Obawiam się, że zapotrzebowanie na pamięć z powodu pojawienia się seedance2 wzrośnie w sposób wykładniczy. gpt3.5 wprowadził erę tekstu, prawdziwa era wideo to era seedance2. To samo kilka słów kluczowych, a pamięć zużywana przez AI wideo osiągnie setki MB, a wraz z wydłużeniem czasu produkcji wideo przez AI ten rozmiar będzie jeszcze większy. Zapotrzebowanie na pamięć, które się z tego wyłoni, będzie wielokrotnie większe niż w przypadku tekstu. W końcu obecnie uzależnionych od przeglądania wideo jest naprawdę wielu, na całym świecie, od niemowląt po starców, nikt nie ucieknie, mogą nie lubić czytać książek ani oglądać wiadomości, ale na pewno uwielbiają przeglądać krótkie filmy. Na tej podstawie pojawią się nowe potrzeby inwestycyjne. Rodzaj pamięci potrzebnej dla AI wideo z pewnością różni się od AI tekstowego. Gemini przedstawił aktualną architekturę pamięci stosowaną przez Douyin i YouTube. Obecnie pamięć wideo nie jest jednorodnym medium, lecz złożoną, wielopoziomową architekturą pamięci gorącej i zimnej (Tiered Storage Architecture). A. Skład architektury 1. Ultra-Hot Tier: używany do obsługi nagłych skoków ruchu (np. wideo opublikowane przez popularnego influencera). • Typ: klaster NVMe SSD + pamięć podręczna na poziomie pamięci (Redis/Memcached). • Kluczowe wskaźniki: **IOPS (operacje wejścia/wyjścia na sekundę)** i bardzo niskie opóźnienie. 2. Warm Tier: używany do przechowywania codziennie aktywnie oglądanych filmów. • Typ: wysokowydajne dyski twarde klasy enterprise (HDD) lub duże pojemności QLC SSD. • Kluczowe wskaźniki: równowaga między przepustowością (Throughput) a kosztami. 3. Cold/Archive Tier: używany do przechowywania filmów z przed kilku lat, które prawie nikt nie ogląda. • Typ: dyski twarde o wysokiej gęstości helu (HDD) lub nawet fizycznie izolowane taśmy. • Kluczowe wskaźniki: całkowity koszt posiadania na TB (TCO). B. Problemy: ściana I/O i wyspy pamięci W tradycyjnej architekturze pamięć jest "statyczna". Jednak era AI wideo (SeenDance 2) wymaga, aby pamięć przekształciła się z "magazynu" w "linię produkcyjną", co bezpośrednio prowadzi do załamania logiki pamięci. Na podstawie powyższego stanu i trudności związanych z pamięcią w firmach wideo można wyciągnąć trzy przyszłe kierunki rozwoju. Trzy przyszłe kierunki rozwoju pamięci AI wideo...