Dans le secteur du stockage Web3, après tant d'efforts, ma plus grande impression est que les projets présentent généralement des lacunes. Certains se concentrent uniquement sur la couche de stockage, avec une compréhension superficielle des cas d'utilisation ; d'autres en font des promesses grandioses, mais leur mise en œuvre concrète est encore loin. Peu nombreux sont ceux qui ont réellement connecté tous les maillons.

Les actions de Walrus au début de 2026 ont changé cette donne. En particulier, leur collaboration approfondie avec io.net m'a vraiment impressionné — ils ont connecté le stockage et la puissance de calcul de manière authentique.

Autrefois, entraîner un modèle d'IA était une tâche compliquée. Les datasets étaient stockés sur des plateformes décentralisées, mais l'entraînement du modèle devait se faire sur des clusters GPU centralisés, ce qui impliquait des transferts de données coûteux en temps et risqués en termes de confidentialité. La situation a changé. Grâce à la plateforme BYOM (Bring Your Own Model), les utilisateurs peuvent directement sauvegarder leurs modèles d'IA personnalisés dans Walrus, puis utiliser le cluster GPU distribué d'io.net pour l'entraînement, sans que les données quittent la couche de stockage.

Un ami spécialisé dans la génération d'images par IA a récemment effectué un test pratique. Il a stocké un dataset de 5GB de styles artistiques dans Walrus, puis a affiné le modèle avec les ressources GPU d'io.net. Le résultat a été surprenant — le coût d'entraînement était inférieur de 60 % à celui d'AWS, et grâce au mécanisme de calcul privé intégré à Walrus, la sécurité des données était assurée, tout en augmentant l'efficacité d'entraînement de 30 %.

Cette solution intégrée de stockage et de puissance de calcul est encore rare dans le domaine du Web3. L'intégration de Zark Lab renforce encore davantage la capacité de la couche d'intelligence artificielle, et le potentiel de cette combinaison en 2026 mérite une observation continue.