IOSG: Sıcak depolamadan soğuk belleğe, AI çağında depolama çılgınlığı altında merkeziyetsiz depolama

Bu makaleyi okumak için 30 Dakika

AI depolama, mevcut teknoloji anlatısı dalgasında sermaye tarafından çılgınca yeniden değerlendiriliyor.

Orijinal Başlık: 《IOSG｜Sıcak Depolamadan Soğuk Hafızaya: Yapay Zeka Çağında Depolama Çılgınlığı Altında Merkeziyetsiz Depolama》
Orijinal Yazar: Jacob Zhao, IOSG Ventures

Son günlerde, "yerli depolama birincisi" olarak anılan Changxin Memory, resmen ChiNext borsasında işlem görmeye başladı ve %500'lük çarpıcı bir artışla tüm dikkatleri üzerine çekti. Depolama sektörü genel olarak hâlâ düzeltme dalgalarının etkisi altında olsa da, yapay zeka depolaması mevcut teknoloji anlatısı dalgasında sermaye tarafından çılgınca yeniden değerleniyor. Aynı zamanda, Web3 alanındaki merkeziyetsiz depolama ise uzun süredir devam eden bir durgunluk ve hayal kırıklığı içinde. Neden aynı "depolama" adını taşımalarına rağmen piyasa performansları bu kadar farklı? Bunun temel nedeni, altta yatan değer fonksiyonlarının tamamen ayrışmasında yatıyor.

Yapay zeka çağındaki depolama yeniden değerlemesi, özünde "sıcak veri verimliliği" üzerine bir kutlamadır; bu, hesaplama gücü kullanım oranını ve ticari getiriyi maksimuma çıkarmaya hizmet eder. Merkeziyetsiz depolama ise "soğuk veri güvenilirliği" değer önermesine bağlı kalır; veri adaletini, sansüre karşı direnci ve insan uygarlığının uzun vadeli hafızasını savunur. Birincisi sıcak veriler için bir verimlilik sistemi, ikincisi ise soğuk veriler için bir güvenilirlik sistemidir. Mevcut sermaye piyasası şüphesiz "verimlilik" tarafında kararlı bir şekilde duruyor, ancak insan uygarlığının nihayetinde değiştirilemez bir hafıza tabanına ihtiyacı var. Güvenilir soğuk depolamanın uzun vadeli değeri hiçbir zaman kaybolmadı; sadece döngünün karanlık yüzünde gizleniyor ve yeniden fiyatlandırılmayı bekliyor.

Depolama Neden Yapay Zeka Endüstri Zincirinin Odağı Haline Geldi?

Geleneksel BT çağında depolama, bir "kapasite işiydi." Kurumsal CIO'lar birim kapasite maliyeti, disk güvenilirliği, felaket kurtarma planları, arşivleme stratejileri ve 3-5 yıllık ekipman yenileme döngülerine odaklanırdı. Depolama, sunucu alımlarını takip eden bir yan ürün olarak görülürdü.

Mevcut depolama çılgınlığı geleneksel bir döngüsel toparlanma değil, yapay zekanın veri akış yeteneklerini yeniden fiyatlandırmasıdır. Büyük model çağında depolama mantığı "kapasite önceliğinden" "verimlilik odaklılığa" dönüştü; GPU besleme oranı, Checkpoint yazma ve RAG'de ultra düşük gecikme gibi sınır değerleri zorluyor. Bu, depolama değerinin "verilerin son park yeri" olmaktan çıkıp "verilerin hesaplamaya giren yüksek hızlı kanalı" haline geldiğini gösteriyor.

Yapay zeka altyapısındaki kaynak darboğazlarının evrimi, özünde bir "varil etkisi" tamamlama savaşıdır. Hesaplama gücünün gerçek kullanım oranı, tek bir varlığın doğrusal birikimi değil, katı bir çarpan etkisidir: Gerçek Hesaplama Gücü Kullanım Oranı = GPU × HBM × DRAM × SSD × Ağ × Dosya Sistemi. Zincirin herhangi bir halkasındaki zayıflık, genel hesaplama gücü kullanım oranının çökmesine yol açar. Yapay zeka çağında depolama ilk kez bir "maliyet merkezinden" bir "verimlilik motoruna" dönüştü. Depolamanın yeniden fiyatlandırılmasının temel mantığı işte budur.

