AI video generatif memang sedang hot beberapa waktu ini, tapi semua orang terjebak pada hambatan bersama — biaya penyimpanan terlalu tinggi, kecepatan akses data tertinggal, dan perlindungan privasi pengguna masih jadi masalah besar.

Baru-baru ini saya melihat kasus yang menarik. Platform video AI generatif Everlyn mengalihkan perhatian ke penyimpanan terdesentralisasi, memilih Walrus sebagai lapisan data inti, dan langsung menembus kesulitan industri ini. Fusi mendalam antara AI dan penyimpanan terdistribusi ini sebenarnya patut diperhatikan.

Apa inti daya saing Everlyn? Model Everlyn-1 mereka dapat mengubah gambar statis menjadi video berkualitas tinggi dalam 16 detik, kecepatan ini benar-benar jauh melampaui platform seperti Midjourney. Di balik ini, dukungan teknis tidak lepas dari keunggulan Walrus.

Skala kolaborasi ini cukup besar. Everlyn telah berhasil memindahkan lebih dari 5000 video pengguna berkejelasan 480p hingga 720p yang telah terakumulasi ke Walrus, dan berencana untuk sepenuhnya memindahkan dataset pelatihan yang sebelumnya disimpan di AWS dan Azure, checkpoint model, KV cache, dan data kunci lainnya, dengan total lebih dari 50GB. Untuk platform generasi video AI, ini adalah langkah besar.

Mengapa melakukan ini? Biaya. Biaya penyimpanan data pelatihan secara langsung menentukan penetapan harga layanan. Teknologi erasure coding dua dimensi Red-Stuff yang digunakan Walrus dapat menekan biaya penyimpanan hingga rekor industri terendah, sehingga Everlyn dapat mempertahankan kemampuan generasi berkecepatan tinggi sambil menurunkan ambang penggunaan bagi kreator.

Ada juga satu detail — solusi penyimpanan batch Quilt. Proses generasi video akan menghasilkan banyak file kecil yang terfragmentasi, solusi ini dapat menangani dengan sempurna, mewujudkan pemrosesan batch yang efisien dan akses cepat, memastikan realtime optimasi model. Terlihat seperti solusi lengkap.