Verifiable compute: l’AI verificabile diventa reale nel 2026
Reti di prover in produzione, enclave GPU verificabili e l'AI Act sulla provenienza: nel 2026 provare cosa fa un modello AI diventa necessario. Guida a zkML, opML, TEE e ai token del settore.
Per anni il verifiable compute è rimasto una promessa da whitepaper: un modo per dimostrare, in modo matematico o hardware, che un calcolo (soprattutto l’inferenza di un modello di intelligenza artificiale) è stato eseguito davvero e correttamente, senza doversi fidare di chi lo ha svolto. Nel 2026 quella promessa ha smesso di essere teorica. Le reti di prover a conoscenza zero girano in produzione, gli acceleratori grafici di NVIDIA integrano enclave hardware verificabili e, dal 2 agosto 2026, il Regolamento europeo sull’intelligenza artificiale impone che i contenuti generati dall’AI siano marcati e tracciabili. Provare che cosa ha fatto un modello non è più un esercizio accademico: è diventato un requisito commerciale e, in Europa, un obbligo di legge.
Questo articolo spiega che cos’è il verifiable compute, perché il 2026 segna la svolta, quali tecnologie competono (prove a conoscenza zero, approccio ottimistico, enclave hardware), quali progetti le portano sul mercato e quanto vale davvero tutto questo, per l’utente e per chi compra i token. E, dato che HOGE Wire guarda anche al gaming, vedremo perché provably fair nel 2026 significa qualcosa di molto più ampio di un dado lanciato on-chain.
Che cos’è il verifiable compute, senza giri di parole
Verifiable compute è l’insieme delle tecniche che permettono a una parte (il verificatore) di accertare che una computazione è stata eseguita correttamente, senza rieseguirla e senza fidarsi ciecamente di chi l’ha svolta (il prover). Il concetto non nasce con l’AI: le blockchain fanno verifiable compute da sempre, quando migliaia di nodi ricontrollano ogni transazione. Il problema è che rieseguire tutto è costoso e non scala.
La svolta sta nel passare da «riesegui e controlla» a «esegui una volta, allega una prova, verifica la prova in un istante». La prova può essere crittografica (una dimostrazione matematica), economica (chi bara perde una cauzione) oppure hardware (un chip firma il risultato in un ambiente sigillato). L’applicazione più calda è l’inferenza AI: quando un modello risponde a un prompt, come faccio a sapere che ha usato davvero quel modello, che nessuno ha alterato la risposta e che il prompt non è stato manipolato? Il verifiable compute risponde a queste tre domande. Per un ripasso dei fondamentali abbiamo dedicato al tema una guida introduttiva separata; qui ci concentriamo su che cosa è cambiato nel 2026.
Perché il 2026 è il vero punto di svolta
Fino al 2024 il verifiable compute applicato all’AI viveva quasi tutto su testnet e slide da conferenza. Nel giro di dodici mesi tre cose sono cambiate insieme, ed è la loro somma a fare la differenza.
Primo, le prove a conoscenza zero sono diventate abbastanza veloci ed economiche da girare su mercati aperti. Boundless, la rete incubata da RISC Zero, ha lanciato la mainnet su Base il 12 settembre 2025, trasformando la generazione di prove in un mercato dove operatori con GPU competono al ribasso. Non serve più possedere un supercomputer per ottenere una prova crittografica: la si compra a consumo.
Secondo, gli ambienti di esecuzione fidati sono usciti dalle CPU e sono arrivati sulle GPU ad alte prestazioni. Con la confidential computing mode attiva su H100, H200, B200 e GB200, gli acceleratori NVIDIA producono un attestato firmato dal processore di sicurezza della scheda, con un impatto prestazionale contenuto sotto il 5% per la maggior parte delle query. Per la prima volta si può eseguire un modello di grandi dimensioni dentro un’enclave verificabile senza dimezzare le prestazioni.
Terzo, e per l’Europa è il fattore decisivo, il 2 agosto 2026 sono entrati in vigore gli obblighi di trasparenza dell’articolo 50 del Regolamento UE sull’intelligenza artificiale: chi immette sul mercato sistemi che generano testo, immagini, audio o video sintetici deve marcarli in formato leggibile dalla macchina e renderli riconoscibili come generati dall’AI, con sanzioni fino a 15 milioni di euro o al 3% del fatturato mondiale. La provenienza dei contenuti diventa un requisito, e il verifiable compute è una delle poche risposte tecniche credibili.