AI Depolama Mimarisi Genel Görünümü: HBM Bant Genişliği Organından Veri Gölü Tabanına

AI depolama, kesinlikle tek bir donanımın yığılması değil, sıkı bir şekilde birbirine bağlı, katmanlı bir şekilde planlanmış karmaşık bir sistemdir. Bu sistemde, endüstri değeri ve sermaye odağı yoğun bir şekilde HBM, kurumsal SSD'ler, SSD denetleyicileri, NVMe/CXL protokolleri ve yüksek performanslı depolama sistemlerine odaklanmıştır. Değer akışını net bir şekilde analiz etmek için, AI depolama mimarisini yukarıdan aşağıya dört temel katmana ayırıyoruz:

· Hesaplama Yakın Bellek Katmanı (Bant Genişliği Çekirdeği): Mutlak ana güç olarak HBM, DRAM ve CXL bellek havuzlama teknolojisi ile desteklenir. Bu katman, doğrudan GPU/CPU paketlemesine veya veri yoluna bağlanarak "bellek duvarını" kırmayı hedefler ve hesaplama gücünün tam olarak serbest bırakılıp bırakılamayacağını belirleyen ilk engeldir.

· Yüksek Hızlı Kalıcı Depolama Katmanı (G/Ç Merkezi): Temel mantık, Kurumsal SSD = NAND yongaları + SSD denetleyicisi + NVMe/PCIe veri yoludur. Bu katman, yüksek frekanslı Checkpoint yazmalarını, büyük ölçekli eğitim seti yüklemelerini ve RAG sıcak veri önbelleğini üstlenir ve AI veri merkezleri için en belirgin kalıcı depolama artışını temsil eder.

· Düşük Maliyetli Büyük Kapasiteli Depolama Katmanı (Kapasite Tabanı): HDD'ler, soğuk depolama ve veri gölü arşivleme sistemlerinden oluşur. Katlanarak büyüyen çok modlu ham veri, geçmiş günlükler ve uyumluluk yedeklemeleri karşısında, bu katman hala yeri doldurulamaz bir TCO (Toplam Sahip Olma Maliyeti) avantajı sunar.

· AI Depolama Sistemi ve Veri Yazılımı (Planlama Beyni): Yüksek performanslı paralel dosya sistemleri, dağıtılmış nesne depolama, vektör veritabanları ve RAG veri yönetişim katmanını içerir. AI'ın gerçekten tükettiği şey çıplak donanım değil, yazılım yığını tarafından verimli bir şekilde organize edilmiş, indekslenmiş ve yetkilendirilmiş veri kullanılabilirliğidir.

· Bir ekosistem uzantısı olarak, merkezi olmayan depolama, AI sıcak verilerinin milisaniyelik yarışına doğrudan dahil olmaz, bunun yerine kamu veri seti kanıtlama, AI eğitim verisi kaynağı (Provenance) ve uzun vadeli soğuk bellek arşivlemesine odaklanarak, "güvenilir soğuk katman" olarak benzersiz bir ekolojik niş oluşturur.

HBM: AI Depolama Zincirinde Hesaplama Gücüne En Yakın "Bant Genişliği Organı"

Yüksek Bant Genişlikli Bellek (High Bandwidth Memory), geleneksel bir depolama değil, GPU'ya yakın yüksek bant genişlikli bir bellek katmanıdır. Temel görevi veri depolamak değil, hesaplama gücüne son derece yüksek bant genişliği ile sürekli olarak veri "beslemektir". HBM, AI depolama zincirinde hesaplama gücüne en yakın ve en belirgin halkadır; GPU'nun "doyurulup doyurulamayacağını" doğrudan belirler ve şu anda en kritik tedarik zinciri darboğazıdır.

HBM'nin temel mimarisi "3D DRAM istifleme + 2.5D ileri paketleme"dir: TSV dikey istifleme ve CoWoS heterojen entegrasyonu sayesinde, bellek ve işlem arasındaki mesafe en aza indirilerek bant genişliğinde nesil atlamalı bir sıçrama sağlanır. Sektördeki engel yalnızca DRAM tasarımı değil, aynı zamanda DRAM üretim süreci, TSV, ultra ince istifleme, paketleme, soğutma, test ve müşteri onayını kapsayan bir sistem mühendisliğidir. Herhangi bir aşamadaki verim kusuru, tüm HBM Stack'in hurdaya çıkmasına neden olur.

