在區塊鏈與人工智能深度融合的關鍵節點，基於 Sui 公鏈的存儲協議 Walrus 正式推出了專爲 AI 智能體設計的內存層及 SDK 產品 MemWal。這一發布標誌着構建去中心化、可驗證的 AI 系統內存基礎設施邁出了實質性的一步，旨在解決當前 AI 生態中數據孤島與上下文丟失的核心痛點。MemWal 爲 AI 智能體提供了內存數據的可驗證性、可用性、可移植性以及共享能力，從根本上改變了智能體對單一模型的依賴模式。

Sui 與 Walrus 的開發者 Mysten Labs 產品經理 Abinhav Garg 指出，將 Walrus 與 MemWal 結合使用，能夠在開放且可驗證的數從而徹底擺脫對任何單一 AI 模型或提供商的鎖定。這種架構設計使得用戶能夠自由地在 ChatGPT、Claude 等不同 AI 模型之間無縫切換，同時也爲那些需要跨不同平臺和會話記錄用戶特定信息的應用程序提供了技術可行性。Walrus 於 2024 年底在 Sui 主網上線，提供了專爲大型數據對象設計的去中心化存儲方案，而 MemWal 則在此基礎上爲 AI 智能體添加了結構化的內存層，其 SDK 爲開發者提供了以去中心化方式讀寫和管理智能體內存的完整工具集。

午方 AI 梳理發現，該架構有效解決了 AI 開發中長期存在的關鍵問題，即不同模型和平臺之間缺乏持久且可移植的內存存儲機制。目前，大多數 AI 智能體都在孤立環境中運行，一旦在不同模型或應用程序間切換，之前的上下文信息便會丟失。MemWal 利用 Walrus 的存儲技術保存內存對象，每個對象均包含時間戳、所有權信息及訪問控制權限等元數據，SDK 則負責處理加密、索引和檢索操作，使開發者能夠輕鬆將持久化內存功能集成到 AI 智能體中。系統支持對話歷史記錄、用戶偏好設置、任務狀態及學習到的行爲數開發者還可根據需求定義自定義的內存結構。

MemWal 最核心的價值在於打破當前 AI 領域被侷限於單一提供商生態系統的格局。由於用戶數據、上下文信息及偏好設置通常存儲在特定 AI 提供商的系統中，用戶往往被綁定在單一服務內。MemWal 使得用戶能夠在不同的 AI 模型之間保持一致的內存數據記錄，例如用戶可以先與 ChatGPT 對話，隨後無縫切換到 Claude 繼續交流，因爲兩者均可訪問相同的內存存儲空間。午方 AI 注意到，這種互操作性顯著降低了用戶在不同 AI 服務間的切換成本，從而加速了 AI 技術的普及。儘管 OpenAI、Anthropic 和谷歌等巨頭已宣佈改進上下文管理能力的計劃，但這些方案仍屬於私有技術且僅限特定平臺，而 Walrus 的去中心化架構則賦予了用戶更多的控制權和數據遷移自由度。

自主網上線以來，該項目已吸引超過 1,000 名開發者參與。Abinhav Garg 強調，MemWal 的核心理念是 AI 內存應屬於用戶而非被鎖定在特定提供商手中，這符合當前 AI 領域在數據可移植性和互操作性方面日益增強的監管要求，如歐盟 AI 法案中保護用戶數據權益的相關條款。

然而，項目也面臨挑戰：與集中式存儲相比，去中心化存儲可能帶來延遲，影響實時交互能力，Mysten Labs 團隊已採取緩存和優化措施緩解此問題；

此外，Walrus 採用存儲市場機制，用戶需爲數據持久化付費，雖然費率與集中式方案相當，但對高內存需求應用而言成本仍需考量。

在安全與未來規劃方面，MemWal 提供了數據在存儲和傳輸過程中的加密保護，用戶通過加密密鑰控制訪問權限，確保公共網絡環境下的數據安全，並支持選擇性數據共享功能。Mysten Labs 制定了雄心勃勃的發展路線圖：短期內計劃與 LangChain、LlamaIndex 等主流 AI 框架集成並優化性能以降低延遲；長期目標是成爲去中心化 AI 智能體的標準內存解決方案，支持多智能體內存共享、狀態版本控制及與去中心化身份認證系統的結合。午方 AI 分析認爲，隨着 Walrus 社區積極反應及開源模式的推動，MemWal 有潛力徹底改變我們與不同平臺及提供商 AI 智能體的互動方式，成爲注重用戶控制權和數據可移植性的行業標杆。