Walrus naprawdę jest 100 razy tańszy niż AWS? Nauczyciel Azure pokaże ci, jak bardziej naukowo korzystać z Walrus.
【Wprowadzenie: Kiedy mówimy o „tanim”, o czym mówimy?】
Ostatnio na placu Binance toczy się gorąca dyskusja na temat Walrus ( $WAL ) w tej kwestii. Wszyscy mówią, że to „Pinduoduo w świecie przechowywania”, mówią, że jego technologia dwuwymiarowego kodu korekcyjnego obniża koszty przechowywania do 1% tradycyjnych rozwiązań, a nawet jeszcze niżej.
Też tak zawsze myślałem. Jako wierny fan Walrus, często polecam go moim przyjaciołom deweloperom jako „tanie i pojemne”.
Aż do wczorajszego wieczoru widziałem w społeczności deweloperów Sui, jak jeden z braci zadał ostre pytanie: „Dlaczego, gdy przechowuję wiele plików konfiguracyjnych o wielkości kilku KB, cena jednostkowa okazuje się droższa niż przechowywanie wideo?”
To pytanie mnie obudziło.
Czy naprawdę to, co zawsze uważaliśmy za „niski koszt”, jest fałszywym dylematem?
Z tym pytaniem, nauczyciel Azure nocą przeszukał czwarty rozdział białej księgi, analizując logi węzłów testowej sieci, odkrywając „ukryte dane”, o których projekt nigdy nie odważył się głośno mówić.
Dziś, nie będę przesadzać ani negować, spróbujmy znaleźć błędy. Ten artykuł może urazić niektórych bezmyślnych entuzjastów, ale jeśli jesteś prawdziwym inwestorem $WAL, musisz go przeczytać.
Rozdział 1: Ten podatek od metadanych wynoszący 15%
Wszyscy patrzą na 4.5-krotne nadmiarowe dane z dwuwymiarowego kodu korekcyjnego i myślą, że ta liczba jest znacznie niższa niż dziesiątki razy wyższa nadmiarowość Filecoina, to prawdziwy cud fizyki.
Ale matematyka jest zachowana. Zaoszczędzone miejsce zostało uzupełnione gdzie indziej.
Jak wcześniej odkryli analitycy danych na blockchainie (w oparciu o logikę @HFAirdropHunter na Twitterze): udział metadanych Walrus wynosi aż 15.8%!
1.1 Czym są metadane?
Mówiąc prosto, to „tożsamość danych”.
W sieci Walrus, aby zapobiec złym praktykom ze strony złośliwych węzłów oraz aby zapobiec przechowywaniu fałszywych danych przez użytkowników, każdy fragment danych musi być dołączony do skomplikowanego dowodu kryptograficznego (zobowiązanie wektorowe, indeks hash, dowód otwarcia).
Te dowody to metadane.
1.2 Koszmar małych plików
Policzmy to:
Scenariusz A: Przechowywanie dużych plików (np. 1GB wideo)
Plik wideo sam w sobie jest bardzo duży, a dołączone kilkadziesiąt KB metadanych to zaledwie kropla w morzu, stanowiąca mniej niż 0.01%. W tym momencie,Walrus jest niezrównany pod względem kosztów.Scenariusz B: Przechowywanie małych plików (np. 10KB zapisów czatu, plików atrybutów NFT)
Plik ma tylko 10KB, ale metadane mogą wynosić 5KB lub więcej!
To jak wysyłanie pierścionka zaręczynowego, gdzie pudełko i koszty ubezpieczenia zajmują więcej miejsca niż sam pierścionek.
W tym momencie, rzeczywisty koszt przechowywania nie jest tak niski, jak mówi się w reklamie, a nawet może stać się drogi z powodu wysokich „stałych wydatków”.
(Tu wstaw ilustrację 2: Porównanie rozmiarów plików)
Wnioski z Azure 1:
Jeśli chcesz użyć Walrus do stworzenia „zdecentralizowanego WeChat”, aby przechowywać ogromne ilości bąbelków czatu lub mikro dzienników, zbankrutujesz.
Architektura Walrus nie jest stworzona dla „drobnych danych”.
Rozdział 2: „Futures trading” pasma i koszty utopione
Jest jeszcze jedna interesująca perspektywa, pochodząca z Web3Bandwidth (agencji analizy pasma).
Walrus ma unikalny mechanizm ekonomiczny: kiedy zapisujesz dane, musisz zapłacić dodatkową **„zwrotną kaucję”**.
Jeśli wyślesz dane do wszystkich węzłów w sieci, kaucja może być zwrócona.
Jeśli wyślesz tylko do minimalnej liczby węzłów, kaucja nie zostanie zwrócona.
2.1 Czym jest gra tutaj?
To brzmi jak zachęta do większej liczby kopii zapasowych, w rzeczywistości to **„hedging pasma”.
Aby odzyskać tę kaucję, musisz na początku zużyć 3 razy więcej pasma, aby rozprowadzić dane do tych dodatkowych węzłów.