Şu anda dünya genelinde yalnızca SK Hynix, Samsung ve Micron gibi üç dev, istikrarlı bir şekilde seri üretim yapabilmekte olup, en üst düzey DRAM üretim süreci, paketleme yeteneği ve NVIDIA/AMD müşteri onayından oluşan üçlü bir savunma hattı oluşturmuştur.

DRAM ve CXL: Sistem Belleği Tabanı ve Bellek Havuzlama Motoru

HBM, GPU'ya yakın uç bant genişliği sorununu çözerken, DRAM sunucu sistem belleği tabanını güçlendirir; CXL ise fiziksel sınırları aşarak veri merkezi bellek kaynaklarının organizasyon biçimini yeniden yapılandırmayı hedefler.

· DRAM: Esas olarak CPU tarafındaki önbellek, veri ön işleme, ara durum depolama ve sistem çalışmasını üstlenir; sunucunun en temel sistem bellek katmanıdır. Küresel DRAM pazarı, SK hynix, Samsung ve Micron üçlüsünde yoğunlaşmıştır; ChangXin Memory Technologies (CXMT) ise Çin'in DRAM'de yerli üretim alternatifinin temel değişkenidir.

· CXL (Compute Express Link): Veri merkezlerine yönelik yeni nesil bir önbellek tutarlılık ara bağlantı protokolüdür; geleneksel DIMM yuvalarının, yerel bellek kapasitesinin ve sunucu bellek kaynağı adacıklarının sınırlamalarını aşarak bellek mimarisini genişletme, havuzlama ve paylaşıma doğru evrimleştirmeyi amaçlar. Şu anda CXL, platform desteğinden ölçekli dağıtıma geçişin erken aşamasındadır; orta ve uzun vadede mimari değeri yüksektir; kilit şirketler arasında Astera Labs ve Montage Technology bulunur.

Kurumsal SSD: NAND, Denetleyici ve NVMe ile İnşa Edilen Veri Merkezi

Kurumsal SSD'ler, AI veri merkezlerinde en kritik yüksek verimli kalıcı depolama birimidir; son derece yüksek verim, düşük gecikme ve istikrarlı QoS ile verileri sürekli olarak GPU'ya "besler"; eğitim verisi yükleme, Checkpoint yazma, RAG arama, çıkarım önbelleği ve günlük geri akışı gibi tüm yaşam döngüsü boyunca kullanılır.

AI depolama mimarisinde SSD, izole bir donanım değil, yüksek düzeyde bağlantılı bir sistemdir ve şu endüstri formülüyle özetlenebilir: Kurumsal SSD = NAND bellek hücreleri + SSD denetleyicisi + NVMe/PCIe veri yolu. Bu üç katman, bağımsız endüstri zinciri halkalarını temsil eder:

· NAND bellek hücreleri (hammadde katmanı): Depolama yoğunluğunu ve birim maliyeti belirler. Denetleyici, performans çıkışını ve ömür yönetimini kontrol eder. Temsilci şirketler: Samsung, SK hynix (Solidigm), Micron, Kioxia, Western Digital, Yangtze Memory Technologies Co. (YMTC).

· SSD denetleyicisi (performans etkinleştirme katmanı): Performans çıkışını, veri hata düzeltmesini, QoS kararlılığını ve aşınma dengelemesini belirler. Temsilci şirketler: Phison, Silicon Motion, Marvell, Maxio.

· NVMe/PCIe (veri yolu katmanı): Verinin depolamadan hesaplamaya aktarım verimliliğini belirler. GPUDirect Storage teknolojisiyle birleşerek CPU bellek bounce buffer'ını ve CPU katılımını azaltır, I/O darboğazını önemli ölçüde hafifletir. Temsilci şirketler: Broadcom, Marvell, Astera Labs.

HDD / Soğuk Depolama / Arşivleme: AI Veri Gölü'nün Düşük Maliyetli Temeli

AI, HDD'yi ortadan kaldırmayacak. Çok modlu büyük modellerin video ve görüntü verilerine olan talebi ve kurumsal uyumluluk günlükleri ile tarihsel veri kümelerinin katlanarak büyümesiyle birlikte, düşük maliyetli soğuk veri depolama ihtiyacı da aynı anda patlıyor. AI depolama mimarisinde SSD ve HDD, iş değerine dayalı katmanlı bir iş birliği yapar: SSD sıcak veriler ve yüksek verim için, HDD ise düşük maliyet ve uzun süreli saklama için sorumludur. Temsilci şirketler: Seagate, Western Digital, Toshiba.

