Inferenza decentralizzata 2026: il token cattura il valore?

Le reti di inferenza decentralizzata vivono un paradosso che nell’autunno del 2026 è diventato impossibile da ignorare. I numeri di utilizzo non sono mai stati così alti: Chutes, la sottorete di Bittensor dedicata all’inferenza serverless, dichiara oltre 160 miliardi di token elaborati ogni giorno, mentre io.net ha superato la soglia record di 4 miliardi di token AI al giorno. Se l’uso è la misura del successo, questo dovrebbe essere il momento migliore di sempre per il settore.

Eppure i token che dovrebbero rappresentare quel successo raccontano una storia opposta. Al 6 settembre 2026, secondo CoinGecko, TAO di Bittensor vale circa 226 euro, il 68% sotto il massimo storico; RENDER quota 1,33 euro (giù di circa l’89%); AKT di Akash 0,48 euro (meno 93%); IO di io.net appena 0,12 euro, quasi il 98% sotto il picco. Nelle stesse ore TAO rimbalza di oltre l’11% in un giorno, ma la spinta non arriva da un salto della domanda di calcolo: arriva dalla narrativa di un ETF spot in arrivo.

Questo scarto tra uso e prezzo è la domanda vera che pochi articoli affrontano di petto: quando una rete di inferenza decentralizzata genera valore reale, quel valore finisce nel token? Abbiamo già spiegato come funziona la tecnologia, quanto costa e come integrarla; qui ci concentriamo sull’unica domanda che conta per chi detiene i token, cioè chi incassa. La risposta breve è: in parte, e quasi sempre meno di quanto il prezzo lasci intendere.

Il paradosso del 2026: l’uso sale, i prezzi scendono

Il fenomeno ha un nome ormai ricorrente tra gli analisti: il disaccoppiamento tra tecnologia e token. L’adozione misurata in token elaborati, GPU collegate e contratti enterprise sale, mentre il prezzo dell’asset che dovrebbe catturarne il valore scende. Non è il caso isolato di un progetto mal gestito: riguarda l’intera categoria dei token che uniscono DePIN (reti di infrastruttura fisica decentralizzata) e intelligenza artificiale.

La tabella seguente mette a confronto i quattro token più rappresentativi con i rispettivi segnali d’uso.

Uno scarto così ampio ammette almeno tre spiegazioni, non mutualmente esclusive. La prima: il mercato è irrazionale o semplicemente in anticipo, e prima o poi il prezzo raggiungerà i fondamentali. La seconda: l’uso è reale ma non si traduce in valore per il token, perché il modello economico non lo cattura. La terza, la più scomoda: parte di quell’uso è gonfiata, e i fondamentali sono più deboli di quanto sembri. Nelle prossime sezioni le esaminiamo tutte e tre, partendo dai dati.

Ripasso: che cosa vendono davvero queste reti

Prima di parlare di valore conviene ricordare che cosa vende, concretamente, una rete di inferenza decentralizzata. L’inferenza è la fase in cui un modello già addestrato produce un output: risponde a un prompt, genera un’immagine, classifica un testo. È diversa dall’addestramento, che crea il modello ed è molto più intensivo. L’inferenza è ripetitiva, sensibile alla latenza e, soprattutto, rappresenta la quota maggiore della spesa di calcolo AI nel tempo, perché un modello si addestra una volta e poi serve milioni di richieste.

Le reti decentralizzate aggregano GPU sparse, spesso sottoutilizzate, e le vendono per eseguire inferenza a un prezzo inferiore a quello degli hyperscaler. Si dividono grosso modo in tre famiglie: i marketplace di GPU generalisti (Akash, io.net, Render), le sottoreti di inferenza a incentivi (Bittensor con Chutes) e i layer di calcolo verificabile o coprocessori (Ritual, EigenCloud) che aggiungono garanzie crittografiche. La promessa commerciale combina tre elementi: costo più basso, resistenza alla censura e, in prospettiva, verificabilità. Su quest’ultimo punto, la possibilità di dimostrare che un’inferenza è stata eseguita davvero e correttamente, torneremo perché è il cuore della questione del valore; per un quadro dedicato rimandiamo alla nostra analisi sul compute verificabile.

