walrus

@Walrus 🦭/acc $WAL #walrus
Khi đọc tin Talus tích hợp với Sui và chọn Walrus làm lớp lưu trữ mặc định, điều mình chú ý không phải là “thêm một partnership nữa”, mà là việc các mảnh ghép AI agent on-chain đang bắt đầu khớp lại theo cách khá thực tế.
Trong vài năm qua, AI agent trong Web3 thường được nói nhiều hơn làm. Rất nhiều demo thú vị, nhưng khi đi vào vận hành thật thì vướng đủ thứ: phí cao, độ trễ, thiếu dữ liệu, hoặc không thể scale. Talus, qua việc chọn Sui cho execution và Walrus cho storage, đang cho thấy một hướng tiếp cận khác: thay vì cố nhét AI vào blockchain, họ phân tách rõ vai trò của từng lớp hạ tầng.
Trước hết là Sui.
Talus cần một blockchain đủ nhanh để AI agent có thể phản ứng theo thời gian gần như thực. Với AI, độ trễ không chỉ là trải nghiệm, mà là hiệu quả chiến lược. Một agent giao dịch hay điều phối thanh khoản mà phản ứng chậm vài chục giây đã có thể trở nên vô dụng.
Sui, với kiến trúc parallel execution và phí thấp, phù hợp với kiểu workload này hơn nhiều chain account-based truyền thống. Quan trọng hơn, Sui không chỉ nhanh, mà được thiết kế để xử lý nhiều đối tượng và trạng thái độc lập song song, điều rất phù hợp với việc nhiều AI agent hoạt động cùng lúc.
Talus tận dụng điều này để cho phép AI agent ra quyết định, thực thi workflow và tương tác on-chain mà không bị nghẽn cổ chai. Điều này cho thấy AI agent ở đây không phải là bot gọi API off-chain rồi ghi kết quả lên chain, mà là thực thể có logic và hành vi gắn chặt với on-chain state.
Nhưng execution nhanh thôi là chưa đủ. AI agent sống nhờ dữ liệu.
Và đây là chỗ Walrus xuất hiện một cách rất tự nhiên.
Một trong những vấn đề lớn nhất của AI on-chain là dữ liệu quá nặng để đưa trực tiếp lên blockchain. Model AI, dữ liệu lịch sử, dataset động… tất cả đều không phù hợp để lưu trữ trực tiếp trong state của chain nếu muốn giữ hiệu suất.
Walrus giải quyết bài toán này bằng cách trở thành lớp lưu trữ phi tập trung, có thể truy cập và lập trình được, nhưng không làm chậm execution layer. Với Talus, điều này cực kỳ quan trọng.
Một AI agent quản lý thanh khoản DeFi, chẳng hạn, không thể chờ load model trong vài phút. Nó cần fetch dữ liệu gần như tức thì. Walrus cho phép agent lưu trữ model, lịch sử hành vi và dữ liệu huấn luyện ở ngoài execution layer, nhưng vẫn đảm bảo khả năng truy xuất đáng tin cậy.
Điều thú vị là Walrus không chỉ được dùng cho model, mà còn cho dữ liệu hành vi và lịch sử on-chain. Một AI agent phát hiện gian lận, theo ví dụ trong bài, cần truy cập dữ liệu giao dịch trong quá khứ để học và so sánh. Việc có một lớp lưu trữ lịch sử đáng tin cậy, có thể kiểm chứng, giúp AI agent không chỉ “phản ứng”, mà còn “ghi nhớ”.
Talus gọi khung này là Nexus, nhưng nếu nhìn rộng hơn, đây là một bước tiến quan trọng trong cách Web3 tiếp cận AI.
Thay vì hỏi “AI có chạy on-chain được không”, Talus hỏi “phần nào nên on-chain, phần nào không”. Execution, quyết định và minh bạch thì on-chain. Dữ liệu nặng, model và lịch sử thì off-chain nhưng vẫn phi tập trung.
Cách phân vai này làm cho AI agent trở nên khả thi ở quy mô lớn, thay vì chỉ là demo.
