От AWS до Walrus и Filecoin: как уровень данных Web3 бросает вызов структуре затрат и доверия облачных вычислений

2026 году расходы на облачные услуги стали вторыми по величине после затрат на персонал для средних IT- и SaaS-компаний, в среднем составляя 10% годового дохода. Нагрузки ИИ и машинного обучения составляют 22% расходов на облако и вызывают частые колебания ежемесячных счетов в пределах от 5% до 10% дохода, что делает финансовое прогнозирование и контроль прибыли чрезвычайно сложными. В то же время в 2025 году AWS, Microsoft Azure и Google Cloud пережили несколько крупных сбоев. Высокие затраты, блокировка данных и частые перебои совместно стимулируют предприятия к поиску альтернативной инфраструктуры данных.

На этом фоне уровень данных Web3 — включая децентрализованное хранение, уровень доступности данных в цепочке и собственный слой памяти ИИ — постепенно переходит от эксперимента на периферии крипто-нативного сообщества к оценке ответственными за инфраструктуру. По состоянию на 1 июля 2026 года (по пекинскому времени), согласно данным Gate, токен UB протокола децентрализованных данных Unibase котируется по цене 0,08298 доллара США, снизившись за 24 часа на 22,30%, но за последний год рост составил 429,16%, а рыночная капитализация — около 207 миллионов долларов. Эта волатильность цен отражает сильный интерес рынка к сектору уровней данных Web3, а также выявляет высокую волатильность новой инфраструктуры на ранних этапах коммерциализации. Систематическое сравнение уровней данных Web3 и традиционных облачных баз данных по четырем измерениям: структура затрат, безопасность и прозрачность данных, масштабируемость и адаптация данных для обучения ИИ.

Структура затрат: от «арендной модели» к «конкурентному ценообразованию»

Ценообразование традиционного облачного хранения основано на капитальных и операционных расходах централизованных центров обработки данных и включает значительные региональные наценки. Годовая плата за хранение AWS S3 Standard составляет около 267 долларов за ТБ. Децентрализованные протоколы хранения выходят на этот рынок с значительно более низкими ценами.

Walrus — децентрализованный протокол хранения, поддерживаемый сетью Sui и получивший финансирование в размере 140 миллионов долларов, — предлагает субсидированную цену в 50 долларов за ТБ в год. Это означает, что при субсидировании стоимость Walrus составляет около одной пятой стоимости AWS S3. Даже без субсидий целевая цена Walrus составляет около 0,005 доллара за ГБ в месяц, что значительно ниже стандартной цены AWS S3 в 0,023 доллара за ГБ в месяц.

Однако сравнение затрат не может ограничиваться только стоимостью хранения. Основная ловушка затрат в традиционных облачных сервисах — это плата за передачу данных (egress) — каждый раз при пересечении данных региональных границ облачные провайдеры взимают дополнительную плату. Децентрализованные протоколы хранения, такие как Shelby (разработанный Aptos Labs и Jump Crypto), используют единую глобальную структуру имен, позволяя данным перемещаться между регионами по требованию без дополнительных региональных наценок. Shelby ожидает, что его цены на egress будут примерно на 70% ниже, чем у традиционных облачных провайдеров.

В ноябре 2025 года Filecoin объявил о полном переходе к стратегии «Onchain Cloud», позиционируя себя как «проверяемую инфраструктуру, принадлежащую разработчикам», предлагая услуги хранения в цепочке по цене ниже AWS. По состоянию на начало 2026 года более 100 команд строили на Filecoin Onchain Cloud, обработав более 6500 маршрутов платежей.

С точки зрения структуры затрат, ключевое преимущество децентрализованного хранения заключается в отсутствии необходимости нести капитальные расходы на крупные центры обработки данных; узлы хранения управляются независимыми участниками по всему миру, а конкуренция со стороны предложения снижает стоимость хранения на единицу. Однако следует отметить, что текущие низкие цены некоторых проектов включают субсидии, и долгосрочная устойчивость требует наблюдения.

