现在我们已经克服了一个巨大的障碍——证明去中心化的AI训练是可能的——这一知识将我们带入思考去中心化AI推理堆栈角色的下一个阶段。 鉴于网络可以生成模型，去中心化推理变得*更加*有趣。 为什么？好吧，以前的去中心化推理意味着能够使用d网络提供模型输出。这些模型是传统的开源或闭源模型。游戏的关键是降低成本，以便客户更倾向于选择去中心化推理而不是常规推理。但在去中心化推理中，这个问题很棘手，因为d实际上使推理变得更昂贵（有一些投机性的解决方案，其中最令人兴奋的是补贴）。 然而，如果我们知道网络可以生成并共同*拥有*模型，那么推理就成为了产生收入的关键点。客户*必须*去网络获取模型输出，因此许多代币化方案将依赖于这一设施。 例如，如果你想对deAI模型进行代币化，你需要将推理收入流重定向到代币持有者。 去中心化推理是一个很酷的思考领域，但当我们坐下来构建deAI领域的代币模型时，它变成了一个*关键*领域！