In letzter Zeit haben viele Branchen unter dem kontinuierlichen Rückgang aufgrund der Evolution von AI gelitten. Es gibt nur wenige Aktien, die gestiegen sind, während viele gefallen sind. Vor ein paar Tagen wurden die Software-Aktien stark getroffen, und gestern waren es die Logistik-Aktien. Aber wir sollten uns eher fragen, was ist für AI unverzichtbar? Hochwertige Chip-Hersteller? TSMC, Samsung. Hochwertige Speicherhersteller? Samsung, Micron, SanDisk, SK Hynix. Diese beiden haben eine extrem hohe Markteintrittsbarriere, die nicht erschüttert werden kann. Branchen ohne Markteintrittsbarriere, die möglicherweise aufgrund der Expansion von AI notwendig werden, sind die Elektrizität: Materialien für den Bau von Elektrizität, Kupfer, Materialien für Kernkraftwerke, Wolfram, Übertragungsgeräte, Transformatoren. Die Zukunft gehört AI, jeder Cent, der nicht in AI-bezogene Investitionen fließt, ist Geldverschwendung. Wenn man Angst vor Risiken hat, sollte man in Bereichen mit niedrigen Risiken und hohen Markteintrittsbarrieren bleiben. Das verdiente Geld mag weniger sein, aber man kann besser schlafen und gut essen, deshalb beneide ich SanDisk, aber ich bleibe trotzdem im koreanischen Index, schließlich kann Korea nicht einfach ausgelöscht werden, oder? 😂

Die Speicheranforderungen werden wahrscheinlich aufgrund des Auftretens von seedance2 exponentiell ansteigen. gpt3.5 hat das Zeitalter des Textes eingeläutet, das wahre Videozeitalter wird von seedance2 gebracht. Mit denselben wenigen Eingabeaufforderungen wird der Speicherbedarf für Video-AI mehrere hundert MB erreichen, und mit der zunehmenden Dauer der AI-Videoerstellung wird dieser Umfang noch größer. Die daraus resultierenden Speicheranforderungen werden viele Male höher sein als die ursprünglichen Textanforderungen. Immerhin gibt es jetzt eine große Anzahl von Menschen, die süchtig nach Videos sind, weltweit kann niemand, vom Kleinkind bis zur alten Dame, entkommen; sie mögen keine Bücher oder Nachrichten lesen, aber sie lieben es, kurze Videos zu schauen. Auf dieser Grundlage wird es auch neue Investitionsbedarfe geben. Die Art des Speichers, die Video-AI benötigt, wird sich sicherlich von der der Text-AI unterscheiden. gemini hat die derzeitige Speicherarchitektur von Douyin und YouTube dokumentiert. Derzeit ist der Videospeicher kein einzelnes Medium, sondern eine komplexe mehrstufige Architektur mit kaltem und warmem Speicher (Tiered Storage Architecture). A. Architekturkomponenten 1. Ultra-Hot Tier: Wird verwendet, um plötzliche Verkehrsspitzen zu bewältigen (z. B. Videos, die von beliebten Influencern gerade veröffentlicht wurden). • Typ: NVMe SSD-Cluster + speicherbasierter Cache (Redis/Memcached). • Kernmetriken: **IOPS (Input/Output Operations Per Second)** und extrem niedrige Latenz. 2. Warm Tier: Wird verwendet, um täglich aktiv gesehene Videos zu speichern. • Typ: Hochleistungs-HDDs (mechanische Festplatten) oder große QLC-SSDs. • Kernmetriken: Balance zwischen Durchsatz (Throughput) und Kosten. 3. Cold/Archive Tier: Wird verwendet, um Videos zu speichern, die vor Jahren fast niemand mehr angesehen hat. • Typ: Hochdichte Heliumfestplatten (HDD) oder sogar physisch isolierte Bandlaufwerke. • Kernmetriken: Gesamtkosten pro TB (TCO). B. Schmerzpunkte: I/O-Wand und Speicherinseln In traditionellen Architekturen ist der Speicher "statisch". Aber das AI-Videozeitalter (SeenDance 2) erfordert, dass der Speicher von einem "Lagerhaus" zu einer "Produktionslinie" wird, was direkt zum Zusammenbruch der Speicherlogik führt. Aus dem aktuellen Zustand und den Herausforderungen des Speichers in Videounternehmen können drei zukünftige Entwicklungsrichtungen abgeleitet werden. Drei zukünftige Entwicklungsrichtungen für Video-AI-Speicher 1. Richtung eins: Von HDD zu vollständig flashbasiert (All-Flash Data Center) Die AI-Video-Trainings benötigen paralleles Lesen von riesigen Mengen an hochauflösenden Materialien. Die Zugriffszeit traditioneller HDDs ist zu langsam und bremst die teure GPU-Rechenleistung. Vollständig flashbasierte Arrays (AFA) werden von einem "Luxusgut" zu einer "Infrastruktur" für Videounternehmen. 2. Richtung zwei: "Speicher- und Speicherfusion" unter CXL-Technologie Das Compute Express Link (CXL)-Protokoll wird die Grenzen zwischen Speicher und SSD aufbrechen. Für Modelle wie SeenDance 2, die Echtzeit-Aktionsausrichtung erfordern, bestimmt die Geschwindigkeit des Datentransfers zwischen SSD und HBM die Flüssigkeit der Generierung. 3. Richtung drei: Near-Storage-Computing (Computational Storage) Anstatt die riesigen Videodaten zur CPU zu transportieren, ist es besser, die erste Datenvorverarbeitung (wie Video-Frame-Extraktion, Formatkonvertierung) direkt auf dem Speichercontroller-Chip durchzuführen. Basierend auf den obigen Parametern und Bildern wird eine Analyse der Kernkompetenzen und Trends von Speicherunternehmen durchgeführt und bewertet. SK Hynix (S-Klasse): Dank der Kapazitätsvorteile von Solidigm QLC und der Dominanz von HBM hat es die beiden Kernbereiche "Großspeicherlesung" und "Rechenleistung" blockiert. Die erste Wahl für EB-große Speicher für Video-AI-Trainings. Samsung (A+-Klasse): Die ausgewogenste Lese- und Schreibgeschwindigkeit. Ihre PCIe 5.0 Schreibgeschwindigkeit ist unübertroffen und bietet den besten "Cache" für die Generierung von 4K/8K-Video-Streams bei SeenDance 2. SanDisk (A-Klasse): Der unabhängige Außenseiter. Ihr HBF (High Bandwidth Flash) zielt darauf ab, die Speicherwand zu durchbrechen und SSDs direkt an der AI-Inferenz teilnehmen zu lassen, was 64 GB RAM (wie Ihr M4 Pro) bei der lokalen Verarbeitung großer Modell-Videoerzeugung erheblich zugutekommt. Micron (A-Klasse): Hohe Schreiblebensdauer und Energieeffizienz, geeignet für 24/7 ununterbrochene Videoerzeugung in Cloud-Fabriken. • WDC (B+-Klasse): Konzentriert sich auf das CXL-Protokoll und löst das Problem der dynamischen Zuweisung von Speicher und Speicher innerhalb von Rechenzentren.

Ich habe einen Blogger gesehen, der mit Seedance 2.0 einen filmreifen Clip selbst gemacht hat.