Verifiable compute: ERC-8004 e la fiducia degli agenti AI

Un agente AI che possiede un portafoglio, firma transazioni e sposta capitale in autonomia non e piu fantascienza. Dal 29 gennaio 2026 lo standard ERC-8004 gira in produzione su Ethereum mainnet e permette a questi agenti di riconoscersi, valutarsi a vicenda e interagire senza intermediari umani. Ma se un agente dichiara di aver eseguito un calcolo, un’inferenza di un modello linguistico, una simulazione di rischio, un controllo di conformita, come si fa a sapere che non ha barato, o semplicemente sbagliato? Il calcolo verificabile (verifiable compute) e la risposta tecnica a questa domanda, ed e probabilmente il pezzo di infrastruttura piu sottovalutato dell’intero comparto ai-crypto nel 2026.

Che cos’e il calcolo verificabile

Il calcolo verificabile descrive un sistema che produce un risultato insieme a una prova, crittografica oppure economica, che quel risultato e stato calcolato correttamente. Chi riceve il risultato non deve rieseguire l’intero calcolo per fidarsene: gli basta verificare la prova, un’operazione molto piu economica del calcolo originale. Il modello di fiducia cambia radicalmente: non piu «fidati del server che ha eseguito il calcolo», ma «verifica la prova».

E un concetto che il cofondatore di Ethereum Vitalik Buterin ha sistematizzato nel saggio The promise and challenges of crypto + AI applications del 30 gennaio 2024, dove elenca quattro modi in cui l’AI puo intrecciarsi con i sistemi on-chain. Buterin nota che e facile immaginare sinergie superficiali (la decentralizzazione della crypto puo bilanciare la centralizzazione dell’AI, l’AI e opaca e la crypto porta trasparenza, l’AI ha bisogno di dati e le blockchain sono brave a conservarli), ma avverte anche che l’attrito tra l’open source, necessario alla sicurezza crittografica, e la maggiore esposizione agli attacchi adversarial che l’apertura porta ai modelli di AI, rende il tema piu delicato di quanto sembri: a suo giudizio conviene procedere con cautela.

E importante non confondere il calcolo verificabile con il semplice calcolo decentralizzato. Affittare GPU distribuite su una rete o pagare per l’accesso a un modello ospitato su una rete di incentivi decentralizza dove il calcolo avviene, ma non dice nulla su come e stato eseguito: il fornitore potrebbe comunque usare un modello piu piccolo del previsto, saltare passaggi, o restituire un output diverso da quello richiesto, senza che nessuno se ne accorga. Il calcolo verificabile aggiunge lo strato mancante: la prova che il lavoro dichiarato e effettivamente quello svolto. Torneremo su questa distinzione piu avanti, perche e probabilmente il concetto singolo piu utile per orientarsi in questo settore.

Il 2026, l’anno degli agenti con portafoglio proprio

Il motivo per cui il calcolo verificabile e passato da curiosita accademica a priorita infrastrutturale nel 2026 ha un nome preciso: ERC-8004. Proposto il 13 agosto 2025 e approdato su Ethereum mainnet il 29 gennaio 2026, lo standard introduce un insieme di registri on-chain che permettono agli agenti AI di registrarsi, farsi scoprire da altri agenti e accumulare uno storico verificabile di interazioni passate. Tra gli autori figurano Marco De Rossi di MetaMask, Davide Crapis della Ethereum Foundation, Jordan Ellis di Google ed Erik Reppel di Coinbase: un mix di grandi wallet, infrastruttura AI e piattaforme di scambio che segnala quanto trasversale sia ormai l’interesse per il tema.

Davide Crapis, a capo del team dAI della Ethereum Foundation, ha descritto lo scopo dello standard in un’intervista a Unchained: lo standard ERC-8004, ha spiegato, permette agli agenti AI di costruirsi una reputazione e interagire tra loro in modo decentralizzato. Il problema e che una reputazione costruita su interazioni passate vale poco se non si puo verificare che l’agente abbia davvero eseguito cio che dichiara di aver eseguito. Un agente puo accumulare valutazioni positive per settimane e poi, in un momento critico, restituire un calcolo falsificato: senza calcolo verificabile, il registro di reputazione di ERC-8004 rimane un registro di promesse, non di fatti verificati. Entro la meta del 2026 le implementazioni di riferimento erano gia attive su Base Sepolia, Linea Sepolia ed Hedera Testnet oltre che su mainnet, con Base indicata come prossima rete di produzione.

