Recentemente tenho estudado como os projetos Walrus e io.net podem colaborar, e é bastante interessante. Resumidamente, um fica responsável pelo cálculo e o outro pelo armazenamento de privacidade; essa combinação reduz significativamente os custos para startups de IA.

Casos práticos observados: a DLP Labs usa essa solução para processar dados de logs de veículos elétricos, reduzindo os custos em 22%; a CudisWellness usa para gerenciar dados de saúde, garantindo privacidade e ainda assim permitindo dividendos. Isso realmente aborda um ponto crucial da "economia de dados" — os dados precisam ser mobilizados, não presos em um só lugar, e os usuários podem acessá-los de forma flexível usando ferramentas como Seal.

De uma perspectiva mais ampla, essa abordagem é semelhante a construir uma "pilha completa de IA" — Sui como base, com mais de 190 projetos já passando do conceito para a operação de produto. No aniversário do lançamento da mainnet, o Seal atinge mais de 80 mil solicitações diárias, o que demonstra que os usuários realmente precisam dessa ferramenta. Ainda mais interessante é a mudança de lógica: a proteção de privacidade deixa de ser esconder algo e passa a ser uma transparência sob conformidade — com 125 nós, taxa de utilização de 28%, esses números mostram que o sistema já entrou na fase operacional verificável.