Безопасность и прозрачность данных: проверяемость vs доверие

Модель безопасности традиционных облачных баз данных основана на «доверии к одному поставщику». Пользователи полагаются на внутренние системы AWS, Azure или Google Cloud для обеспечения целостности данных, контроля доступа и соответствия требованиям. Однако эта модель имеет два структурных недостатка:

Во-первых, пользователи не могут независимо проверить, обрабатывает ли облачный провайдер данные в соответствии с обещаниями. Shelby отмечает, что традиционное облачное хранение «не имеет собственных механизмов для проверки того, какие данные предоставлены, на основании каких прав и соблюдены ли авторизации». В случае утечки данных или несанкционированного доступа со стороны сотрудников пользователи полагаются только на отчеты аудита провайдера постфактум.

Во-вторых, централизованная архитектура несет риск единой точки отказа. Если инфраструктура конкретного облачного провайдера выходит из строя в определенном регионе или подвергается цензуре, все приложения, зависящие от этого провайдера, страдают. Децентрализованные протоколы хранения, такие как Walrus, распределяя данные по независимым узлам по всему миру, стремятся «вернуть власть пользователям», обеспечивая более строгую защиту конфиденциальности и устойчивость к цензуре, независимую от одной компании.

Уровень данных Web3 вводит другую парадигму безопасности: проверяемость. Например, The Graph, распределенный индексный протокол, использует несколько независимых индексаторов (Indexers), которые закладывают токены GRT для выполнения индексации, а результаты запросов могут быть проверены с помощью криптографических доказательств. Такая конструкция позволяет потребителям данных не доверять одному централизованному узлу, а обеспечивать корректность данных с помощью экономических стимулов и криптографических механизмов.

Unibase, децентрализованный уровень доступности данных (Unibase DA), дополнительно внедряет доказательства с нулевым разглашением и мошеннические доказательства в процесс проверки данных, делая проверяемость данных в цепочке базовым уровнем для взаимодействия AI-агентов. Для сценариев, требующих высокой степени определенности данных — таких как ценовые оракулы DeFi-протоколов, записи голосований в системах управления — эта проверяемость имеет незаменимую ценность.

Однако следует отметить, что модель безопасности текущих децентрализованных хранилищ и уровней данных не обходится без издержек. Децентрализация управления узлами приводит к более сложному управлению ключами и стратегиям избыточности данных, а кривая обучения и сложность эксплуатации некоторых протоколов все еще выше, чем у традиционных облачных сервисов.

Масштабируемость: узкие места пропускной способности и модульные прорывы

Масштабируемость традиционных облачных баз данных ограничена инфраструктурными мощностями одного облачного провайдера, но ведущие игроки, такие как AWS и Azure, обеспечивают достаточную масштабируемость для большинства приложений за счет глобального регионального развертывания и эластичных вычислительных ресурсов. Проблемы масштабируемости уровня данных Web3 более острые — ограничения пропускной способности самого блокчейна долгое время были основным узким местом, сдерживающим масштабирование приложений данных в цепочке.

Эта ситуация меняется. В январе 2026 года Celestia объявила о протоколе Fibre Blockspace, достигнув пропускной способности 1 терабит в секунду (1 Tbps) в тесте с 498 узлами, что в 1500 раз превышает первоначальную цель дорожной карты. На основе этой инфраструктуры OnchainDB запустил модель базы данных «плати за запрос» — разработчики хранят данные приложений на уровне доступности данных Celestia, и каждый раз, когда данные запрашиваются, они получают доход. Дизайн распределяет 70% дохода от чтения и записи разработчикам приложений, а 30% остается у платформы.

Логика этой модели заключается в следующем: когда стоимость одного байта базового блокчейна становится достаточно низкой, AI-агенты с помощью микроплатежей за каждый запрос данных становятся экономически целесообразными. OnchainDB позиционирует себя как «уровень обнаружения» для AI-агентов — позволяя AI-агентам самостоятельно находить наборы данных, платить за запросы, связывать информацию между приложениями и обрабатывать результаты без вмешательства человека.

На уровне индексации дорожная карта The Graph на 2026 год включает 6 продуктов и планы по интеграции ИИ, стремясь стать основой данных для Web3-приложений. Основная логика заключается в том, что с расширением мультичейн-экосистемы и ростом числа приложений спрос на индексацию и запросы данных в цепочке будет расти экспоненциально, а централизованные решения не смогут удовлетворить требования децентрализованных приложений к устойчивости к цензуре и проверяемости данных.