Dla drobnych inwestorów lub użytkowników z małym pasmem, te wstępne koszty pasma są rzeczywistym wypływem gotówki.
Chyba że twoje dane naprawdę muszą być przywrócone z powodu awarii węzła (uruchomienie ubezpieczenia), w przeciwnym razie, pieniądze na pasmo, które wydałeś na początku, mogą nigdy nie wrócić.
Wnioski z Azure 2:
To jest **„futures na pasmo”**.
Walrus zmusza użytkowników do dokonania wyboru: czy teraz wydać więcej na bezpieczeństwo, czy zaryzykować, że w przyszłości nie wydarzy się nic złego?
Ten skomplikowany model gry jest niezwykle nieprzyjazny dla zwykłych użytkowników, a próg wejścia jest bardzo wysoki.
Rozdział 3: Głęboka kontrowersja — czy to wada, czy „próg arystokratyczny”?
Po zakończeniu krytyki, uspokójmy się i pomyślmy.
Zespół Mysten Labs to najwyższej klasy kryptografowie, czy nie potrafią obliczyć tej wartości? Czy nie wiedzą, że koszty małych plików są wysokie?
Oczywiście, że wiedzą.
Ale dlaczego wciąż decydują się na taki projekt?
To prowadzi nas do ostatecznej strategii Walrus.
Jeśli rozumiesz ambicje ekosystemu Sui, zrozumiesz trudności Walrus.
3.1 Filtracja śmieciowych informacji (Spam Filter)
Takie jak Solana, która często z powodu licznych transakcji spamowych zawiesza się.
Walrus nie chce powtarzać tych błędów.
Dzięki wysokim „podatkom od metadanych” i skomplikowanej „grze pasmowej”, Walrus w rzeczywistości stworzył **„filtr cenowy”**.
Nie witają śmieciowych danych.
Nie witają niskowartościowych informacji fragmentarycznych.
Mówią rynkowi za pomocą modelu ekonomicznego:„Jeśli to, co przechowujesz, nie jest warte, nie przychodź do mnie z problemami.”
3.2 Stworzony specjalnie dla „ciężkich aktywów”
Kim są klienci, których chce Walrus?
To zestaw treningowy modeli AI (często setki TB), raporty audytowe instytucji RWA (niezbędne dane finansowe) oraz pakiety materiałów 4K z gier 3A.
Dla tych **„ciężkich aktywów (Big Data)”**:
15% podatku od metadanych? To kropla w morzu, ponieważ główny plik jest zbyt duży.
Wstępne koszty pasma? Nie ma znaczenia, ponieważ bezpieczeństwo danych jest warte dziesięć tysięcy razy więcej niż pasmo.
(Tu wstaw prawdziwy zrzut ekranu: proszę zrobić zrzut ekranu porównania cen przechowywania Filecoina lub Arweave, lub technicznych parametrów z oficjalnej strony Walrus.)
Rozdział 4: Korekta wyceny — dokładniejsze zakotwiczenie
Skoro dostrzegliśmy prawdziwą naturę Walrus — to nie jest chmura, to jest port morski.
Więc nasz model wyceny również musi zostać skorygowany.
Nie możemy wyceniać ich na podstawie „liczby użytkowników” (ponieważ może nie być tylu drobnych inwestorów), musimy wyceniać je na podstawie „skali aktywów danych (AUM)”.
Rynek drobnych inwestorów: może być mniej aktywny niż Arweave.
Rynek instytucjonalny: To jest Walrus absolutna arena.
Wraz z wprowadzeniem takich gigantów B-end jak Alkimi (dane reklamowe), Unchained (archiwizacja mediów), Walrus zablokuje najwyższą wartość aktywów danych.
Ostateczna ocena Azure:
Chociaż dostrzegłem jego „ukryte koszty”, to stałem się jeszcze bardziej pewny siebie.
Ponieważ protokół, który aktywnie **„selekcjonuje wysokiej jakości klientów”** poprzez model ekonomiczny, żyje dłużej i drożej niż „dobry człowiek”, który przyjmuje wszystkich i jest w końcu zapełniony śmieciowymi danymi.
Nie zarabia na drobnych inwestorach, tylko na instytucjach i dużych graczach.
To jest prawdziwa arogancja i uprzedzenia, które powinny charakteryzować najwyższe infrastruktury.
[Zakończenie]
Następnym razem, gdy ktoś powie ci, że przechowywanie małych plików w Walrus jest drogie, powiedz mu:
„Tak, ponieważ to skarbiec do przechowywania sztab złota, a nie kosz na śmieci na makulaturę.”
Wartość $WAL kryje się w tej „wybredności”.
(Dane w tym artykule opierają się na analizach technicznych i wyliczeniach wielu raportów społeczności i białych ksiąg, służą jedynie do głębokiej dyskusji i nie stanowią porady inwestycyjnej.)