Нещодавно досліджував, як проекті Walrus та io.net співпрацюють, і це досить цікаво. Простими словами, один відповідає за обчислення, інший — за приватне збереження даних, ця комбінація значно знижує витрати для стартапів у сфері AI.

Практичні кейси, які я бачив: DLP Labs використовує цю схему для обробки журналів електромобілів, безпосередньо зменшуючи витрати на 22%; CudisWellness застосовує її для управління даними про здоров'я, при цьому зберігаючи приватність і одночасно отримуючи прибутки. Це фактично зачепило головну проблему "економіки даних" — дані самі по собі мають рухатися, а не бути заблокованими в одному місці, користувачі можуть так само гнучко програмувати доступ, як із інструментом Seal.

З більш широкої перспективи ця ідея схожа на побудову "повного стеку AI" — Sui виступає як базовий рівень, і вже понад 190 проектів проходять від концепції до комерційної експлуатації. У день першої річниці запуску основної мережі кількість запитів Seal перевищила 80 000 на день, що свідчить про реальну потребу користувачів у цьому. Ще цікавіше — зміна логіки: захист приватності більше не означає приховування, а є прозорим у рамках дотримання нормативів — масштаб вузлів становить 125, коефіцієнт використання — 28%, ці цифри цілком свідчать, що вся система вже перейшла у стадію підтвердженої операційної роботи.