E in questo contesto che kit di sviluppo come Coinbase AgentKit ed EigenCloud AgentKit hanno iniziato a inserire moduli di calcolo verificabile direttamente nell’infrastruttura di base per costruire agenti, invece di lasciarlo come componente opzionale da aggiungere in un secondo momento. Il messaggio implicito dell’intero ecosistema e che un agente senza calcolo verificabile potra anche funzionare, ma difficilmente riuscira a farsi affidare capitale reale su scala.

Zero-knowledge machine learning: la prova crittografica

Il primo dei quattro approcci tecnici al calcolo verificabile e lo zkML, cioe l’uso di prove a conoscenza zero per dimostrare crittograficamente che un’inferenza e stata eseguita correttamente, senza dover rivelare ne il modello ne i dati di input. E l’approccio piu rigoroso in termini di garanzie: la prova e matematica, non richiede di fidarsi di un produttore di hardware ne di un operatore onesto. Il rovescio della medaglia e il costo computazionale, che cresce piu che linearmente con la dimensione del modello, al punto da rendere oggi impraticabile generare una prova zk per un modello con miliardi di parametri in tempi ragionevoli.

Sul lato dell’infrastruttura, gli zkVM, cioe macchine virtuali a conoscenza zero, sono il building block piu comune. SP1 di Succinct, basato su architettura RISC-V, ha raggiunto il mainnet il 5 agosto 2025 ed e oggi usato da oltre 35 protocolli, tra cui Polygon e Celestia, per un totale dichiarato di oltre cinque milioni di proof generate a protezione di piu di quattro miliardi di dollari di valore. Accanto agli zkVM sono nati veri e propri marketplace di proof: Boundless, costruito dal team di RISC Zero, ha lanciato il mainnet su Base il 12 settembre 2025 con un meccanismo chiamato Proof of Verifiable Work, che remunera i prover in base a quantita, velocita e complessita delle proof generate, ed e agnostico rispetto al motore di proving sottostante, dato che supporta SP1 oltre al proprio stack. Shiv Shankar, CEO di Boundless, ha commentato il lancio dicendo che per la prima volta gli sviluppatori su qualsiasi chain possono accedere a calcolo a conoscenza zero in abbondanza per costruire applicazioni complesse che scalano tra ecosistemi diversi senza sacrificare la decentralizzazione.

Un ingresso piu recente nel comparto e Lagrange, il cui motore DeepProve genera prove zkML e, secondo la documentazione del progetto, dimostra l’inferenza di una rete neurale fino a 158 volte piu velocemente di alcune alternative concorrenti. Lagrange opera gia come rete di prover su EigenLayer con oltre 85 operatori attivi, e a febbraio 2026 ha annunciato una partnership con Intel per integrare DeepProve nel cloud AI dell’azienda, un segnale di quanto anche l’industria dei semiconduttori stia iniziando a prendere sul serio la domanda di calcolo verificabile lato hardware, non solo lato software.

Trusted Execution Environments: la fiducia nell’hardware

Il secondo approccio sposta la fiducia dalla matematica all’hardware. Un Trusted Execution Environment e un’area isolata del processore, protetta anche dal sistema operativo che la ospita, capace di produrre un’attestazione remota: una firma crittografica che certifica che un determinato programma sta girando, inalterato, dentro quell’enclave. Intel TDX e AMD SEV sono le implementazioni piu diffuse a livello di CPU, mentre NVIDIA ha esteso il concetto alle GPU con il confidential computing della serie H100, introducendo quello che l’azienda descrive come un firewall di memoria tra l’enclave e il resto del sistema. Secondo la documentazione ufficiale, l’overhead sull’inferenza resta sotto il 7%, un costo di prestazioni molto piu contenuto rispetto alla generazione di proof zk equivalenti sullo stesso modello.

