Mengenai proyek AI di ekosistem Sui, selama dua tahun terakhir muncul cukup banyak, tetapi yang benar-benar bisa membawa agen AI ke dalam rantai dan menjalankannya secara nyata? Sangat sedikit. Sebagian besar proyek masih berada di tahap validasi konsep—parameter model yang besar sering kali membuat performa menurun, latensi inferensi membengkak, masalah privasi data juga belum terselesaikan, akhirnya AI hanya menjadi hiasan di DeFi, game, dan sosial, bukan sebagai protagonis.

Talus AI berbeda. Mulai akhir 2025, mereka langsung menggunakan Walrus sebagai infrastruktur dasar, membangun model skala besar, dataset dinamis, dan catatan sejarah di rantai, sehingga agen dapat melakukan pengambilan keputusan, transaksi, dan interaksi secara real-time. Seluruh proses didesentralisasi dan sepenuhnya dapat diverifikasi—ini bukan sekadar perbaikan kecil, melainkan upaya untuk merombak cara interaksi cerdas di Web3.

Inti dari Talus adalah agen AI, yang sederhananya adalah avatar digital. Pengguna menentukan target, lalu agen secara otomatis bekerja—baik untuk arbitrase DeFi, farming gear di game, maupun posting dan interaksi sosial. Dulu, agen berjalan di server terpusat, beroperasi dalam kotak hitam, tidak ada yang tahu apa yang sebenarnya terjadi. Sekarang berbeda, model disimpan di Walrus, catatan pengambilan keputusan dicatat di rantai, seluruh proses eksekusi menjadi transparan dan dapat dilacak. Dengan begitu, agen dari yang sebelumnya tidak dipercaya menjadi dipercaya, setiap langkah dapat diaudit, dan pengguna dapat memverifikasi jalur eksekusi.

Peran utama Walrus di sini adalah sebagai otak data. Agen perlu mengolah volume besar riwayat transaksi di rantai, sinyal pasar, dan preferensi pengguna, data ini tersebar di berbagai tempat dan sangat besar, penyimpanan tradisional tidak mampu menampungnya. Talus menggunakan objek blob dari Walrus untuk mengatur data, parameter model disimpan secara berlapis—lapisan kecil disimpan di Quilt, lapisan besar langsung disimpan—ketika query, kontrak Sui akan memastikan blob tersedia terlebih dahulu, lalu menarik data secara paralel.