Walrus anuncia parceria com Gata para ajudar a construir infraestrutura de execução aberta de IA

Em 23 de julho, o Walrus Protocol, um protocolo de armazenamento blockchain construído sobre Sui, anunciou uma parceria com a Gata, dedicada ao desenvolvimento de inferência, treinamento e tecnologia de dados de grandes modelos descentralizados, tornando-se um componente central da infraestrutura de execução aberta da Gata AI. Com a ajuda do Walrus, a Gata resolverá o problema dos altos custos de acesso a dados que há muito afligem a IA descentralizada. Esta integração capacita diretamente o DataAgent da Gata, permitindo que qualquer pessoa contribua com poder de computação ocioso com um clique através do navegador, colaborando para gerar conjuntos de dados sintéticos necessários para o treinamento de IA. O Walrus oferece desempenho equivalente ao da nuvem centralizada e serviços de armazenamento de baixo custo e, mais importante, elimina completamente as taxas de download, permitindo que a comunidade Gata realize interações de dados em larga escala sem permissão, sem incorrer em taxas imprevisíveis e insustentáveis. No futuro, a Gata planeja usar a capacidade exclusiva de programação de dados on-chain do Walrus para construir um modelo de preços aberto e auditável. Ao armazenar provas de computação verificáveis no Walrus, a Gata pode verificar de forma transparente as tarefas de computação por meio de contratos inteligentes baseados em Move e liquidá-las on-chain, criando um mecanismo de preços mais justo para os provedores de serviços, o que representa uma grande melhoria em relação aos modelos opacos adotados pelos provedores de IA centralizados atuais. É relatado que o Walrus é um protocolo de armazenamento de última geração construído para AI Agents, aplicações on-chain e empresas que processam dados não estruturados em larga escala. Sejam imagens, vídeos, arquivos de áudio ou metadados dinâmicos, o Walrus pode armazená-los de forma eficiente, segura e econômica através de sua rede de nós distribuídos. [深潮 TechFlow]