I quattro modi per fidarsi di un calcolo
Non esiste un solo verifiable compute: esistono quattro famiglie di garanzie, con compromessi diversi tra forza della prova, costo e flessibilità. Capirle è il modo migliore per non farsi ingannare dal marketing.
- Prove a conoscenza zero (zkML): una dimostrazione matematica che il calcolo è corretto. La garanzia più forte, la più cara da produrre.
- Approccio ottimistico (opML): si accetta il risultato e si apre una finestra per contestarlo con una prova di frode. Economico, ma con un ritardo alla finalità.
- Ambienti di esecuzione fidati (TEE): un chip esegue il calcolo in una zona sigillata e ne firma il risultato. Veloce e flessibile, ma sposta la fiducia sul produttore dell’hardware.
- Sicurezza cripto-economica (replica e consenso): più nodi con cauzione eseguono lo stesso calcolo e chi devia viene «slashato». Semplice, ma costoso in repliche.
| Approccio | Tipo di garanzia | Punto di forza | Punto debole | Esempi |
|---|---|---|---|---|
| zkML (conoscenza zero) | Crittografica | Verificabilità massima, nessuna fiducia nel prover | Costo e latenza elevati; modelli limitati | Boundless, Succinct, Lagrange |
| opML (ottimistico) | Cripto-economica (prove di frode) | Economico, gestisce LLM di grandi dimensioni | Ritardo dovuto alla finestra di contestazione | Ora Protocol |
| TEE (enclave hardware) | Hardware (attestazione) | Velocità e flessibilità, qualsiasi modello | Fiducia nel produttore del chip; rischio side-channel | Phala, EigenCompute, Marlin |
| Cripto-economico (replica) | Economica (staking e slashing) | Semplice, compatibile con ogni carico | Costo delle repliche; disincentiva, non dimostra | EigenLayer (AVS) |
Nella pratica i progetti seri combinano più di un approccio, perché nessuno domina su tutti i fronti. La tabella qui sopra è la mappa; le sezioni che seguono entrano nel dettaglio.
zkML: la garanzia più forte, il conto più salato
zkML significa generare una prova crittografica che una specifica inferenza è stata calcolata da un determinato modello. Il verificatore controlla la prova in millisecondi, senza vedere né il modello né i dati e senza rieseguire nulla. La garanzia è la più forte possibile: se la prova è valida, il calcolo è corretto, punto. È il motivo per cui lo zkML resta la scelta d’elezione quando il risultato deve essere pubblico e permanente, scritto on-chain e verificabile da chiunque, per sempre.
Il prezzo di questa forza è il costo. Generare la prova è pesantissimo: l’overhead può essere di ordini di grandezza rispetto al calcolo originale, e la memoria richiesta cresce rapidamente con la dimensione del modello. La frontiera pratica delle prove ZK complete di inferenza resta intorno alla scala di GPT-2, non certo un modello di frontiera da centinaia di miliardi di parametri. Nel 2025 alcuni sistemi hanno dimostrato la prima prova a conoscenza zero completa dell’inferenza di GPT-2, un traguardo notevole ma ancora lontano dagli LLM che usiamo ogni giorno.
La risposta del settore è stata separare chi genera la prova da chi la consuma. Invece di produrre la prova sul proprio hardware, la si acquista su un mercato di prover specializzati. È la logica di Boundless e Succinct, che vedremo tra poco. Per chi vuole capire perché gli LLM restano un osso duro per lo ZK, abbiamo un approfondimento dedicato allo zk-ML.
opML: fiducia con la clausola di contestazione
L’opML rovescia la logica dello ZK. Invece di provare in anticipo, si assume che il risultato sia corretto e si apre una finestra di tempo durante la quale chiunque può contestarlo presentando una prova di frode. Se nessuno contesta, il risultato diventa definitivo; se qualcuno contesta, un meccanismo di risoluzione stabilisce chi ha ragione e il disonesto perde la cauzione. È lo stesso schema degli optimistic rollup, applicato all’inferenza AI.
Il vantaggio è enorme sul piano dei costi: senza dover generare nulla di crittografico, l’opML riesce a far girare modelli da 7 miliardi di parametri come LLaMA su hardware ordinario, persino senza GPU dedicata. Lo svantaggio è la latenza alla finalità: bisogna attendere la finestra di contestazione, e il modello presuppone che esista almeno un verificatore onesto e attento. Ora Protocol è il progetto di riferimento: il suo Onchain AI Oracle porta l’AI dentro i contratti intelligenti su Arbitrum e, secondo il progetto, ha elaborato milioni di inferenze. Abbiamo raccontato l’approccio in un pezzo dedicato all’opML e alle prove di frode.