AI Depolama Yazılım Yığını: Veri Kullanılabilirliğinin Zamanlama Merkezi

AI'ın gerçekten tükettiği şey asla çıplak diskler değil, yazılım yığını tarafından hassas bir şekilde organize edilmiş "veri hizmetleri"dir. Bu mimari, alttaki donanımı, üst katmandaki AI'ın doğrudan çağırabileceği bilgi varlıklarına dönüştürür ve dört katmana ayrılır:

· Yüksek performanslı depolama sistemi (besleme sistemi): Eşzamanlı verim ve düşük gecikmeye odaklanır, paralel dosya sistemleri aracılığıyla GPU kümelerinin "veri açlığı" sorununu çözer ve eğitim ile çıkarımın hızlı akışını sağlar. Temsilci şirketler: VAST Data, WEKA, Pure Storage.

· Nesne Depolama (Ham Veri Gölü): Nesne, Anahtar ve Metaveri yönetimini temel alarak, büyük miktardaki yapılandırılmamış veriyi barındırır. Aşırı düşük gecikme süresi hedeflemez; düşük maliyet ve bulut-yerel özelliklerle kapasite tabanı oluşturur. Temsilci şirket: AWS S3

· Vektör Veritabanı (Anlamsal Dizin Katmanı): Vektör veritabanı, embedding modelleri tarafından üretilen vektörleri depolar, indeksler ve arar; AI'nın devasa bilgi havuzundan ilgili içeriği hassas bir şekilde bulmasını sağlar. Temsilci şirketler: Pinecone, Milvus

· RAG Veri Katmanı (Bilgi Çağırma Katmanı): Tek bir aramanın ötesine geçerek veri dilimleme, temizleme, erişim kontrolü ve kaynak takibini kapsar; kurumsal verilerin büyük modeller tarafından güvenli, doğru ve izlenebilir şekilde çağrılmasını sağlar. Temsilci şirket: Databricks

AI Sıcak Depolamadan Merkeziyetsiz Soğuk Hafızaya: Verimlilik Maksimizasyonu vs Güven Maksimizasyonu

AI depolama, aşırı verimlilik odaklı bir sistemdir; değer fonksiyonu, hesaplama çıktısını maksimize etmeye odaklanır. HBM bant genişliği, GPU'nun beslenip beslenmediğini belirler; SSD verimi, veri seti ve Checkpoint okuma/yazma verimliliğini etkiler; düşük gecikme süresi, RAG ve çıkarımın gerçek zamanlı deneyimi için kritiktir. Bu metrikler sonuçta GPU kullanım oranı ve birim Token maliyetine dönüşerek AI uygulamalarının ticari karlılığını doğrudan belirler. AI depolamanın nihai hedefi saklamak değil, hızlandırmaktır; hizmet ettiği şey üretkenliktir.

Merkeziyetsiz depolamanın değer fonksiyonu ise tamamen farklıdır. Verinin on yıl sonra hala var olup olmayacağını, değiştirilip değiştirilmediğini ve tek nokta sansürüne karşı koyup koyamayacağını sorgular. Kriptografik kanıtlar ve dağıtık ağlar aracılığıyla, açık erişimli ve kalıcı bir kamu veri tabanı oluşturur. Nihai hedefi, verinin mutlak doğruluğunu ve egemen bağımsızlığını savunmak; adalet, sansür direnci ihtiyaçları ve medeniyet hafızasına hizmet etmektir.

AI depolama, gelecekteki üretkenliğe yakıt sağlayan "sıcak depolama"dır; merkeziyetsiz depolama ise insan medeniyeti için silinemez tarihsel kayıtları koruyan "soğuk hafıza"dır. İlki verimliliğe hizmet eder ve aşırı hız peşinde koşar; ikincisi güvene hizmet eder ve sessiz hafızayı savunur. İlki modelin ne kadar hızlı çalıştığını belirler; ikincisi hafızanın silinip silinmeyeceğini belirler. Şu anda, piyasa mekanizmaları üretkenlik verimliliğini ödüllendiriyor; AI depolama rüzgarın zirvesinde, merkeziyetsiz depolama ise değerleme çöküşü ve anlatının kan kaybettiği sessizliği yaşıyor gibi görünüyor.

