週末に使い古した5年ものの古いメカニカルハードディスクを引っ張り出して、昔の写真を一気に整理しようとしたんだ。電源を入れたら不良セクタだらけで、なかの200GB超の素材がその瞬間からどうにもならなくなった。床にしゃがみ込んで悪態をつきながら、つい@OpenGradient のModel Hubについて、今回Walrusと深く統合したというあのメッセージを思い出した。モデルの重みを恒久的に保存し、コンテンツ指向でアドレス指定し、検閲耐性も持つ――まさに、データを放り投げた人間向けに書かれたような話じゃないか。
俺はずっとそれを普通のAI推論チェーンの一種だと思っていて、保存は外部にIPFSをつなげば済む程度の話だと見てた。でも実際に掘り下げてみたら、OpenGradientがWalrusを主記憶ストレージとして扱うのは本気だった。Walrus公式も出てきて、OpenGradientはその上で100+のAIモデルを支える最大のユーザーだと背書してる。Suiエコシステムの中核ストレージと、AIチェーンの二つが合体した――語り口はかなり綺麗。でも計算はしないと。
$HEI
主流のオープンソースモデルの重みって、動くものだと数GB〜数十GBは普通だ。100+のモデルを並べれば、ストレージ容量は簡単にTB級になる。Walrusはerasure codingで単一のデータを何百もの分片に分割してノードへ散らす。1つ分を保存する実際のオンチェーンコストは、冗長性の倍率ぶんだけ単価が掛け算で増える。さらにモデルが更新されてバージョンが変わるたびに、旧バージョンは残すのか？バージョンの遡り、A/Bテスト、コンプライアンス監査――バージョンが1つ増えるごとに新しいストレージ請求書が1枚増える。
OpenGradientのinference呼び出しは、Walrusから重みを引いてprecompileで走らせる必要がある。この「引いて走らせる」ための帯域と遅延のコストは、長期的に見たら誰が引き受けるの？
もっと重要なのは、二つのエコシステムにまたがる“結びつき”の暗黙のリスクだ。Walrusのメインネットで問題が起きる、Sui側で経済モデルが調整される、ノードのインセンティブが落ちる――そのときOpenGradientの100+モデルも、同じように集団で風邪をひくことになるのか？エコシステム横断の連動ストーリーは聞いてる分には気持ちいい。でも根っこの依存が深く結合されてしまえば、単一障害が二点共振に変わる。$ATM
来週まず、Model Hubの中で高頻度に呼ばれるいくつかのモデルについて、実際の取得にかかる時間とWalrusノードの分布をデータとして掘り起こして一度きっちり検算する。PRの原稿を読むだけじゃ意味がない。
ハードディスクはまだ机の上でカリカリと回り続けてる。データ復旧ソフトが走り終わるのを待ちながら考える――Walrusに永続的に保存されたオンチェーンのモデル重みは、俺のこの物理的なハードディスクよりも長く生き残れるのだろうか。#opg $OPG