这种可编程数据结构可以实现如下用例：
-
媒体 NFT：将元数据、高分辨率图片和版税逻辑全部链上化，且在字节级别实现强制执行。
-
链上 AI：直接在分区中存储的模型权重上执行推理任务。
-
大数据分析：合约可以扫描日志、基因文件等大型数据集，无需外部桥接。
虽然 gas 成本会随着读取的字节数增加，但用户体验依然是一笔 IRYS 计价的交易。
4.2 Walrus：「先验证再计算」模式由于 Walrus 无法将大文件直接流入 Move 虚拟机，它采用了 「哈希承诺 + 见证（witness）」 的设计模式：
-
用户存储 blob 时，Walrus 会在 Sui 上记录其内容哈希（content hash）；
-
之后，任何调用者都可以提交对应的数据片段以及证明该片段正确的轻量级证明（如 Merkle 路径或完整哈希）；
-
Sui 合约会重新计算哈希，并与 Walrus 元数据进行比对。若验证成功，则信任该数据并执行后续逻辑。
优点：
-
可立即使用，无需对 L1 协议进行任何修改；
-
Sui 验证节点无需感知 GB 级别的大数据内容。
限制：
-
需手动获取数据：调用方必须从 Walrus 网关或节点拉取数据，并在交易中打包有限长度的数据片段（受限于 Sui 的交易大小）；
-
分片处理开销：对于大型数据处理任务，需要多个微型交易，或链下预处理 + 链上验证；
-
双重 gas 成本：用户需支付 SUI gas（用于验证交易）和 WAL（间接支付底层存储费用）。
如果你的应用需要合约每个区块处理几 MB 的数据（如链上 AI、沉浸式媒体 dApp、可验证的科学计算流程等），Irys 提供的内嵌数据 API 更具吸引力。
如果你的场景更注重数据完整性证明、小型媒体展示，或重计算发生在链下、链上只需验证结果，Walrus 已经可以胜任。
所以，这一选择并不在于「是否能实现」，而是你希望将复杂度放在哪一层：协议底层（Irys）还是中间件应用层（Walrus）？
5. 存储期限与永久性
Walrus 采用固定周期租赁模式。上传数据时，用户使用 $WAL 支付购买一段固定时间的存储期（按 14 天为一个 epoch 计费，最长一次性可购买约 2 年）。租期到期后，如果没有续费，节点可以选择删除该数据。应用程序可以通过 Sui 智能合约编写自动续租脚本，把「租赁」变成事实上的「永久存储」，但续约的责任始终归属于上传者。
其优点是用户不必为可能放弃的容量预付费，而且定价可以跟踪实时硬件成本。此外，通过设置数据租约到期时间，网络可以对不再付费的数据进行垃圾回收，防止「永久垃圾」的积累。而缺点在于：错过续约或资金耗尽会导致数据消失；长期运行的 dApp 必须运行自己的「保活」机器人。