OpenGradient 团队宣布将其 AI 模型托管在 Walrus 网络上，用去中心化存储来支撑 100 多个 AI 模型的训练与推理任务。
这个集成事件说明 Walrus 不止是存储 NFT 或普通文件，它已经成为可扩展数据层。
在 OpenGradient 的用例里，AI 模型需要访问的训练数据往往是 PB 级别的文件，这对中心化存储来说成本极高。
Walrus 的可编程存储让这些模型的数据不再被封闭在单一平台，这提高了数据透明度和用户控制权。
去中心化存储对 AI 的意义不仅是存储，还包括让智能合约可以验证训练数据来源和完整性。
这种能力是传统云服务无法做到的，同一数据在多个节点可验证、可查证。
Walrus 主网自 Epoch 1 于 2025 年 3 月 25 日开始正式运行 后就已经准备好支持真实应用。
这意味着当 AI 项目像 OpenGradient 这样的集成时，底层已经有稳定运行的网络作为保障。
Walrus 的存储节点目前超过 100 台，这些节点在不同存储周期内负责分布式存储和数据访问。
从另一个指标看，网络里每个 blob 数据的写入和认证事件都会写入 Sui 链上元数据。
这让任何智能合约或 dApp 都能验证 blob 是否已经被证明可用。
AI 模型训练数据一旦存入 Walrus，不仅能保证长期可用，还能链上证明来源真实性。
这种验证机制对于合规 AI 和去中心化自治组织来说意义重大。
OpenGradient 的集成也带来了跨生态合作效应，因为它支持多链生态访问 Walrus 存储数据。
这不只提升单个项目的能力，也让整体去中心化 AI 生态更健康。
Walrus 在 AI 场景中的落地意味着它从存储协议迈向了一个数据基础设施提供者的角色。
这种角色转变本质上改变了数据如何在链上和链下协同工作。
未来随着去中心化 AI 的持续发展，Walrus 有潜力成为这些系统的核心数据层
