Web3ストレージのこの分野で長い間取り組んできましたが、最大の実感はプロジェクト全体に共通する短所が存在することです。あるものはストレージ層にのみ焦点を当て、アプリケーションシナリオについては半端な理解しかなく、あるものは華々しく宣伝するものの、実際の実現は遠い未来の話です。各段階を真に連携させている例はごくわずかです。

Walrusは2026年初頭の一連の動きによってこの状況を変えました。特にio.netとの深い協力は私の目を見張らせました——彼らはストレージと計算能力を真に結びつけたのです。

以前はAIモデルのトレーニングは面倒な作業でした。データセットは分散型プラットフォームに置かれているのに、モデルのトレーニングは中央集権的なGPUクラスターに移さなければならず、データのやり取りには時間がかかるだけでなく、プライバシー漏洩のリスクも伴いました。今は状況が変わっています。BYOM（自前モデル）プラットフォームを通じて、ユーザーはWalrus内にカスタムAIモデルを直接保存でき、その後io.netの分散GPUクラスターを呼び出してトレーニングを行います。全過程でデータはストレージ層から離れません。

私のAI画像生成に従事する友人が最近実験を行いました。彼は5GBのアートスタイルデータセットをWalrusに保存し、io.netのGPUリソースを使ってモデルを微調整しました。その結果は驚くべきものでした——トレーニングコストはAWSを使った場合より60%安く済み、さらにWalrusに内蔵されたプライバシー計算メカニズムのおかげでデータの安全性も確保され、トレーニング効率は逆に30%向上しました。

このストレージと計算能力を一体化したソリューションはWeb3分野では非常に珍しいものです。そしてZark Labの参加により、AIインテリジェンス層の能力はさらに強化されており、2026年のこの連携の威力は今後も注視すべきでしょう。