Da dove arriva l’offerta a basso costo è parte della risposta. Molta della capacità di calcolo mondiale resta inutilizzata per lunghi periodi: data center di terze parti, hardware rimasto dall’epoca del mining, workstation professionali accese ma poco sfruttate. Le reti decentralizzate promettono di raccogliere questa capacità inattiva e rivenderla a chi fa inferenza. È una tesi elegante, ma nasconde un problema che ritroveremo: capacità sparsa e non garantita significa affidabilità variabile, e quindi la necessità di sovradimensionare, il che erode proprio il vantaggio di costo.

La domanda è reale, ma il dato è opaco

La domanda esiste, su questo pochi dubitano. Il problema è come viene misurata. Il caso Chutes è istruttivo. La sottorete, gestita da Rayon Labs, comunica cifre spettacolari: oltre 160 miliardi di token al giorno, 9,1 trilioni cumulati, centinaia di migliaia di utenti. Sono numeri che, presi per buoni, farebbero di una singola sottorete crypto uno dei maggiori fornitori di inferenza al mondo.

Quando però si confrontano quei dati con fonti indipendenti, il quadro cambia. Secondo l’analisi di Own Your Mind, che incrocia i volumi instradati da aggregatori come OpenRouter, il traffico verificabile di Chutes ha toccato un picco intorno ai 42 miliardi di token al giorno a inizio febbraio 2026, per poi assestarsi su una media compresa tra gli 8 e i 12 miliardi al giorno a marzo. In altre parole, il dato di rete autodichiarato può essere una volta e mezzo o addirittura un ordine di grandezza superiore a quanto un osservatore esterno riesce a confermare.

La ragione dello scarto è semplice: non esiste uno standard di misurazione verificato per il traffico di inferenza decentralizzata. I conteggi autodichiarati possono includere traffico interno, sintetico o generato dagli stessi incentivi che ne premiano il volume. Per chi valuta un token, questo è dirimente: se l’uso in vetrina è gonfiato, lo è anche il ricavo implicito che si prova a estrapolarne. Il primo test di qualsiasi tesi rialzista dovrebbe essere quindi il traffico misurato da terzi, non i cruscotti della rete stessa.

Lo sconto è reale, ma è sovvenzionato

Il secondo pilastro della narrazione rialzista è il prezzo: l’inferenza decentralizzata costa molto meno del cloud tradizionale. Anche qui il dato è vero solo a metà. Lo sconto esiste, ma spesso non nasce da un vantaggio di costo strutturale, bensì dalle emissioni del token che sovvenzionano la tariffa.

Sempre secondo Own Your Mind, il costo di break-even di Chutes si aggira intorno a 1,41 dollari per milione di token, contro un prezzo di mercato competitivo vicino agli 0,88 dollari; eppure la rete espone tariffe a listino a partire da 0,22 dollari per milione. La differenza la paga qualcun altro: le emissioni. Il rapporto tra valore delle emissioni e ricavi esterni identificabili dell’intera rete Bittensor è stimato tra 22 e 40 a 1, con ricavi esterni annui nell’ordine di pochi milioni di dollari. Non a caso il piano gratuito di Chutes è stato chiuso a marzo 2026: un segnale che il sussidio non era sostenibile.

Uno sconto finanziato da emissioni inflazionistiche non è un fossato competitivo: è una voce di marketing. Compra volume oggi diluendo chi detiene il token, e non lascia un flusso di cassa duraturo. È esattamente il tipo di dinamica che spiega come l’uso possa salire mentre il prezzo scende: la rete sta comprando traffico con nuova offerta di token.

Due business sotto lo stesso ticker

Qui arriviamo al nodo. L’inferenza decentralizzata non è un business solo: sono due, che condividono lo stesso ticker e vengono quasi sempre confusi.

Il primo è un business commodity: affittare capacità di calcolo e servire modelli aperti a basso prezzo. È utile, ha una domanda reale, ma è una corsa al ribasso senza potere di prezzo, perché un token generato da un modello Llama è identico a prescindere da chi lo serve.

Il secondo è un business di fiducia: garantire, con prove crittografiche o hardware sicuro, che il modello richiesto sia quello effettivamente eseguito, che non sia stato sostituito o quantizzato di nascosto, e che i dati dell’utente restino privati. È potenzialmente difendibile, perché è qualcosa che AWS non può vendere. Ma è immaturo e, oggi, senza un compratore su larga scala.

Il mercato dei token spesso valuta l’asset come se stesse comprando il premio del secondo business, mentre i ricavi arrivano quasi tutti dal primo. Questo disallineamento è la fonte sia dell’entusiasmo sia dei crolli: si paga per un fossato che non c’è ancora, e ci si ritrova con una commodity.