Phala Network e il progetto che ha spinto piu a fondo l’adozione pratica dei TEE per l’AI. La rete conta oltre 30.000 dispositivi TEE, combina Intel TDX con GPU TEE e pubblica attestazioni on-chain verificabili da chiunque, senza dover fidarsi della parola di Phala stessa. Sul fronte dei volumi, Phala dichiara di aver sostenuto oltre un miliardo di token elaborati al giorno su OpenRouter in modo continuativo da marzo 2026, con un picco singolo di 3,28 miliardi di token in un solo giorno registrato il 10 febbraio 2026, anche se le due cifre si riferiscono a momenti diversi e non vanno lette come una linea di tendenza continua.

Il limite concettuale dei TEE e che la fiducia non e mai davvero zero: bisogna fidarsi del produttore del chip, che potrebbe aver introdotto vulnerabilita non intenzionali o backdoor, e restare esposti al rischio, storicamente concreto nella letteratura accademica, di attacchi side-channel capaci di estrarre informazioni dall’enclave osservando pattern di consumo energetico, tempistiche di esecuzione o accessi alla memoria. E un compromesso diverso da quello dello zkML: molto piu veloce ed economico, ma con un ancoraggio di fiducia che rimane, in ultima istanza, un fornitore commerciale di semiconduttori.

Optimistic ML: fiducia provvisoria e finestre di contestazione

Il terzo approccio prende in prestito lo schema degli optimistic rollup usati per scalare Ethereum: pubblica il risultato del calcolo assumendo che sia corretto, apre una finestra temporale di contestazione durante la quale chiunque puo presentare una fraud proof se ritiene che il calcolo sia stato eseguito in modo scorretto, e finalizza il risultato solo se nessuno lo contesta entro la scadenza. Ora e il progetto che ha aperto la strada a questo modello, descritto per la prima volta in un paper accademico pubblicato nel gennaio 2024.

Il vantaggio dell’opML e il costo: non serve generare alcuna proof crittografica onerosa, basta essere pronti a ripetere il calcolo in caso di contestazione. Lo svantaggio e la latenza: un risultato non e davvero finale finche la finestra di contestazione non si chiude, il che rende il modello poco adatto ad applicazioni che richiedono interattivita in tempo reale, per esempio un agente che deve firmare una transazione nell’arco di pochi secondi e non puo permettersi di attendere ore o giorni prima che l’esito diventi definitivo. L’opML richiede inoltre un presupposto sociale, non solo tecnico: che almeno un osservatore onesto stia effettivamente monitorando la rete e sia disposto, economicamente e operativamente, a contestare un risultato falso. Se quell’osservatore non esiste o smette di controllare, la sicurezza del sistema degrada silenziosamente, senza che nessun allarme esplicito lo segnali.

Sicurezza crypto-economica: il caso EigenCloud

Il quarto approccio non prova nulla in senso crittografico ne si affida all’hardware: scommette sugli incentivi economici. Gli operatori mettono in staking un capitale che viene tagliato, tramite un meccanismo di slashing, se si dimostra che hanno fornito un risultato scorretto. La garanzia non e che sia impossibile barare, ma che barare costi piu di quanto si guadagni barando, il che la rende una garanzia probabilistica ed economica, non matematica.

EigenCloud, il rebranding del progetto nato come EigenLayer, e l’esempio piu maturo di questo modello, con un’ambizione dichiarata di diventare una sorta di infrastruttura cloud verificabile per l’intero settore crypto. La piattaforma ha lanciato in mainnet alpha, il 30 settembre 2025, due prodotti distinti: EigenCompute, che esegue applicazioni dentro enclave TEE producendo attestazioni crittografiche (di fatto un ibrido con l’approccio hardware descritto sopra), ed EigenAI, un’API di inferenza compatibile con lo standard OpenAI che punta a un’esecuzione deterministica bit per bit dei modelli linguistici su GPU, a partire dal modello gpt-oss-120b.

