Gedecentraliseerde computernetwerken hebben het voor het eerst economisch haalbaar gemaakt om samenwerkende AI-modellen te trainen. Het trainen van grote modellen centraal kost miljoenen aan GPU-clusters en energie. Gedecentraliseerde netwerken verdelen die rekencapaciteit over duizenden knooppunten, waarbij elk bijdraagt met ongebruikte capaciteit. De trainingskosten dalen met een factor omdat je niet betaalt voor speciale infrastructuur die tussen de taken in ongebruikt blijft. De economie verschuift van kapitaalintensief naar gebruiksgebonden. Dit opent de training voor teams die zich geen centrale clusters konden veroorloven. Kleinere onderzoekslaboratoria, onafhankelijke ontwikkelaars, niche-modelexperimenten. Wanneer training toegankelijk wordt, versnelt innovatie verder dan wat centrale spelers alleen kunnen financieren.