Je peux probablement nommer 10 projets crypto qui poursuivent l'inférence d'IA décentralisée sous des angles complètement différents en ce moment. Cette voie attire certains des meilleurs talents en développement d'IA dans la crypto actuellement.

La compétition devient plus complexe avec la course à la hardware, aux modèles de confiance, aux profils de latence, et à qui peut transformer une puissance de calcul brute en inférence utilisable sans brûler tout son argent.
J'ai essayé de cartographier certains des projets en jeu pour que vous puissiez le voir plus clairement.
[1] @darkbloomai
@EigenLabs essaie de transformer des Mac Apple Silicon inactifs en un réseau d'inférence axé sur la confidentialité.
Des millions de Macs M-series existent déjà, le coût marginal étant principalement l'électricité, et Apple Silicon dispose d'une mémoire unifiée allant jusqu'à 64–512 Go avec une bande passante énorme.
Ils veulent donc que le Mac de rechange posé sur le bureau de quelqu'un fasse partie de la couche d'infrastructure IA.
Les utilisateurs envoient des requêtes d'inférence, les coordinateurs opérés par Eigen les acheminent, les fournisseurs exécutent le modèle sur des Macs éligibles, et le fournisseur ne peut supposément pas voir l'invite ou la sortie.
– le meilleur fournisseur gagne environ 6 $ et le cinquième environ 2 $
– les gains sur 30 jours étaient plus proches de 6 $ au total contre des projections de calcul de 280–600 $ par mois
[2] @nosana_ai
Réseau d'inférence basé sur Solana axé sur les jobs IA, la planification, les hôtes GPU, et les développeurs qui veulent une inférence moins chère sans trop penser à l'infrastructure.
– plus de 50 000 hôtes GPU enregistrés
– 600 nœuds actifs quotidiens dans plus de 60 pays
Ils offrent aux développeurs une voie d'inférence moins chère et laissent Solana coordonner le marché.
[3] @rendernetwork
Ils avaient déjà le réseau GPU créatif, puis ont lentement étendu vers le calcul IA et l'inférence.
– plus de 5 600 nœuds GPU
– 24,3 millions de frames rendues en 2025
– l'IA représente déjà environ 35–40 % du volume
– GPU dispersés à environ 0,69 $/h
Le rendu et l'inférence ne sont pas la même charge de travail, mais Render sait déjà comment coordonner la demande distribuée de GPU, les paiements, la réputation de l'offre, et les flux de travail des créateurs.
[4] @akashnet
Kubernetes-native, enchères inverses, location de calcul via SDL, suffisamment flexible pour de nombreuses charges de travail.
Akash est réel, mature, bon marché, utile, mais pas parfaitement optimisé pour l'inférence.
Il peut être une valve de réduction des coûts, une capacité de burst, des jobs batch, et une infrastructure auto-hébergée. Mais pour une UX d'inférence à faible latence, le cloud généralisé doit rivaliser avec des routeurs spécialisés.
[5] @ionet
Plus de 100 000 GPU enregistrés, prix H100 autour de 1,49–2,20 $/h contre des prix beaucoup plus élevés des hyperscalers, orchestration de style Ray, et maintenant calcul confidentiel avec Intel TDX activé sur H100/H200/B200.
vise la scalabilité et le positionnement de grade entreprise.
[6] $Tao subnets (SN64 + SN4)
Chutes dispose d'environ 4 400 H100-équivalents en approvisionnement, 9,1 T de tokens totaux servis, plus de 50 milliards de tokens/jour en pic, et est apparemment l’un des principaux fournisseurs d’OpenRouter.
Targon mise sur l'inférence confidentielle avec Intel TDX + calcul confidentiel NVIDIA, plus de 1 500 H200, et un $10M ARR revendiqué.
La latence reste le mur. La plupart des réseaux décentralisés sont loin derrière les fournisseurs centralisés pour le chat en temps réel.
Mais ils n'ont pas besoin de gagner chaque charge de travail.
Inférence par batch, agents asynchrones, tâches de code, génération d'images/vidéos, recherche hors ligne, boucles d'agents en arrière-plan, tout cela peut tolérer une latence plus mauvaise si le coût et la confidentialité sont meilleurs.
C'est pourquoi je crois que plus le marché de l'IA grandit, plus il y a de place pour que les projets crypto tracent leur propre voie.