A fine luglio 2026 nessuno dei due prodotti ha ancora raggiunto la disponibilita generale: la Eigen Foundation ha nel frattempo destinato decine di milioni di EIGEN non soggetti a slashing come primo passo verso la versione permissionless e con sicurezza economica completa di EigenAI. EigenCompute si integra inoltre con Google Cloud Confidential Space e con l’attestazione Intel TDX, oltre che con Coinbase AgentKit, un segnale di quanto il progetto punti a un pubblico enterprise oltre che crypto-nativo. La roadmap dichiarata da EigenCloud prevede sicurezza crypto-economica nel breve termine e integrazione di elementi zk in una fase successiva, il che la colloca, di fatto, a meta tra il quarto approccio puro e un modello ibrido.

Quattro approcci a confronto

Ognuno dei quattro approcci sacrifica qualcosa in cambio di qualcos’altro, e nessuno e oggettivamente superiore agli altri in ogni scenario: la scelta dipende dal caso d’uso. La tabella seguente riassume i compromessi principali cosi come si presentano allo stato dell’arte di fine luglio 2026.

Come mostra la tabella, la scelta tra i quattro approcci e, in pratica, una scelta su quale compromesso un’applicazione puo permettersi: un agente che gestisce miliardi di dollari puo giustificare l’overhead dello zkML, mentre un’applicazione di consumo con margini sottili difficilmente puo permetterselo.

Il trilemma della verificabilita e gli approcci ibridi

Nessuno dei quattro approcci riesce, da solo, a offrire allo stesso tempo integrita assoluta, bassa latenza e basso costo: e quello che un paper di ricerca pubblicato nel dicembre 2025 definisce il trilemma della verificabilita. Alzare l’integrita, per esempio passando allo zkML, alza quasi sempre anche costo e latenza; abbassare costo e latenza, per esempio con l’opML o con il puro modello crypto-economico, costringe a rinunciare a una parte di garanzia. Non e un limite di implementazione che qualcuno risolvera con piu ingegneria: e, almeno con le tecniche oggi disponibili, un compromesso strutturale.

La tendenza del 2026 e quindi ibridare gli approcci invece di sceglierne uno solo. Il paper citato propone un’architettura chiamata Optimistic TEE-Rollup: un’esecuzione veloce dentro un TEE per ottenere una finalita provvisoria nell’arco di millisecondi, combinata con un livello di fraud proof in stile opML per la fase di contestazione, piu controlli a campione con proof zk generate solo su una frazione stocastica delle esecuzioni totali, in modo da tenere sotto controllo il costo complessivo del sistema. E un’architettura che, secondo gli autori, riduce il costo di verifica di tre ordini di grandezza rispetto a uno zkML puro applicato a ogni singola esecuzione, mantenendo comunque una finalita quasi immediata per l’utente finale.

Un secondo problema, meno discusso pubblicamente ma altrettanto reale tecnicamente, e quello che si potrebbe chiamare il paradosso del determinismo. L’inferenza di un modello linguistico su GPU non e, di norma, perfettamente riproducibile, perche l’aritmetica in virgola mobile e la parallelizzazione dei calcoli introducono piccole variazioni tra un’esecuzione e l’altra anche a fronte dello stesso identico input. Lo zkML, pero, richiede determinismo per funzionare correttamente: se due esecuzioni oneste dello stesso modello possono restituire output leggermente diversi tra loro, generare una proof zk diventa concettualmente molto piu complicato che per un calcolo puramente aritmetico o deterministico per costruzione. E uno dei motivi per cui EigenAI insiste tanto sull’obiettivo di un’esecuzione deterministica bit per bit come prerequisito tecnico di fondo, non come dettaglio marginale da risolvere in un secondo momento.

ERC-8004 in dettaglio: identita, reputazione, validazione

Vale la pena tornare su ERC-8004 con piu dettaglio, perche e lo standard che nel 2026 sta trasformando il calcolo verificabile da funzionalita per addetti ai lavori a requisito di base per chiunque costruisca agenti AI su Ethereum. Lo standard, descritto ufficialmente nella proposta EIP-8004, introduce tre componenti concettualmente distinti:

• Un registro di identita, che assegna a ogni agente un’identita on-chain verificabile, spesso basata su NFT, distinta da quella del suo operatore umano.
• Un registro di reputazione, che accumula uno storico di interazioni e valutazioni passate, leggibile da altri agenti prima di decidere se fidarsi di un nuovo interlocutore.
• Un registro di validazione, pensato per collegarsi proprio ai meccanismi di calcolo verificabile descritti in questo articolo, cosi che un agente possa allegare una prova, crittografica, hardware o economica, al proprio operato invece di limitarsi a dichiararlo.

