Récemment, j'ai étudié comment les projets Walrus et io.net peuvent fonctionner ensemble, c'est assez intéressant. En résumé, l'un est responsable du calcul, l'autre du stockage privé, cette combinaison réduit considérablement les coûts pour les startups en IA.

Exemples concrets : DLP Labs utilise cette solution pour traiter les données de logs de véhicules électriques, réduisant directement les coûts de 22 % ; CudisWellness l'utilise pour gérer les données de santé, tout en garantissant la confidentialité et en permettant la redistribution des bénéfices. Cela touche en plein le point sensible de toute "économie des données" — les données doivent être mises en mouvement, plutôt que d'être verrouillées quelque part, et les utilisateurs peuvent accéder de manière flexible via des outils comme Seal.

D’un point de vue plus large, cette idée ressemble à la construction d’un "stack IA complet" — Sui en tant que couche de base, avec déjà plus de 190 projets allant du concept à l’exploitation commerciale. À l’approche du premier anniversaire du lancement du réseau principal, le nombre de requêtes quotidiennes de Seal dépasse 80 000+, ce qui montre que les utilisateurs ont vraiment besoin de cette chose. Plus intéressant encore, le changement de logique : la protection de la vie privée n’est plus une dissimulation, mais une transparence dans le cadre de la conformité — avec 125 nœuds, un taux d’utilisation de 28 %, ces chiffres suffisent à montrer que tout le système est entré dans une phase opérationnelle vérifiable.