Perché il layer commodity non trattiene valore

Il layer commodity ha un problema strutturale di cattura del valore. I modelli aperti sono fungibili: se dieci provider servono lo stesso modello, l’unica variabile su cui competere è il prezzo. Sopra di loro si è formato un layer di aggregatori e router (OpenRouter è l’esempio più noto) che instrada ogni richiesta al fornitore più economico in quel momento. Per il provider sottostante questo significa perdere potere di prezzo: diventa intercambiabile, spinto verso margini vicini allo zero.

A comprimere ulteriormente i margini ci pensano i concorrenti centralizzati specializzati (Lambda, RunPod, Vast e altri), che affittano GPU a tariffe già aggressive, e l’andamento dei prezzi dell’hardware. Va aggiunto il problema dell’utilizzo: molte delle GPU «registrate» su queste reti restano inattive, e per garantire affidabilità occorre sovradimensionare la capacità, il che aggiunge costi. Il risultato è un business a margine lordo sottile, in cui il token, che lo monetizza soprattutto tramite emissioni, ha poco flusso di cassa duraturo da far confluire nel prezzo.

Il premio di fiducia: l’unico fossato difendibile

Se il layer commodity non trattiene valore, il valore difendibile deve stare altrove. Sta nella fiducia. L’unica cosa che una rete decentralizzata può vendere e un hyperscaler no è una garanzia verificabile: la prova che il modello per cui hai pagato è davvero quello che ha girato, che non è stato scambiato con uno più piccolo per risparmiare, e (con l’hardware giusto) che i tuoi dati non sono mai stati esposti.

Il rischio non è teorico. La ricerca di Prime Intellect sul sistema di verifica TOPLOC parte da un’osservazione concreta: i fornitori, notano gli autori, «apportano modifiche ai metodi di calcolo per ottimizzare costi, efficienza o specifici obiettivi commerciali», cioè possono quantizzare o sostituire un modello senza che l’utente se ne accorga. Verificare serve proprio a questo. Gli approcci disponibili, però, non sono equivalenti.

Il punto è che nessuno di questi metodi è insieme economico, senza fiducia e veloce su larga scala. Lo ha messo a fuoco Vitalik Buterin nel suo saggio sul rapporto tra crypto e AI: la verificabilità è l’applicazione più solida della crittografia all’intelligenza artificiale, ma le prove a conoscenza zero applicate all’inferenza aggiungono un overhead di centinaia di volte, un costo che oggi rende la verifica completa impraticabile per la maggior parte dei carichi.

C’è chi ci scommette comunque. Sreeram Kannan, fondatore di EigenLayer e a capo di EigenCloud, sostiene che «il futuro del software è autonomo e verificabile», e ha lanciato una piattaforma di AI verificabile con logica di stake e slashing. Sul fronte della privacy, Phala Network dichiara oltre 30.000 dispositivi TEE e più di un miliardo di token al giorno serviti in enclave sicure. Ma il vero collo di bottiglia non è tecnologico: è la domanda. Manca ancora un compratore disposto a pagare un premio significativo per l’inferenza verificata, su scala industriale.

Conviene distinguere due premi diversi, spesso confusi. Il primo è la verificabilità: la garanzia che il modello giusto abbia prodotto l’output giusto, utile per applicazioni ad alto rischio come la finanza on-chain o gli agenti che muovono denaro. Il secondo è la privacy: la garanzia che il prompt e i dati non vengano mai visti dal fornitore, utile per la sanità, il settore legale o i dati aziendali riservati. Sono mercati distinti, con compratori distinti, e nessuno dei due ha ancora raggiunto la scala che giustificherebbe le valutazioni odierne. Chi investe in questi token sta scommettendo che almeno uno dei due decolli.

Come ogni token prova a catturare valore

Ogni rete ha un proprio meccanismo per far confluire nel token il valore generato. Vale la pena confrontarli, perché è qui che si gioca la differenza tra un asset con un flusso di cassa e un token puramente inflazionistico.

Il tentativo più diretto di legare il token ai ricavi reali è l’Incentive Dynamic Engine di io.net, attivo dall’11 giugno 2026. Il meccanismo paga i fornitori un obiettivo in dollari e rilascia solo gli IO necessari al prezzo corrente; una volta coperti i pagamenti, almeno metà dell’eccedenza ricompra e brucia IO, con l’obiettivo di ritirare almeno 12 milioni di token nel primo anno e fino a 115 milioni dei 231 milioni del bacino di ricompense non ancora emesse. Il lancio è coinciso con un contratto enterprise da 8 milioni di dollari e con un record di oltre 4 miliardi di token AI serviti al giorno, come riportato da CoinDesk.