Il terzo elemento e quello che lega piu strettamente ERC-8004 al tema di questo articolo: uno standard di reputazione senza uno standard di validazione rischia di premiare gli agenti piu bravi a sembrare affidabili, non necessariamente quelli che lo sono davvero. Con la crescita delle implementazioni di riferimento su reti di test come Base Sepolia, Linea Sepolia ed Hedera Testnet nella prima meta del 2026, e con Base annunciata come prossima rete di produzione, il numero di identita di agenti registrate e cresciuto rapidamente nel corso dell’anno, anche se le stime circolate tra i tracker della community vanno prese con la dovuta cautela, vista la giovane eta dello standard e la facilita con cui si possono creare identita multiple senza un reale utilizzo dietro.

Calcolo verificabile non e calcolo decentralizzato

E un errore comune, anche tra addetti ai lavori, confondere il calcolo verificabile con il calcolo decentralizzato. Sono due problemi diversi, spesso risolti da progetti diversi, anche se un numero crescente di team cerca di affrontarli insieme nello stesso stack.

Reti come Akash risolvono soprattutto un problema di mercato: mettono in contatto chi ha GPU inutilizzate con chi ne ha bisogno, a un prezzo spesso piu basso di quello del cloud centralizzato. Reti come Bittensor risolvono invece un problema di incentivo: premiano gli operatori delle varie subnet che producono output di qualita secondo un meccanismo di valutazione interno alla rete stessa. Nessuna delle due, di per se, produce una prova crittografica o economicamente vincolante che un singolo calcolo specifico sia stato eseguito esattamente come richiesto: entrambe si affidano, in misura diversa, alla reputazione accumulata e alla concorrenza tra operatori per tenere a bada i comportamenti scorretti, non a un meccanismo di verifica puntuale calcolo per calcolo.

Il tema e connesso a quello, distinto ma limitrofo, dell’inferenza decentralizzata: distribuire l’esecuzione di un modello su piu nodi indipendenti riduce il rischio di un singolo punto di guasto o di censura, ma anche in quel caso la domanda se il nodo che ha risposto abbia davvero eseguito il modello dichiarato resta aperta finche non si aggiunge uno strato di calcolo verificabile sopra la rete di distribuzione. In pratica, i due problemi si sommano piuttosto che sostituirsi a vicenda: un’infrastruttura ideale per l’AI on-chain del 2026 decentralizza dove il calcolo avviene e verifica come e stato eseguito, e un numero crescente di progetti sta cercando di offrire entrambi gli strati all’interno dello stesso stack tecnico.

Casi d’uso concreti nell’AI crypto

Al di la della teoria, il calcolo verificabile sta gia trovando applicazioni concrete in almeno quattro aree.

La prima e l’agente che gestisce fondi in autonomia: prima di firmare una transazione che sposta capitale, un agente puo allegare una prova che l’analisi alla base della decisione, per esempio una valutazione del rischio o un segnale di trading, e stata effettivamente calcolata e non generata a caso o manipolata a posteriori. Progetti come Ritual, che punta a rendere l’inferenza AI una primitiva nativa delle blockchain invece di un servizio esterno collegato tramite oracolo, si muovono esattamente in questa direzione, cercando di portare il calcolo verificabile il piu vicino possibile al livello protocollo.

La seconda area e quella degli oracoli verificabili: invece di limitarsi a riportare on-chain un prezzo o un dato esterno cosi come arriva, un oracolo di nuova generazione puo allegare una prova che il calcolo statistico alla base di quel dato, una media pesata, un modello di pricing, un controllo di anomalie, e stato eseguito correttamente. E un’estensione naturale di framework come Proof of SQL, pensati per dimostrare la correttezza di query su grandi dataset senza doverle rieseguire per intero ogni volta che qualcuno vuole controllarle.

