الانتشار السريع للذكاء الاصطناعي جلب معه مشكلة كبيرة: تخزين وإدارة كميات هائلة من البيانات. الحلول التقليدية إما أن تكون محتكرة من قبل مؤسسات مركزية مع خطر التلاعب، أو تعاني من قيود في الأداء لا تسمح بتلبية طلبات الوصول عالية التردد لبيانات تدريب AI. بالنسبة للذكاء الاصطناعي اللامركزي، هذا يمثل مشكلة قاتلة — يجب ضمان أن تكون البيانات قابلة للتحقق، والخصوصية محمية، والعمليات قابلة للمراجعة، وغالبًا ما تتعارض هذه المتطلبات مع بعضها البعض.

بروتوكول Walrus يركز على النقطة الحرجة. يستخدم بنية تخزين موزعة لتقسيم البيانات إلى أجزاء، وتوزيعها على عقد عالمية، ثم يستفيد من وظيفة التسجيل على السلسلة على شبكة Sui، ليضع طابع زمني غير قابل للتلاعب وشهادة هاش على كل عملية بيانات. بهذه الطريقة، يمكن تتبع مصدر بيانات التدريب، ومن تفاعل معها، وما إذا تم تعديلها أم لا.

الأكثر إثارة هو أن Walrus يتعاون بشكل عميق مع شركاء بيئيين مثل Swarm Network و Gata و FLock.io، لبناء سلسلة كاملة من "التخزين + الحساب + التحقق". الاعتماد فقط على التخزين غير كافٍ، بل يجب أن يتكامل بسلاسة مع الحساب والتحقق، وهذا هو الشرط الأساسي لتحقيق تطبيق AI يمكن التحقق منه بشكل فعلي.