Một điểm khác mình thấy đáng chú ý là hướng Talus nhắm tới không chỉ là DeFi. Họ nói đến DeFAI, GameFAI, SocialFAI, AI DAO. Điều này cho thấy AI agent không còn bị giới hạn trong vai trò giao dịch, mà bắt đầu trở thành một lớp tương tác mới giữa người dùng và ứng dụng.
Ví dụ như AI Bae hay Idol.fun nghe có vẻ thiên về giải trí, nhưng về bản chất, đó là thử nghiệm cho việc AI agent trở thành “đối tượng tương tác” on-chain, không chỉ là công cụ hậu trường.
Điều này đặt ra yêu cầu rất cao về hạ tầng. Một AI agent tương tác với hàng triệu người dùng không thể chạy trên hệ thống chậm, đắt đỏ, hoặc không ổn định. Việc Talus chọn Sui và Walrus cho thấy họ đang chuẩn bị cho kịch bản scale, chứ không chỉ thử nghiệm nhỏ.
Ở góc độ hệ sinh thái, sự kết hợp này cũng có lợi cho Sui và Walrus.
Sui cần những ứng dụng tiêu thụ tài nguyên thật, không chỉ là DeFi clone. AI agent là một trong số ít use case có thể tạo ra activity liên tục và đa dạng. Walrus thì cần những ứng dụng cần lưu trữ dữ liệu phức tạp, động, thay vì chỉ lưu file tĩnh.
Talus đứng ở giữa, đóng vai trò người “kéo nhu cầu thật” cho cả execution và storage.
Tất nhiên, vẫn còn rất nhiều câu hỏi mở. AI agent on-chain liệu có thực sự an toàn? Ai chịu trách nhiệm khi agent gây thiệt hại? Governance của AI DAO sẽ vận hành ra sao? Nhưng ít nhất, với lựa chọn hạ tầng này, Talus đang giải quyết phần khó nhất trước: làm cho AI agent có thể tồn tại và vận hành ổn định.
Nếu nhìn lại lịch sử Web3, rất nhiều xu hướng chết không phải vì ý tưởng sai, mà vì hạ tầng chưa sẵn sàng. AI agent có thể cũng vậy.
Sự khác biệt lần này là: thay vì cố ép blockchain gánh tất cả, Talus, Sui và Walrus đang cùng nhau chia gánh nặng theo cách hợp lý hơn.
Và đó có thể là dấu hiệu cho thấy AI agent on-chain đang dần bước ra khỏi giai đoạn “ý tưởng hay”, để tiến gần hơn tới một thứ có thể dùng thật.

@Walrus 🦭/acc $WAL #walrus
Khi nói về AI agent onchain, phần lớn sự chú ý thường đổ dồn vào mô hình AI, vào framework điều phối hay vào blockchain nơi agent thực thi hành động. Data layer, trong nhiều trường hợp, chỉ được xem như một chi tiết kỹ thuật phía sau.
Mình nghĩ đây là một sai lầm mang tính hệ thống.
AI agent không sống bằng logic, mà sống bằng dữ liệu. Không có dữ liệu, agent không thể ra quyết định. Không có lịch sử, agent không thể học hỏi. Và không có khả năng truy xuất đáng tin cậy, agent không thể được tin tưởng.
Trong bối cảnh đó, Walrus không đơn thuần là một giải pháp lưu trữ phi tập trung, mà là một lớp nền cho việc vận hành AI agent onchain một cách nghiêm túc.
Một điểm rất quan trọng là AI agent không thể mang toàn bộ “trí não” của mình lên blockchain. Các model lớn, tập dữ liệu huấn luyện, hay lịch sử hành vi đều quá nặng để đưa vào state onchain. Nhưng nếu tất cả đều nằm offchain mà không có cam kết hay khả năng kiểm chứng, thì agent trở thành một black box.
Walrus nằm ở khoảng giữa rất nhạy cảm này.
Nó cho phép dữ liệu được lưu trữ ngoài execution layer, nhưng vẫn gắn chặt với logic onchain thông qua khả năng truy xuất, lập trình và xác minh. Điều này tạo ra một không gian nơi AI agent có thể vừa nhẹ, vừa có chiều sâu.