С точки зрения масштабируемости, уровень данных Web3 переходит от нарратива «блокчейн слишком медленный» к новому этапу «модульная инфраструктура поддерживает крупномасштабные приложения данных». Однако этот переход все еще требует времени для проверки — пропускная способность Celestia Fibre в 1 Tbps пока находится на стадии тестирования, и фактическая производительность в производственных условиях с большим масштабом еще предстоит проверить.

Преимущества в данных для обучения ИИ: отслеживаемость, проверяемость, монетизация

Качество и отслеживаемость данных для обучения ИИ становятся ключевым узким местом, сдерживающим развитие больших моделей. Процессы сбора, разметки и проверки традиционных данных для обучения ИИ высоко централизованы, и происхождение, авторизация и вклад данных трудно отследить. Уровень данных Web3 предлагает дифференцированные решения в этой области.

Unibase является типичным представителем этого направления. Как децентрализованный слой памяти, специально разработанный для AI-агентов, Unibase через три модуля — Membase (система долгосрочной памяти ИИ), AIP Protocol (протокол взаимодействия агентов) и Unibase DA (уровень доступности данных) — предоставляет AI-агентам возможности непрерывного обучения и межплатформенного сотрудничества. В отличие от традиционных систем ИИ, зависящих от ограниченного контекстного окна, Unibase позволяет AI-агентам постоянно извлекать историческую информацию во времени, обеспечивая настоящее непрерывное обучение. Его токен UB по состоянию на 1 июля 2026 года стоит 0,08298 доллара, хотя за короткий срок он снизился на 22,30%, но за последние 90 дней рост составил 312,75%, а за последний год — 429,16%, что указывает на то, что рынок дает значительную премию за нарратив ИИ + инфраструктура данных, но краткосрочная волатильность также отражает, что этот сектор все еще находится на ранней стадии игры.

В области отслеживания данных и стимулирования вклада, Poseidon (проект инфраструктуры данных блокчейн-ИИ, инкубированный Story Foundation) строит платформу, где пользователи могут вносить данные для обучения ИИ и получать компенсацию. Его ключевой механизм: записывать на блокчейне происхождение, фильтрацию, разметку и ценность вклада каждой единицы данных обучения, чтобы участники могли отслеживать использование своих данных и получать соответствующее вознаграждение.

Для поставщиков данных обучения ИИ уровень данных Web3 решает две проблемы, которые традиционные модели не могут хорошо обработать:

Проблема проверки: в традиционных централизованных закупках данных для обучения ИИ покупатели не могут независимо проверить легальность происхождения данных, точность разметки и объем авторизации. Проверяемый уровень данных в цепочке позволяет независимо аудировать каждую транзакцию данных.

Проблема стимулирования: распределение доходов в традиционной разметке и сборе данных крайне непрозрачно. Через смарт-контракты и токеномику уровень данных Web3 может автоматизировать и обеспечить прозрачное распределение доходов между участниками, разметчиками и тренерами моделей.

Глобальный спрос на ИИ, как ожидается, достигнет 300 миллиардов долларов в 2026 году. При таком объеме стоимость приобретения данных и обеспечение их качества станут ключевыми конкурентными факторами для ИИ-компаний. Проверяемость и дезинтермедиация, предоставляемые уровнем данных Web3, позволяют ему занимать уникальную нишу в инфраструктуре данных для обучения ИИ.

Однако следует отметить, что фактическое внедрение уровня данных Web3 в сценариях обучения ИИ все еще находится на ранней стадии. Тестовая сеть Unibase зафиксировала более 200 развернутых агентов и более 12,4 миллиона записей памяти в цепочке, но эти данные в основном поступают из крипто-нативных проектов, а уровень внедрения традиционных ИИ-компаний все еще ограничен.

Заключение

Ожидается, что рынок индексации данных Web3 вырастет с 2,12 миллиарда долларов в 2025 году до 2,68 миллиарда долларов в 2026 году, с совокупным годовым темпом роста 25,9%. К 2030 году этот рынок может дополнительно расшириться до 6,77 миллиарда долларов. Эта траектория роста показывает, что рынок отвечает реальными деньгами на ключевой вопрос: выбор архитектуры инфраструктуры данных переходит от «приоритета удобства» к «приоритету проверяемости и суверенитета данных».

