現在我們已經克服了一個巨大的障礙——證明去中心化的AI訓練是可能的——這一知識將我們帶入思考去中心化AI推理堆棧角色的下一個階段。 鑑於網絡可以生成模型，去中心化推理變得*更加*有趣。 為什麼？好吧，以前的去中心化推理意味著能夠使用d網絡提供模型輸出。這些模型是傳統的開源或閉源模型。遊戲的關鍵是降低成本，以便客戶更傾向於選擇去中心化推理而不是常規推理。但在去中心化推理中，這個問題很棘手，因為d實際上使推理變得更昂貴（有一些投機性的解決方案，其中最令人興奮的是補貼）。 然而，如果我們知道網絡可以生成並共同*擁有*模型，那麼推理就成為了產生收入的關鍵點。客戶*必須*去網絡獲取模型輸出，因此許多代幣化方案將依賴於這一設施。 例如，如果你想對deAI模型進行代幣化，你需要將推理收入流重定向到代幣持有者。 去中心化推理是一個很酷的思考領域，但當我們坐下來構建deAI領域的代幣模型時，它變成了一個*關鍵*領域！