Với Talus, việc chọn Walrus làm storage mặc định cho thấy họ hiểu rất rõ bài toán này. Một Talus AI agent quản lý thanh khoản DeFi, chẳng hạn, không thể chờ tải model trong nhiều phút hay phụ thuộc vào một server tập trung. Agent cần gọi dữ liệu gần như tức thì, và dữ liệu đó phải nhất quán với logic mà smart contract đang thực thi.
Walrus giúp giải quyết chính xác vấn đề đó.
Không chỉ là lưu model, mà là lưu toàn bộ “bối cảnh sống” của agent. Từ chiến lược cũ, dữ liệu thị trường, cho tới các sự kiện đã xảy ra trong quá khứ. Khi agent ra quyết định, nó không chỉ nhìn trạng thái onchain hiện tại, mà còn truy xuất được ký ức của chính mình.
Điều này mở ra một khái niệm rất khác về AI agent onchain: agent có lịch sử kiểm chứng được.
Với các use case như phát hiện gian lận, việc lưu trữ pattern giao dịch trong quá khứ là bắt buộc. Một agent chỉ nhìn dữ liệu hiện tại sẽ luôn phản ứng chậm. Nhưng nếu có thể truy xuất lịch sử hành vi đã được lưu trên Walrus, agent có thể phát hiện bất thường theo thời gian thực.
Quan trọng hơn, lịch sử đó không thuộc về một thực thể tập trung nào.
Walrus cho phép dữ liệu tồn tại độc lập với Talus, với developer, hay với chính agent. Điều này giảm đáng kể rủi ro thao túng, chỉnh sửa dữ liệu hậu kỳ, hoặc huấn luyện lại model theo cách không minh bạch.
Trong các hệ thống AI truyền thống, dữ liệu thường là phần không thể audit. Với AI agent onchain, điều này không thể chấp nhận được, đặc biệt khi agent được phép quản lý tài sản hoặc tương tác với người dùng ở quy mô lớn.
Walrus cung cấp một lớp tin cậy cho dữ liệu, tương tự như cách blockchain cung cấp lớp tin cậy cho giao dịch.
Nếu nhìn xa hơn, mình nghĩ Walrus không chỉ phục vụ AI agent của Talus. Nó có thể trở thành chuẩn lưu trữ cho mọi hệ thống AI onchain cần tính liên tục và khả năng kiểm chứng.
AI agent sẽ đến và đi. Logic có thể được nâng cấp. Nhưng dữ liệu, nếu được lưu trữ đúng cách, sẽ trở thành tài sản lâu dài.
Ở góc độ này, Walrus không chỉ là “storage cho AI”, mà là ký ức tập thể cho các hệ thống tự động onchain.
Và nếu AI agent thực sự là tương lai của Web3, thì lớp dữ liệu như Walrus có thể quan trọng không kém, nếu không muốn nói là quan trọng hơn, chính các agent đó.