TEE: quando la radice della fiducia è un chip
Un TEE (Trusted Execution Environment) è una regione isolata e cifrata del processore in cui il codice gira protetto anche dal proprietario della macchina. Al termine, l’enclave produce un attestato firmato che dimostra quale codice è stato eseguito e su quale hardware. Chi riceve il risultato verifica la firma e sa che nessuno ha manomesso l’esecuzione. Il modello di fiducia è diverso da quello dello ZK: non ci si affida alla matematica, ma al produttore del chip, che sia Intel con TDX e SGX, AMD con SEV o NVIDIA con le sue GPU.
La vera novità del 2026 è che i TEE sono arrivati sul silicio che conta per l’AI. La confidential computing mode di NVIDIA su H100, H200 e B200 aggiunge attestazione remota e cifratura del traffico tra CPU e GPU con un impatto molto basso; l’architettura Blackwell aggiunge la cifratura dei collegamenti NVLink per i carichi multi-GPU. Questo rende il TEE l’opzione più pratica oggi per l’inferenza verificabile di modelli grandi, ed è la scommessa di Phala, EigenCompute, Marlin e Automata.
Il limite è onesto e va detto: se qualcuno buca l’hardware, con un attacco side-channel o un firmware compromesso, la garanzia salta. La storia di SGX è costellata di vulnerabilità di questo tipo. Per questo i progetti seri non si affidano a una sola enclave: distribuiscono il carico su più operatori indipendenti e mettono sotto governance le «misure» delle enclave, cioè le impronte del codice autorizzato.
Le reti di prover: Boundless, Succinct e il mercato delle prove
Se generare prove ZK è costoso, la soluzione di mercato è ovvia: creare un luogo dove chi ha hardware vende capacità di proving a chi ne ha bisogno. Sono le reti di prover, ed è qui che il settore ha visto i lanci più rumorosi.
Boundless è un mercato decentralizzato di prove: gli operatori con GPU competono per generare le prove richieste da app e blockchain e vengono pagati alla verifica. Il meccanismo, chiamato Proof of Verifiable Work, inserisce nella prova stessa metadati sul lavoro computazionale svolto, impossibili da falsificare senza invalidare la prova, come spiega l’analisi di Messari. Il token ZKC è «minato» dalle prove e serve da collaterale. Al lancio la valutazione completamente diluita di ZKC sfiorava i 900 milioni di dollari; oggi il token vale intorno ai 0,04 euro, per una capitalizzazione di circa 12 milioni di euro nonostante scambi giornalieri superiori ai 100 milioni. Un divario che anticipa il nodo della cattura di valore.
Succinct segue una strada parallela con SP1, una zkVM che dimostra programmi generici scritti in Rust, e con la Succinct Prover Network, dove i prover fanno offerte al ribasso per aggiudicarsi il lavoro. Il token PROVE vale circa 0,16 euro, per una capitalizzazione intorno ai 30 milioni secondo CoinGecko. Nel 2026 Optimism ha scelto Succinct per gestire le prove ZK dell’intero OP Stack, una commessa che copre buona parte del mercato dei rollup per valore protetto.
| Progetto | Token | Approccio | A cosa serve | Cap. di mercato (circa) |
|---|---|---|---|---|
| Boundless (RISC Zero) | ZKC | zkVM + mercato di prove (PoVW) | Prove ZK on-demand cross-chain | ~12 mln € |
| Succinct | PROVE | zkVM SP1 + rete di prover | Prove ZK per rollup e app | ~30 mln € |
| EigenCloud | EIGEN | TEE + sicurezza cripto-economica | Inferenza AI e compute verificabili | ~165 mln € |
| Phala Network | PHA | TEE (Intel TDX + GPU NVIDIA) | Confidential AI su enclave | ~20 mln € |
Capitalizzazioni di mercato indicative al momento della pubblicazione; fonte CoinGecko. I valori dei token oscillano di continuo.
