Недавно я изучал, как взаимодействуют проекты Walrus и io.net, и это довольно интересно. Проще говоря, один отвечает за вычисления, другой — за хранение данных с учетом приватности. Эта комбинация значительно снижает издержки для стартапов в области ИИ.

Практические примеры: DLP Labs использует эту схему для обработки логов электромобилей, что прямо снизило издержки на 22%; CudisWellness применяет её для управления данными о здоровье, при этом обеспечивая приватность и возможность делиться прибылью. Это как раз затрагивает боль всей "экономики данных" — данные должны быть активными, а не запертыми в одном месте, и пользователи могут гибко программировать доступ, как с инструментом Seal.

С более широкой точки зрения, эта идея похожа на построение "полного стека ИИ" — Sui выступает в качестве основы, и уже более 190 проектов прошли от концепции к операционной деятельности. В день первого года запуска основного сети, количество запросов Seal превышает 80 тысяч в день, что говорит о реальной потребности пользователей в этом. Еще более интересно — изменение всей логики: защита приватности больше не скрывает информацию, а обеспечивает прозрачность в рамках соблюдения нормативов — 125 узлов, использование 28%, эти цифры достаточно показывают, что вся система уже перешла в стадию проверяемой эксплуатации.