#walrus
Hoàn tất mọi nhiệm vụ để nhận một phần từ quỹ thưởng trị giá 150.000 token WAL. Quỹ thưởng sẽ dành 70% cho Top 100 nhà sáng tạo trên Bảng xếp hạng Dự án Walrus 30 ngày* và 30% cho tất cả những người tham gia đủ điều kiện còn lại. Chương trình này chỉ dành cho những nhà sáng tạo không nói tiếng Trung Quốc. Bạn chỉ được tham gia một chương trình Walrus (Chương trình bảng xếp hạng hoặc Chương trình bảng xếp hạng CN). *Để đủ điều kiện tham gia Bảng xếp hạng Dự án Walrus, bạn phải hoàn thành Nhiệm vụ 1, 3 hoặc 4 và Nhiệm vụ 6, 7 hoặc 8. Để đủ điều kiện nhận phần thưởng, bạn phải hoàn thành thêm các nhiệm vụ theo dõi và đăng bài trên X (Nhiệm vụ 2 và 5). Các bài đăng liên quan đến bao lì xì hoặc quà tặng sẽ bị coi là không hợp lệ. Những người tham gia bị phát hiện có lượt xem, tương tác đáng ngờ hoặc bị nghi ngờ sử dụng bot tự động sẽ bị loại khỏi hoạt động. Bất kỳ hành vi chỉnh sửa bài đăng đã công bố trước đó với lượng tương tác cao nhằm mục đích tái sử dụng làm bài dự thi sẽ bị loại. Phần thưởng sẽ được phân bổ muộn nhất vào ngày 25/0 🚀🚀🚀🚀

Sau một thời gian TGE cực khủng của @undefined khi ra mắt token $WAL đã làm nhiều ae cày testnet đợt đó giàu lên trông thấy thì hiện tại giá e nó chỉ còn 0.14 khi trước đó giá lúc TGE là 1u. Không biết liệu có cơ hội nào trở về giá cũ không ae

Vì sao dApp trên Sui cần một lớp lưu trữ tồn tại lâu hơn chính team phát triển@@Walrus 🦭/acc 🦭/acc Một trong những giả định ngầm của rất nhiều dApp Web3 là: team sẽ luôn ở đó để vận hành. Server sẽ luôn được gia hạn. Database sẽ luôn có người sao lưu. Nhưng nếu nhìn vào lịch sử crypto, đây là một giả định rất mong manh.Rất nhiều dApp không chết vì bị hack, cũng không chết vì smart contract lỗi. Chúng chết vì team rời đi, funding cạn, hoặc đơn giản là không còn ai trả tiền cho backend. Chain vẫn chạy, nhưng ứng dụng thì biến mất.Trên Sui, vấn đề này còn rõ hơn. Sui xử lý state on-chain rất tốt, nhưng Sui dApp không chỉ là state. Metadata, lịch sử, dữ liệu người dùng, AI output, log ứng dụng… tất cả đều nằm ngoài chain. Và phần này thường không được bảo vệ ở mức tương xứng.Khi backend biến mất, người dùng không chỉ mất giao diện. Họ mất khả năng chứng minh những gì đã xảy ra. NFT không còn metadata gốc. Game không còn lịch sử. Social graph không còn ngữ cảnh. Về mặt pháp lý và niềm tin, dApp coi như chưa từng tồn tại.Đây là lý do mình cho rằng dApp nghiêm túc trên Sui cần được thiết kế với một giả định khác: team có thể biến mất, nhưng dữ liệu không được phép biến mất.Walrus xuất hiện đúng ở khoảng trống này.Nó không phải là storage để phục vụ request realtime. Nó là nơi để giữ lại những mảnh dữ liệu mà nếu mất thì không thể tái tạo. Nó đóng vai trò như một lớp ký ức bất biến, tách khỏi vòng đời của team.Điểm quan trọng là: không phải mọi dữ liệu đều cần đưa lên Walrus. Một kiến trúc hợp lý là chỉ lưu những thứ gắn với tính chính danh và lịch sử. Những thứ này khi được ghi lại một lần là đủ, không cần cập nhật liên tục.Ví dụ: khi một NFT được mint, metadata gốc nên được lưu dài hạn. Khi một season game kết thúc, snapshot trạng thái nên được archive. Khi một DAO thông qua proposal, toàn bộ context nên được giữ lại.Chain chỉ cần giữ reference. Walrus giữ nội dung.Điều này tạo ra một hiệu ứng rất mạnh: dApp trở nên kế thừa được. Một team khác, một cộng đồng, hoặc thậm chí một fork có thể dựng lại ứng dụng dựa trên dữ liệu đã tồn tại, thay vì bắt đầu từ con số không.Trong Web3, khả năng kế thừa quan trọng hơn rất nhiều so với khả năng scale nhanh. Vì không ai biết team nào sẽ tồn tại lâu hơn chain.Walrus không làm dApp hấp dẫn hơn trong ngắn hạn. Nhưng nó làm dApp khó chết hơn trong dài hạn. Và trong một hệ sinh thái đang trưởng thành như Sui, đây là thuộc tính ngày càng quan trọng.