AI dan Web3 sedang menulis ulang aturan tata kelola data. Model AI generatif membutuhkan volume data yang sangat besar untuk pelatihan, namun data ini sering tersebar di mana-mana — terdistribusi di berbagai platform, bercampur dengan informasi privasi dan rahasia bisnis, dan sulit untuk berkolaborasi dan berbagi. Idenya tentang AI terdesentralisasi terdengar baik, tetapi dalam praktiknya bagaimana data beredar dengan aman? Bagaimana melacak sumbernya? Bagaimana melindungi privasi sambil memastikan efisiensi? Pertanyaan-pertanyaan ini telah menghambat banyak proyek.

Penyimpanan biaya rendah dan performa tinggi adalah titik terobosan. Bayangkan model AI harus memproses dataset level TB bahkan PB, dan masih perlu membaca berulang kali untuk optimasi iteratif. Menggunakan penyimpanan cloud tradisional? Biaya akan meningkat drastis. Inilah mengapa industri mulai melihat ke solusi penyimpanan terdesentralisasi — mereka dapat mengatasi masalah data skala besar dengan cara yang lebih ekonomis.

Dalam detail teknis, kunci penyimpanan terdesentralisasi terletak pada kontrol tingkat redundansi. Walrus mengadopsi teknologi erasure code dua dimensi Red-Stuff, menekan tingkat redundansi penyimpanan ke 4-5 kali, hanya sepertiga dari skema multi-replika tradisional. Mengubahnya menjadi angka biaya akan lebih intuitif: dibandingkan dengan Arweave dapat mengurangi 98.6%, dibandingkan dengan Filecoin dapat mengurangi 75%. Keunggulan biaya semacam ini bukan angka kecil, dan untuk tugas pelatihan AI jangka panjang, secara langsung mempengaruhi keberlanjutan proyek.

Jadi mengapa Walrus secara bertahap menjadi infrastruktur untuk AI terdesentralisasi bukan hanya karena murah, tetapi karena membangun ekosistem tata kelola data yang lengkap — dari penyimpanan, enkripsi, kolaborasi hingga monetisasi data akhir, membentuk satu rantai lengkap. Hal ini menghilangkan hambatan teknis dan biaya utama untuk pengembangan AI terdesentralisasi.