È un passo nella direzione giusta, ma la scala conta. I guadagni lordi di rete di io.net si aggirano intorno ai 35.000 dollari al giorno: annualizzati fanno circa 13 milioni di dollari di volume, dai quali il burn effettivo è molto più piccolo una volta pagati i fornitori, a fronte di una capitalizzazione intorno ai 47 milioni. Lo stesso dilemma vale per Akash, che monetizza tramite una commissione sul marketplace: abbiamo analizzato se e quanto AKT riesca a catturare il valore dei carichi AI reali nella nostra analisi dedicata ad Akash. Il filo comune è chiaro: questi meccanismi funzionano solo se i ricavi esterni, non sovvenzionati, diventano grandi. Oggi non lo sono.

Il caso di Bittensor merita una nota a parte. Con dTAO, introdotto nel febbraio 2025, ogni sottorete ha un proprio token Alpha e una pool di liquidità, e le emissioni di TAO fluiscono verso le sottoreti in base al prezzo di mercato dei loro Alpha. In teoria il mercato dovrebbe premiare le sottoreti più utili; in pratica può premiare quelle con la narrativa più efficace, spostando emissioni verso il rumore invece che verso i ricavi. È un meccanismo elegante di allocazione del capitale, ma non garantisce che il valore catturato corrisponda al valore economico reale prodotto.

Il segnale che spiazza: equity, non token

C’è un dato che, più di ogni tabella, indica dove il capitale più esperto ritiene si accumuli il valore. I costruttori più credibili dell’AI decentralizzata e verificabile stanno raccogliendo equity, non vendendo token.

Prime Intellect, che fa addestramento distribuito, inferenza ospitata e verifica con TOPLOC, ha chiuso a luglio 2026 un round di Serie A da 130 milioni di dollari a una valutazione di un miliardo, guidato da Radical Ventures con Nvidia, Intel Capital, Dell Technologies Capital e Iconiq, come riportato da TechCrunch. La società ha un fatturato annualizzato vicino ai 100 milioni e clienti come Ramp e Zapier. E non ha un token liquido.

Il messaggio è difficile da ignorare. Se il token fosse davvero il veicolo migliore per catturare il valore di questo business, ci si aspetterebbe che i leader lo usassero. Invece i più solidi scelgono l’equity e trattengono la proprietà intellettuale della verifica. Non è la prova che i token siano condannati, ma è un forte indizio su dove finisca oggi il valore: nell’azienda e nella tecnologia, non necessariamente nel token senza permessi.

Per chi detiene il token la domanda successiva è ancora più scomoda: se il valore si accumula nell’equity dell’azienda e nella proprietà intellettuale, che cosa resta esattamente al token, oltre alla speculazione sul suo utilizzo futuro? Non tutte le reti hanno una risposta convincente.

La domanda degli agenti AI: catalizzatore o miraggio?

La speranza più citata per chiudere il divario tra uso e valore sono gli agenti AI. Un agente autonomo ha bisogno di inferenza economica, programmabile e resistente alla censura, e può pagare in crypto senza un conto bancario o una carta. Se gli agenti si moltiplicano, la domanda di inferenza esplode, e reti pensate per pagamenti a consumo e senza permessi sarebbero ben posizionate. È lo stesso motore che rende gli agenti protagonisti anche altrove, per esempio nei mercati predittivi popolati da bot.

Il condizionale, però, è d’obbligo per due motivi. Primo, gran parte dell’inferenza degli agenti oggi gira ancora su API centralizzate di frontiera (GPT-5, Claude e simili) per una questione di qualità; le reti decentralizzate servono soprattutto modelli aperti più economici. Secondo, anche se il volume degli agenti crescesse, atterrerebbe prima di tutto sul layer commodity, quello che, come abbiamo visto, non trattiene valore. La domanda degli agenti è quindi un vento a favore reale per i volumi, ma non si traduce automaticamente in valore per il token, a meno che gli agenti non paghino specificamente per l’inferenza verificata o privata: di nuovo, il premio di fiducia.

Regolamentazione: chi è il fornitore su GPU anonime?