EigenCloud: l’inferenza AI che si dimostra da sola
Se Boundless e Succinct vendono prove, EigenCloud vende inferenza AI già verificabile. Nata dalla ridenominazione di EigenLayer nel giugno 2025, la piattaforma ha portato in mainnet alpha il 30 settembre 2025 due prodotti chiave: EigenAI, un’API di inferenza LLM verificabile e compatibile con OpenAI (parte dal modello gpt-oss-120b), ed EigenCompute, un ambiente di esecuzione off-chain dove si distribuiscono immagini Docker dentro enclave TEE.
Il cuore tecnico è l’esecuzione deterministica «bit-exact» dell’inferenza su GPU: se lo stesso prompt e lo stesso modello devono produrre esattamente lo stesso output, qualsiasi deviazione segnala una manomissione. In questo modo EigenAI punta a neutralizzare i tre rischi dell’inferenza affidata a terzi: manomissione del prompt, modifica della risposta e sostituzione del modello.
Sreeram Kannan, CEO di EigenCloud, riassume così la scommessa: «Il futuro del software è autonomo e verificabile, con agenti capaci di agire per conto degli utenti nel mondo reale». Non è solo entusiasmo da fondatore: Lincoln Murr, responsabile prodotto AI di Coinbase, ha spiegato che combinando gli strumenti di Coinbase con EigenAI ed EigenCompute «si abilitano agenti capaci di pensare, agire e dimostrare le proprie azioni», come si legge nell’annuncio ufficiale. La sicurezza poggia sul restaking di EigenLayer, il più grande protocollo di restaking su Ethereum, e sul token EIGEN, che capitalizza intorno ai 165 milioni di euro; a inizio 2026 a16z crypto ha investito circa 70 milioni di dollari in un accordo diretto sul token per sostenere lo sviluppo della piattaforma.
È lo scenario in cui gli agenti autonomi smettono di essere una demo e iniziano a muovere denaro: un tema che abbiamo affrontato guardando ai bot sui mercati predittivi, dove la verificabilità delle decisioni automatiche fa la differenza tra un mercato efficiente e un banco truccato.
Phala, Ora e Ritual: l’infrastruttura dell’AI decentralizzata
Attorno ai grandi nomi si muove un ecosistema di infrastrutture specializzate. Phala Network ha puntato tutto sui TEE: enclave su Intel TDX e su GPU NVIDIA H100, H200 e B200, con attestazione verificabile. Nel 2025 ha completato la migrazione dalla parachain Polkadot a un Layer 2 su Ethereum (un rollup Op-Succinct con prove SP1), con PHA diventato un token ERC-20 e la vecchia parachain spenta il 20 novembre 2025. Il progetto rivendica oltre 3,7 miliardi di token LLM elaborati nelle proprie enclave GPU. PHA vale intorno ai 0,02 euro, per una capitalizzazione di una ventina di milioni di euro.
Ora Protocol, come visto, porta l’AI on-chain con l’approccio opML e il suo Onchain AI Oracle. Ritual, invece, alza l’ambizione: è una Layer 1 sovrana e compatibile EVM, pensata per il «compute eterogeneo verificabile», cioè inferenza, fine-tuning, proving ZK ed esecuzione in TEE nello stesso ambiente. Il ponte tra off-chain e on-chain, Infernet, collega migliaia di nodi ai contratti intelligenti; con Ritual Chain quelle funzioni diventano precompilati nativi. Attenzione però a un dettaglio che ha già fatto vittime: Ritual non ha un token ufficiale, e i presunti «token Ritual» in circolazione sono truffe, come abbiamo spiegato in un articolo dedicato.
Sul fronte del calcolo grezzo, infine, mercati come Akash forniscono la potenza GPU decentralizzata su cui questi sistemi possono girare. Ma vendere calcolo e catturarne il valore in un token restano due problemi distinti, ed è una tensione che attraversa l’intero settore.
Provably fair 2.0: il verifiable compute entra nel gaming
Nel gambling crypto il termine provably fair indica da anni un metodo per dimostrare che l’esito di una partita non è stato manipolato: si usa l’hashing crittografico per fissare in anticipo un risultato imprevedibile ma verificabile a posteriori. Funziona benissimo per un dado o per l’ordine di un mazzo di carte, cioè per un output semplice. Il problema del 2026 è un altro: i giochi on-chain iniziano a integrare AI (NPC che ragionano, matchmaking, economie gestite da agenti, generazione di contenuti), e un semplice hash non basta più a dimostrare che un modello si è comportato come promesso.
