاجئ هو معالجة ملفات القطع الصغيرة. سابقاً، كانت عملية تخزين العديد من الملفات الصغيرة بطيئة وعرضة لفقدان الإطارات، لكن حل Quilt الخاص بهم يمكنه حزم تسلسلات الإطارات المبعثرة بسرعة، واستعادتها تلقائياً عند القراءة، مما يوفر وقت المعالجة المسبق. ومع التعاون مع سلسلة Sui — حيث يتم تسوية الأرباح عبر العقود الذكية في ثوانٍ، وتوثيق البيانات على السلسلة في الوقت الحقيقي — أصبح العمل الإبداعي أكثر استقراراً.

هذه المرة فهمت بوضوح: التخزين اللامركزي ليس مجرد نسخة احتياطية إضافية، بل أصبح مركزاً لعمل تدفقات الفيديو باستخدام الذكاء الاصطناعي. التكاليف انخفضت، والكفاءة زادت، ويمكن للنظام البيئي أن يتعاون بشكل أكثر تكاملاً. سمعت أنهم يخططون لفتح واجهات برمجة التطبيقات لأطراف ثالثة، وربما في المستقبل، يمكننا تطوير أدوات وإضافات تعمل مباشرة على هذه البنية التحتية.