Nyní, když jsme překonali obrovskou překážku – a prokázali, že decentralizovaný trénink umělé inteligence je možný – nás tyto znalosti přivádějí k další části přemýšlení o roli decentralizovaného zásobníku umělé inteligence. Vzhledem k tomu, že sítě mohou vytvářet modely, decentralizovaná inference se stává *mnohem* zajímavější. Proč? Dříve decentralizovaná inference znamenala možnost vzít d-síť a servírovat výstupy modelu. Jednalo se o tradiční open source modely nebo modely s uzavřeným zdrojovým kódem. A název hry bylo snižování nákladů tak, aby zákazník upřednostňoval d-inferenci před běžnou. To je však problematické při d-inferenci, protože d- ve skutečnosti inferenci prodražuje (s některými spekulativními řešeními, z nichž nejzajímavějším je dotace). Pokud však víme, že sítě mohou vytvářet a kolektivně *vlastnit* modely, pak se inference stává bodem, ve kterém je generován příjem. Zákazníci *musí* jít do sítě, aby získali výstupy modelu, a na tomto zařízení bude záviset mnoho tokenizačních schémat. Pokud například chcete tokenizovat modely deAI, budete muset přesměrovat tok příjmů z odvozování na držitele tokenů. Decentralizovaná inference je skvělá oblast k přemýšlení, ale stává se *kritickou* oblastí, když si sedneme k vytváření tokenových modelů v prostoru deAI!