È qui che il verifiable compute allarga il provably fair all’intelligenza artificiale. Un NPC che gira in un TEE può firmare le proprie decisioni; un sistema di ricompense basato su un modello può allegare una prova opML che l’output non è stato truccato a favore del banco; un generatore di oggetti rari può dimostrare di aver seguito le probabilità dichiarate. Il modello che sta emergendo è ibrido: proprietà e regolamento restano on-chain, mentre la simulazione AI gira off-chain in un ambiente verificabile, per bilanciare costi e trasparenza.
Per l’utente italiano la differenza è concreta: si passa dal «fidati di noi» al «verifica tu stesso». Sul piano normativo il gaming Web3 si muove su un crinale delicato, tra tutela del giocatore e qualificazione degli asset; ne abbiamo scritto analizzando come i regolatori guardano a NFT e skin. La verificabilità dell’AI, in questo quadro, è tanto una funzione di prodotto quanto uno scudo di conformità.
Il paradosso dei token: tanti scambi, poco valore catturato
C’è una tensione che percorre tutto il settore: la tecnologia funziona sempre meglio, ma i token che dovrebbero catturarne il valore faticano. ZKC scambia oltre 100 milioni di euro al giorno e capitalizza circa 12 milioni; al lancio la sua valutazione diluita sfiorava i 900 milioni. La ragione è strutturale: in un mercato di prove che compete al ribasso, il prezzo tende al costo marginale della GPU, e il token finisce per servire più da collaterale e da unità di conto che da meccanismo di cattura di rendita.
Il pattern si ripete: Boundless, Succinct e Phala mostrano capitalizzazioni modeste rispetto all’utilità dichiarata, mentre EIGEN regge meglio perché lì il valore passa dal restaking più che dalle prove. Per l’investitore il messaggio è prudenza: comprare «l’AI verificabile» tramite un token significa esporsi a un asset la cui domanda dipende da margini sottili e da una concorrenza feroce, in un contesto di mercato che resta fragile. Abbiamo sviluppato proprio questo punto in un pezzo dedicato al perché, in questo settore, le prove scalano ma i token no.
Regole europee: AI Act, MiCA, Garante e Consob
Due corpi normativi si intrecciano attorno al verifiable compute. Sul lato AI, il Regolamento UE sull’intelligenza artificiale ha reso operativi il 2 agosto 2026 gli obblighi di trasparenza dell’articolo 50: marcatura leggibile dalla macchina e provenienza dei contenuti sintetici, con un periodo transitorio fino al 2 dicembre 2026 per i sistemi già sul mercato e sanzioni fino a 15 milioni di euro o al 3% del fatturato. I modelli per finalità generali devono inoltre pubblicare documentazione tecnica e un riassunto dei dati di addestramento. In Italia la vigilanza coinvolge AgID e il Garante per la protezione dei dati personali: il verifiable compute non è imposto dalla legge, ma è uno strumento naturale per dimostrare conformità, cioè provenienza, tracciabilità e integrità dell’inferenza.
Sul lato asset, i token del settore (ZKC, PROVE, EIGEN, PHA) sono crypto-asset soggetti a MiCA; in Italia la vigilanza spetta a Consob e Banca d’Italia, e il regime transitorio si è chiuso il 1 luglio 2026. Chi emette o offre questi token nell’Unione deve rispettare gli obblighi MiCA, e chi li acquista gode, almeno in teoria, delle relative tutele informative. Il contrasto con gli Stati Uniti è netto: mentre l’Europa impone provenienza e trasparenza, oltreoceano il ritiro dell’enforcement della SEC lascia più spazio all’autoregolamentazione. Per i progetti di verifiable compute, globali per natura, questo significa dover soddisfare il denominatore comune più esigente, cioè quello europeo.
Rischi e limiti: la fiducia si sposta, non sparisce
Nessuna di queste tecnologie è una scatola nera perfetta, e chi la vende come tale sta esagerando. Vale la pena elencare i limiti con franchezza.
- Lo zkML non scala ai modelli di frontiera: provare un LLM da centinaia di miliardi di parametri resta, oggi, impraticabile.
- I TEE spostano la fiducia sul produttore del chip; una falla hardware o firmware azzera la garanzia, e la storia degli attacchi side-channel insegna a non dormire sonni tranquilli.
- L’opML introduce latenza e presuppone che esista almeno un verificatore onesto e vigile, disposto a spendere risorse per contestare.
- La sicurezza cripto-economica dipende dal valore del collaterale: se il token crolla, si indebolisce anche la garanzia che dovrebbe fornire.