Sul valore di questi token pesa anche un’incognita regolatoria, su due piani distinti. Il primo riguarda l’AI Act europeo. Gli obblighi per i modelli di uso generale (GPAI) sono in vigore dal 2 agosto 2025 e i poteri sanzionatori della Commissione dal 2 agosto 2026, con multe fino a 15 milioni di euro o al 3% del fatturato mondiale, come illustra la strategia digitale della Commissione. La domanda spinosa per una rete senza permessi è: chi è il «fornitore» legalmente responsabile quando un modello gira su GPU anonime coordinate da un protocollo? Non c’è ancora una risposta, e la soglia di rischio sistemico fissata a 10^25 FLOP lascia la maggior parte dei modelli aperti sotto il suo ombrello, ma non risolve il problema dell’attribuzione.

Il secondo piano riguarda i token in quanto asset. In Italia il regolamento MiCA è attuato dal D.lgs. 129/2024, che affida a Consob la vigilanza su condotta di mercato e tutela degli investitori e a Banca d’Italia i profili prudenziali e le stablecoin; il periodo transitorio si è chiuso il 1 luglio 2026, quindi le piattaforme italiane devono avere l’autorizzazione da prestatore di servizi (CASP), e gli strumenti derivati su questi token ricadono sotto la MiFID II, non sotto MiCA. Ma MiCA regola i fornitori di servizi e gli emittenti, non stabilisce se TAO, IO, AKT o RENDER siano commodity o titoli.

Negli Stati Uniti il quadro è altrettanto incerto. L’interpretazione congiunta di SEC e CFTC del 17 marzo 2026 ha introdotto una tassonomia in cinque categorie e ha elencato una serie di grandi asset digitali trattati come commodity, tra cui Bitcoin, Ethereum, Solana e XRP, come sintetizzano gli studi legali che l’hanno analizzata. I token di DePIN e AI non compaiono in quella lista: restano in una zona grigia, né confermati commodity né classificati come titoli. È lo stesso vuoto di certezza che abbiamo raccontato parlando di chi riempie lo spazio lasciato dall’enforcement della SEC.

ETF e finanziarizzazione: il rischio di comprare la narrativa

Torniamo al rimbalzo di TAO con cui abbiamo aperto. La spinta non arriva dai fondamentali di rete ma dalla finanziarizzazione: Grayscale ha depositato presso la SEC una richiesta (modulo S-1) per convertire il suo Bittensor Trust in un ETF spot, con il ticker GTAO su NYSE, e Bitwise ha presentato un’istanza analoga, come risulta dai documenti depositati alla SEC. Alla data di questo articolo non c’è ancora una decisione definitiva.

Un ETF, se approvato, porta flussi passivi che riprezzano il token in base alla narrativa e alla liquidità macro più che ai fondamentali della rete. È un’arma a doppio taglio: può far salire il prezzo scollegandolo dall’uso, ma nello stesso modo può farlo scendere quando il vento macro cambia. Questi asset sono ad alta beta, molto sensibili alle mosse della Fed e ai dati che ne guidano le aspettative, dal dato sull’inflazione dell’11 settembre in poi.

La finanziarizzazione può mascherare per un po’ il divario di cattura del valore, ma non crea flusso di cassa: cambia soltanto chi tiene in mano il token quando la musica si ferma. Comprare l’ETF di una rete che non trattiene ancora valore significa comprare l’esposizione a una narrativa, non a un utile.

Una checklist per valutare un token di inferenza

Messe insieme, le sezioni precedenti suggeriscono una griglia pratica per distinguere un token che ha qualche probabilità di catturare valore da uno che vive di sola narrativa. Non è una formula magica, ma aiuta a porsi le domande giuste prima di guardare il grafico del prezzo.

• Ricavi esterni, non emissioni: la rete incassa dollari veri da clienti terzi, oppure il grosso delle ricompense arriva dall’inflazione del token? È la distinzione più importante.
• Traffico verificabile: i volumi sono confermati da fonti indipendenti (aggregatori, routing on-chain) o solo dai cruscotti interni?
• Meccanismo di cattura: esiste un legame diretto tra ricavi e token (burn legato ai ricavi, commissioni che tornano ai possessori) o il token serve solo a incentivare l’offerta?
• Potere di prezzo: la rete vende una commodity replicabile o un servizio difendibile (verifica, privacy) che un hyperscaler non può offrire?
• Sostenibilità del sussidio: se domani le emissioni si fermassero, la domanda resterebbe? Il piano gratuito è già stato ritirato?
• Allineamento del team: i fondatori finanziano lo sviluppo con il token o con equity, e in quest’ultimo caso che cosa resta al possessore del token?

