Zdecentralizowane sieci obliczeniowe właśnie uczyniły współpracujące szkolenie modeli AI ekonomicznie opłacalnym po raz pierwszy. Szkolenie dużych modeli w sposób centralny kosztuje miliony w klastrach GPU i energii. Zdecentralizowane sieci rozdzielają obliczenia na tysiące węzłów, z których każdy wnosi nieużywaną moc obliczeniową. Koszty szkolenia spadają o rzędy wielkości, ponieważ nie płacisz za dedykowaną infrastrukturę, która stoi bezczynnie między zadaniami. Ekonomia zmienia się z kapitałochłonnej na opartą na użytkowaniu. To otwiera szkolenie dla zespołów, które nie mogły sobie pozwolić na centralne klastry. Mniejsze laboratoria badawcze, niezależni deweloperzy, eksperymenty z niszowymi modelami. Gdy szkolenie staje się dostępne, innowacje przyspieszają ponad to, co centralni gracze mogą sfinansować samodzielnie.