عند الحديث عن مشاريع الذكاء الاصطناعي في نظام Sui البيئي، ظهرت العديد منها في العامين الماضيين، لكن هل استطاعت فعلاً نقل وكلاء الذكاء الاصطناعي إلى السلسلة وتشغيلهم بشكل فعلي؟ القليل فقط استطاع ذلك. معظم المشاريع لا تزال في مرحلة إثبات المفهوم — حيث تتدهور أداء النماذج مع زيادة المعلمات، وتفجر تأخيرات الاستنتاج، ولم تُحل مشكلات خصوصية البيانات، وفي النهاية يتحول الذكاء الاصطناعي إلى زينة في التمويل اللامركزي، والألعاب، ووسائل التواصل الاجتماعي، وليس هو البطل.

أما Talus AI فالوضع مختلف. منذ نهاية عام 2025، بدأوا باستخدام Walrus مباشرة كجزء من البنية التحتية، لبناء نماذج ضخمة، مجموعات بيانات ديناميكية، وسجلات تاريخية على السلسلة، لتمكين الوكيل من اتخاذ قرارات، وتنفيذ معاملات، والتفاعل في الوقت الحقيقي. العملية بأكملها لا مركزية، وقابلة للتحقق تمامًا — هذا ليس مجرد إصلاحات صغيرة، بل إعادة تشكيل طريقة التفاعل الذكي في Web3.

الجوهر في Talus هو وكيل الذكاء الاصطناعي، وباختصار هو نسخة رقمية من المستخدم. يحدد المستخدم الهدف، ثم يعمل الوكيل تلقائيًا — سواء في استراتيجيات التحوط في التمويل اللامركزي، أو في تحسين المعدات في الألعاب، أو في النشر والتفاعل على وسائل التواصل الاجتماعي. سابقًا، كانت الوكالات تعمل على خوادم مركزية، وتُدار بشكل غامض، ولا أحد يعرف ما يحدث بالضبط. الآن، الأمر مختلف، فالنموذج موجود في Walrus، وسجلات القرارات على السلسلة، وكل عملية تنفيذ شفافة وقابلة للتتبع. هكذا، أصبح الوكيل من غير موثوق به إلى موثوق، ويمكن تدقيق كل خطوة، ويمكن للمستخدم التحقق من مسار التنفيذ.

الدور الرئيسي لـ Walrus هنا هو بمثابة الدماغ للبيانات. يحتاج الوكيل إلى استيعاب كميات هائلة من سجلات المعاملات على السلسلة، وإشارات السوق، وتفضيلات المستخدم، وهذه البيانات موزعة في أماكن متعددة، وهي ضخمة جدًا بحيث لا يمكن تخزينها تقليديًا. يستخدم Talus كائنات blob في Walrus لتنظيم البيانات، ويخزن معلمات النموذج بشكل هرمي — الطبقات الصغيرة تُخزن باستخدام Quilt، والطبقات الكبيرة تُخزن مباشرة — وعند الاستعلام، تتأكد عقدة Sui من توفر الـ blob أولاً، ثم تستدعي البيانات بشكل متوازي.