Merkeziyetsiz Depolamanın Vizyonu ve Gerçekliği

Merkeziyetsiz depolama projeleri çok sayıda olsa da, sektör bilinci ve ekosistem birikimi açısından temel temsilciler her zaman Filecoin ve Arweave olmuştur. Her ikisi de "merkeziyetsiz depolama" kategorisine girse de, temel mimari felsefeleri neredeyse tamamen farklı iki yolu izler: İlki, AWS'nin esnekliğine piyasa tabanlı sözleşmelerle yaklaşırken, ikincisi tek seferlik bir sosyal sözleşmeyle bir kütüphanenin kalıcılığına yaklaşır.

· Filecoin: PoRep ve PoSt aracılığıyla en eksiksiz doğrulanabilir ekonomik sistemi inşa etmiştir. Artık tüketici düzeyindeki bulut depolama hizmetlerinde AWS ile rekabet etmeye devam etmemeli, bunun yerine AI veri kaynağı (Provenance), kamu veri seti barındırma ve uyumlu arşivlemeye yönelerek model denetimi ve telif kanıtı için doğrulanabilir bir zincir sağlamalıdır. Zorunlu yol, S3 uyumlu bir API olarak paketlenip itibari para ödemesini destekleyerek "ucuz depolama pazarından" "doğrulanabilir hesaplama altyapısına" yükselmektir.

· Arweave: "Tek seferlik ödeme, kalıcı depolama" anlatısıyla, Blockweave ve SPoRA mekanizmaları aracılığıyla madencileri mümkün olduğunca fazla, özellikle de nadir tarihsel veriyi kaydetmeye ve hızlı bir şekilde erişmeye teşvik eder. En iyi konumu, insanlığın ortak hafıza tabanı olmaktır: insan hakları kayıtlarını, savaş suçlarını, kültürel eserleri korumak; hukuki ve finansal tarihi arşivlemek; AI ajanlarına kalıcı olarak erişilebilir uzun vadeli hafıza sağlamak. Arweave'in değeri hızda değil, döngüleri aşan medeniyet hafızasını taşıma kapasitesindedir.

Filecoin, Arweave ve benzeri merkeziyetsiz depolama projelerinin sorunu, değer önermelerinin yanlış olması değil, ürünleştirme, erişim deneyimi, gerçek talep ve Token teşvikleri arasındaki uzun vadeli uyumsuzluktur. Bu, meraklı fikirlerinden ana akım ticari uygulamalara uzanan büyük uçurumu ortaya koymaktadır:

· Arz-talep teşvik uyumsuzluğu: Filecoin'in temsil ettiği erken dönem ağlar, Token aracılığıyla hızla büyümüş ancak yeterince güçlü bir ücretli talep tarafı oluşturamamış, bu da büyük kapasiteye rağmen düşük kullanım oranı ve ücretli dönüşümle sonuçlanmıştır. Ödül, "ben depolayabilirim" içindir, "benim depolamam gerekiyor" değil.

· Kurumsal düzeyde hizmet yeteneği eksikliği: AWS'nin bariyeri sabit diskler değil, API'ler, SLA'lar, izin yönetimi, uyum denetimi ve teknik destekten oluşan "veri işletim sistemi"dir. İşletmeler, anahtarlar ve düğüm seçimiyle uğraşmaları gereken deneysel bir altyapı değil, "güven" satın alır.

· Erişim deneyimi zayıflığı: "Depolamak", "istikrarlı ve düşük gecikmeyle geri almak" anlamına gelmez. Düğümlerin dağınıklığı, topolojinin karmaşıklığı ve birleşik bir SLA'nın olmaması, AI sıcak veri iş akışlarını üstlenmesini zorlaştırır; daha çok güvenilir soğuk arşivleme ve veri kaynağı takibi için uygundur.

· Gizlilik uyum eksikliği: Kurumsal özel veriler, kamuya açık kalıcı bir ağa basitçe yazılamaz; silme hakkı ile kalıcı değişmezlik arasında doğal bir çatışma vardır. Merkeziyetsiz depolama, ayrım gözetmeksizin temel özel verileri kabul etmekten ziyade, kamu verileri ve uzun vadeli arşivler için daha uygundur.