С точки зрения затрат, децентрализованное хранение уже демонстрирует значительное ценовое преимущество перед традиционными облачными сервисами — Walrus примерно на 80% дешевле AWS S3, а цены на egress Shelby, как ожидается, будут на 70% ниже. Однако сохранится ли это ценовое преимущество после отмены субсидий, еще предстоит проверить временем.

С точки зрения безопасности и прозрачности, проверяемость, предоставляемая уровнем данных Web3 — гарантия корректности данных через криптографические доказательства и экономические стимулы — является дифференцированной ценностью, которую традиционные облачные сервисы не могут обеспечить. Для сценариев с высокими ставками (DeFi, управление, отслеживание данных для обучения ИИ) эта проверяемость может стать решающим фактором выбора.

С точки зрения масштабируемости, пропускная способность Celestia в 1 Tbps и мультичейн-архитектура индексации The Graph решают технические узкие места масштабируемых приложений уровня данных Web3. Однако большая часть этой инфраструктуры все еще находится на стадии тестирования или раннего производства, и масштабная проверка потребует времени.

С точки зрения адаптации данных для ИИ, дизайн уровня данных Web3 в области отслеживания данных, стимулирования вклада и проверяемости хорошо согласуется с потребностями инфраструктуры для обучения ИИ. Однако кривая внедрения традиционных ИИ-компаний остается самой большой переменной неопределенности.

Наиболее разумным выводом на данный момент, вероятно, является то, что уровень данных Web3 не является полной заменой традиционных облачных баз данных, а предлагает дифференцированную ценность, которую традиционная архитектура не может обеспечить в определенных сценариях — приложениях, требующих проверяемости, суверенитета данных и устойчивости к цензуре. По мере созревания модульной блокчейн-инфраструктуры и роста спроса на данные для ИИ эта дифференцированная ценность постепенно превращается из «теоретического преимущества» в «количественно измеримое коммерческое преимущество». Для лиц, принимающих решения в области инфраструктуры, внимательное отслеживание прогресса в этой области и проведение небольших пилотных проектов в подходящих сценариях, вероятно, будет наиболее прагматичной стратегией на данном этапе.

FAQ

1. Может ли уровень данных Web3 полностью заменить облачные базы данных AWS?

В настоящее время нет. Уровень данных Web3 имеет преимущества в проверяемости, устойчивости к цензуре и суверенитете данных, но уступает AWS по задержкам чтения/записи, зрелости эксплуатации и экосистеме инструментов. Они более подходят для взаимодополнения, а не замены. Уровень данных Web3 подходит для сценариев, требующих высокой прозрачности и аудита, а традиционные облака — для бизнеса с высокой частотой и низкой задержкой.

2. Действительно ли децентрализованное хранение дешевле AWS?

По чистой стоимости хранения такие протоколы, как Walrus, действительно дешевле AWS S3, но следует отметить, что их цены частично субсидируются. С учетом платы за egress децентрализованные протоколы могут быть дешевле из-за отсутствия региональных наценок, но долгосрочная стабильность цен еще требует наблюдения, и необходимо учитывать дополнительные расходы на избыточность и поиск данных.

3. Как уровень данных Web3 обеспечивает безопасность данных?

Через шифрование с разбиением, избыточное хранение на нескольких узлах и экономические стимулы (например, штрафы за стейкинг) для предотвращения потери или подделки данных. Кроме того, проверяемость в цепочке делает записи доступа и изменения данных публично доступными, снижая риск внутренних злоупотреблений и единой точки отказа, но пользователи должны самостоятельно управлять своими ключами.

4. Почему для обучения ИИ нужен уровень данных Web3?

Потому что обучение ИИ сильно зависит от легальности происхождения данных и качества разметки. Уровень Web3 может отслеживать вкладчика, объем авторизации и процесс разметки каждой единицы данных, а также автоматически распределять доходы через смарт-контракты, решая проблему «черного ящика» в традиционных закупках данных, тем самым снижая юридические риски и повышая качество данных.

5. Какие основные препятствия для внедрения уровня данных Web3 в настоящее время?

Основные препятствия включают: техническую зрелость (пропускная способность и задержки все еще уступают централизованным решениям), затраты на обучение разработчиков, отсутствие стандартизированных интерфейсов, а также опасения отделов соответствия в традиционных компаниях по поводу регуляторных рисков данных в цепочке. Кроме того, волатильность цен токенов влияет на стабильность долгосрочного бюджетного планирования предприятий.