- Nessun approccio dimostra che il modello sia «buono»: prova solo che è stato eseguito come dichiarato. Un modello distorto, eseguito fedelmente, produce una prova valida di un risultato distorto.
La sintesi onesta è questa: il verifiable compute sposta la fiducia, non la elimina. La sposta dalla parola di un fornitore alla matematica, all’hardware o all’incentivo economico. È un enorme passo avanti, ma resta una scelta di dove riporre la fiducia, non la sua abolizione.
Cosa aspettarsi nei prossimi mesi
La ragione per cui il tema è diventato centrale la ha riassunta bene Vitalik Buterin. Secondo il cofondatore di Ethereum, la «verifica formale assistita dall’AI», cioè prove matematiche controllabili da una macchina, è uno dei motivi principali del suo ottimismo sul fatto che l’AI possa rendere l’infrastruttura crypto più sicura invece che più fragile. Il ragionamento è semplice: l’AI abbassa il costo di scrivere codice, ma anche quello di trovarne i difetti; l’unico modo per stare al passo è poter dimostrare, e non solo sperare, che un sistema si comporta come dichiarato. È lo stesso principio del verifiable compute applicato al software.
Guardando ai prossimi mesi, quattro tendenze sembrano già tracciate:
- Costi delle prove in calo: con più concorrenza tra prover, il proving diventa una voce di costo trascurabile per le API che valgono più di qualche centesimo a chiamata.
- Convergenza degli approcci: sistemi ibridi che uniscono TEE e ZK (prima la velocità dell’enclave, poi la prova crittografica), come già fa Phala appoggiandosi a Op-Succinct.
- Pressione normativa crescente: dopo l’articolo 50, il 2 dicembre 2026 scade la finestra per i sistemi preesistenti, e la provenienza verificabile diventerà un requisito d’appalto prima ancora che un obbligo di legge.
- Consolidamento dei token: capitalizzazioni sottili e margini bassi spingeranno verso fusioni e verso modelli in cui il valore passa dai servizi o dal restaking, non dalle prove vendute a costo marginale.
Il 2026 non ha risposto a tutte le domande, ma ne ha spostata una in avanti: il verifiable compute è passato da «interessante in teoria» a «necessario in pratica». Per la crypto, per l’AI e, sempre di più, per il gaming, la domanda «chi verifica la macchina?» ha finalmente qualche risposta credibile.
Domande frequenti
Che cos’è il verifiable compute in ambito crypto?
È l’insieme delle tecniche che permettono di dimostrare che un calcolo, spesso l’inferenza di un modello AI, è stato eseguito correttamente, senza rieseguirlo e senza fidarsi di chi lo ha svolto. La prova può essere crittografica (zkML), economica (opML) o hardware (TEE).
Qual è la differenza tra zkML, opML e TEE?
Lo zkML genera una prova matematica: garanzia massima, ma costosa e limitata a modelli piccoli. L’opML accetta il risultato e apre una finestra per contestarlo con prove di frode: economico, ma con latenza. Il TEE usa un’enclave hardware che firma il risultato: veloce e flessibile, ma richiede di fidarsi del produttore del chip.
Conviene investire nei token del verifiable compute?
È un’area ad alto rischio. Token come ZKC, PROVE, EIGEN e PHA hanno capitalizzazioni contenute e dipendono da margini sottili in un mercato molto competitivo; alcuni registrano volumi elevati con valutazioni basse. Nell’Unione europea sono crypto-asset soggetti a MiCA, con vigilanza di Consob e Banca d’Italia in Italia. Non è un consiglio finanziario.
Il verifiable compute è obbligatorio per legge in Europa?
Non direttamente. Dal 2 agosto 2026 l’articolo 50 del Regolamento UE sull’AI impone di marcare e rendere tracciabili i contenuti generati dall’AI; il verifiable compute non è imposto, ma è uno degli strumenti tecnici più adatti a dimostrare provenienza e integrità.
Come si applica il verifiable compute al gaming?
Estende il concetto di provably fair dall’esito semplice (un dado, una carta) ai sistemi AI: un NPC in un TEE può firmare le proprie decisioni, un sistema di ricompense può allegare una prova che l’output non è truccato e un generatore di oggetti rari può dimostrare di aver rispettato le probabilità dichiarate.
Di Marcus Okafor, redazione HOGE Wire. Questo articolo ha finalità informative e non costituisce consulenza finanziaria.