Ahora que hemos superado un gran obstáculo -- demostrar que el entrenamiento de IA descentralizada es posible -- este conocimiento nos lleva a la siguiente etapa de pensar en el papel de la inferencia en la pila de IA descentralizada. Dado que las redes pueden producir modelos, la inferencia descentralizada se vuelve *mucho* más interesante. ¿Por qué? Bueno, anteriormente la inferencia descentralizada significaba poder tomar una d-red y ofrecer salidas de modelos. Los modelos eran modelos tradicionales de código abierto o cerrado. Y el nombre del juego era reducir costos para que el cliente prefiriera una d-inferencia en lugar de una regular. Pero esto es problemático en la d-inferencia, porque la d- en realidad hace que la inferencia sea más cara (con algunas soluciones especulativas, la más emocionante siendo el subsidio). Sin embargo, si sabemos que las redes pueden producir y *poseer* modelos colectivamente, entonces la inferencia se convierte en el punto en el que se genera ingresos. Los clientes *deben* acudir a la red para obtener salidas de modelos, y muchos esquemas de tokenización dependerán de esta facilidad. Por ejemplo, si deseas tokenizar modelos de deAI, necesitarás redirigir el flujo de ingresos de la inferencia a los titulares de tokens. La inferencia descentralizada es un área interesante para reflexionar, pero se convierte en un área *crítica* cuando nos sentamos a construir los modelos de tokens del espacio de deAI!