Applicata ai quattro nomi di questo articolo, la griglia restituisce risposte scomode. Quasi tutti superano il test del traffico e del costo, pochi quello dei ricavi esterni non sovvenzionati, e nessuno, per ora, quello del premio di fiducia con un cliente pagante su larga scala. È esattamente la ragione per cui l’uso può salire mentre il prezzo scende.

Cosa guardare da qui a fine 2026

Per chi segue il settore senza farsi trascinare dalle oscillazioni di prezzo, ci sono alcuni indicatori concreti da monitorare nei prossimi mesi.

• Il traffico misurato da terzi, non i dati autodichiarati dalle reti: è lì che si vede la domanda vera.
• Se i burn legati ai ricavi (come l’IDE di io.net) iniziano a mordere davvero, cioè a crescere in dollari reali e non solo negli annunci.
• La comparsa di un primo grande cliente pagante per l’inferenza verificata o privata: sarebbe la prova che il premio di fiducia esiste.
• L’esito delle richieste di ETF su TAO e se i flussi finiscono per scollegare il prezzo dai fondamentali.
• Le prime azioni di enforcement sull’AI Act, in particolare qualsiasi caso che chiarisca chi è il «fornitore» su una rete senza permessi.
• Le mosse di Consob ed ESMA sulla vigilanza dei CASP che trattano token DePIN e AI.

La risposta onesta alla domanda del titolo, oggi, è che il token cattura il valore solo in parte, e meno di quanto il prezzo talvolta implichi. L’uso è reale, lo sconto è reale, ma entrambi sono in parte sovvenzionati; e l’unico premio davvero difendibile, l’inferenza verificabile e privata, sta ancora cercando il suo primo grande cliente. Per ora chi compra questi token, più che un flusso di cassa, sta comprando un’opzione su quel premio. Può valerne la pena, ma è bene sapere che cosa si ha in portafoglio.

Domande frequenti

Che cos’è l’inferenza decentralizzata?

L’inferenza decentralizzata è l’esecuzione di modelli AI già addestrati su una rete distribuita di GPU indipendenti, coordinate da un protocollo o da una blockchain, invece che da un singolo fornitore cloud. L’obiettivo è servire le richieste a costi più bassi e, in prospettiva, in modo verificabile e rispettoso della privacy.

Perché i token AI-crypto scendono se l’uso cresce?

Perché uso e cattura del valore sono cose diverse. Lo sconto sull’inferenza è in gran parte sovvenzionato dalle emissioni del token, parte del traffico in vetrina è autodichiarato e difficile da verificare, il layer commodity non ha potere di prezzo, e i flussi finanziari (la narrativa degli ETF, la liquidità macro) muovono il prezzo più dei fondamentali.

L’inferenza decentralizzata è davvero più economica del cloud?

Sulla carta spesso sì, con sconti che vanno dal 40% al 90% rispetto agli hyperscaler. Ma parte di quello sconto è finanziato dalle emissioni del token e richiede di sovradimensionare la capacità per garantire affidabilità; una volta tolti i sussidi, i costi di break-even sono vicini o superiori ai prezzi competitivi dei fornitori centralizzati.

Si può verificare che l’inferenza sia stata eseguita correttamente?

Solo in parte. Esistono approcci come gli ambienti di esecuzione fidati (TEE), le prove a conoscenza zero (zkML), i sistemi ottimistici con prove di frode (opML) e il confronto delle attivazioni (TOPLOC), ma nessuno è insieme economico, senza fiducia e veloce su larga scala. La maggior parte del traffico oggi si basa sulla fiducia nel fornitore.

Come sono regolati questi token in Italia?

Con MiCA, attuata dal D.lgs. 129/2024, la vigilanza spetta a Consob per la condotta di mercato e a Banca d’Italia per i profili prudenziali; il periodo transitorio si è chiuso il 1 luglio 2026 e le piattaforme devono essere autorizzate come CASP, mentre i derivati ricadono sotto la MiFID II. Se questi token siano commodity o titoli resta però irrisolto, e negli Stati Uniti SEC e CFTC li hanno lasciati in una zona grigia.

Marcus Okafor è senior editor di HOGE Wire e segue AI crypto, infrastrutture DePIN e tokenomics.