· Token ekonomisi döngüleri büyütür: Boğa piyasasında finansallaşma, talep yetersizliğini maskeler; ayı piyasasında madencilerin ROI'sindeki düşüş, ticarileşme zayıflıklarını ortaya çıkarır. Token'lar arzı soğuk başlatabilir, ancak talebi ve sürdürülebilir geliri otomatik olarak yaratamaz.

Diğer merkeziyetsiz depolama projeleri ise genellikle belirli ekosistemlere veya niş alanlara odaklanır: Storj/Sia, döngüler arası sektör bilinci ve Web3 anlatı etkisi açısından Filecoin/Arweave'den daha zayıftır; BNB Greenfield/Walrus, BNB veya SUI'nin belirli blokzincir ekosistemlerine bağlıdır; Celestia/EigenDA gibi projeler, uzun vadeli arşivleme yerine Rollup işlem onaylarına hizmet eden Veri Kullanılabilirliği (DA) katmanıdır; 0G gibi AI/DA hibrit anlatı projeleri, depolama, veri kullanılabilirliği, hesaplama ve AI agent mutabakatını AI-native modüler bir altyapıda birleştirmeye çalışır, ancak gerçek talep, geliştirici benimsemesi ve ticarileşme döngüsü hala doğrulanmayı beklemektedir.

Merkeziyetsiz Depolamanın Gelecek Fırsatları: Verimlilik ve Güvenilirlik Arasında Uzun Vadeli Sarkaç

Teknolojik getirilerin patladığı dönemlerde sermaye çılgınca verimliliğin peşinden koşar, GPU, HBM gibi varlıklara yüksek prim verilir ve "güvenilirlik ve adalet" savunan merkeziyetsiz depolama doğal olarak marjinalleşir. Ancak tarihin sarkacı sonsuza kadar verimlilik tarafında kalmaz. Süper platformların mantıksız yasaklamaları ve içerik silmeleri, AI telif hakkı davalarının patlamasıyla veri kaynağı kanıtlama ihtiyacı, jeopolitik çatışmaların yol açtığı veri egemenliği mücadeleleri, veri tekelleşmesi nedeniyle kamu arşivlerinin kaybolması ve düzenleyicilerin model eğitim verilerinin uyumluluğuna yönelik denetim baskıları gibi olaylar, "güvenilir depolamanın" yeniden fiyatlandırılmasını tetikleyebilir. Merkeziyetsiz depolamanın gelecek fırsatları, aşağıdaki alanlarda benzersiz değerini gösterme şansına sahiptir:

· AI Veri Kaynağı (Provenance): Kriptografik kanıtlarla birleşerek "veri soy kanıtı" oluşturur, düzenleme ve denetim baskılarına yanıt verir.

· Kamu Veri Setleri ve Medeniyet Arşivleri: Sansürlenen arşivleri ve kültürel mirası sabitleyerek, yeri doldurulamaz ve silinemez bir hafıza inşa eder.

· Güvenilir Arşivleme ve Uyumlu Saklama: Hash saklama yoluyla güvenilir öz-kanıtlama sağlar ve yüksek seviyede dijital noterlik hizmeti sunar.

· ZK/TEE/DID Teknoloji Entegrasyonu: Gizlilik gerilimini çözerek, tek bir "depolama protokolü"nden "güvenilir veri altyapısı"na yükseltir.

· Görünmez Ürün Yol Haritası: S3 uyumlu API ve fiat para birimiyle faturalandırma sunarak, kullanıcıların doğrudan "güvenilir arşivleme" hizmeti satın almasını sağlar.

Yapay zeka depolaması ve merkeziyetsiz depolama: Biri sınırlı verimliliği hedefler, geleceğe doğru koşmamız için yakıt sağlar; diğeri sessiz anıları korur, geçmişe bakma hakkımızı savunur. Mevcut piyasa, verimliliği koşulsuzca ödüllendirir, bu nedenle merkeziyetsiz depolama sessiz ve hatta çökmüş görünür; ancak yapay zeka çağı, veri tekelleşmesini, telif hakkı anlaşmazlıklarını ve tarihsel hafızanın kırılganlığını daha da büyüttüğünde, merkeziyetsiz depolama "güvenilir soğuk katman" olarak yeniden değer kazanabilir. Platformlar, şirketler veya herhangi bir tek güç tarafından kolayca silinemeyen bu anılar, belki de idealist romantizmden, marjinal bir inançtan gerekli bir altyapıya dönüşecektir.