La terza e la risoluzione dei mercati predittivi: quando l’esito di una scommessa dipende da un calcolo complesso, come l’aggregazione di piu fonti o un modello di classificazione, il calcolo verificabile permette di risolvere il mercato in modo automatico e contestabile, invece di affidarsi a un singolo oracolo centralizzato di cui bisogna fidarsi ciecamente senza alcun ricorso in caso di errore.

La quarta area, probabilmente la piu rilevante per un pubblico italiano, e la conformita normativa: un’istituzione finanziaria che usa modelli di AI per valutazioni del rischio, controlli antiriciclaggio o profilazione della clientela puo usare il calcolo verificabile per dimostrare a un supervisore, senza dover rivelare ne il modello ne i dati sottostanti, che una determinata decisione e stata presa seguendo esattamente la procedura dichiarata. E un caso d’uso che, come vedremo piu avanti, si intreccia sempre piu con la regolamentazione europea sull’AI, non solo con quella sui crypto-asset.

Quanto valgono questi progetti: prezzi e capitalizzazione

I token che remunerano i vari livelli dell’infrastruttura di calcolo verificabile restano, nel complesso, micro e small cap rispetto ai giganti del settore crypto, e restano estremamente volatili. La tabella seguente riporta i dati raccolti da CoinGecko il 30 luglio 2026.

Bittensor resta di gran lunga il piu capitalizzato del gruppo, e viene generalmente descritto come uno dei progetti AI crypto piu capitalizzati in assoluto, anche se le classifiche esatte per posizione variano leggermente da un tracker all’altro. Vale la pena notare che Succinct ha finora messo in staking solo una frazione minima della propria offerta di PROVE, meno dell’1%, con la maggior parte dei token di team e investitori ancora soggetti a vesting: un fattore di diluizione da tenere d’occhio quando gran parte di quell’offerta iniziera a sbloccarsi nel corso del 2026 e del 2027. Tutti i dati vanno considerati indicativi di un singolo momento: si tratta di token a bassa capitalizzazione, quindi soggetti a oscillazioni anche molto brusche nell’arco di pochi giorni, come dimostra il caso di PHA, che secondo la serie storica di CoinGecko ha perso oltre la meta del proprio valore rispetto ai primi di luglio.

Il quadro normativo: MiCA, Consob e il nuovo AI Act

L’infrastruttura di calcolo verificabile in se, cioe il codice che genera proof o gestisce enclave TEE, non e oggetto di una regolamentazione dedicata in Italia o nell’Unione Europea. Diventano invece rilevanti, dal punto di vista regolatorio, i token che remunerano quell’infrastruttura e, soprattutto, i servizi costruiti sopra di essa quando toccano clienti retail o gestiscono asset per conto terzi.

Il periodo transitorio MiCA per l’Italia si e chiuso il 1 luglio 2026, insieme a quello di Germania, Austria, Irlanda e Spagna, il gruppo di paesi che ha scelto la finestra di adeguamento piu corta tra quelle consentite dal regolamento europeo. Il decreto legislativo 5 settembre 2024, n. 129 ha recepito MiCA a livello nazionale, affidando a Consob le competenze di condotta e tutela degli investitori, e a Banca d’Italia quelle prudenziali e di vigilanza sugli emittenti di token collegati ad asset e a moneta elettronica. Il 3 giugno 2025 Consob ha inoltre adottato gli orientamenti ESMA sulla classificazione dei crypto-asset, un criterio di sostanza sulla forma che distingue tra un crypto-asset disciplinato da MiCA e uno strumento finanziario che ricade invece sotto MiFID II, una distinzione che riguarda direttamente anche i token dei progetti descritti in questo articolo.

Sul fronte bancario, Banca Sella e diventata il 27 maggio 2026 la prima banca italiana a ottenere l’abilitazione a offrire servizi di custodia cripto, tramite la procedura di notifica a Banca d’Italia riservata agli istituti gia vigilati invece della licenza piena richiesta agli operatori nativamente crypto. Secondo un censimento pubblicato da BeBeez, otto societa italiane avevano inoltre ottenuto l’autorizzazione piena MiCAR da Consob e Banca d’Italia entro il 1 luglio 2026. Le societa che offrono servizi ai clienti italiani, inclusi quelli costruiti sopra un’infrastruttura di calcolo verificabile, devono anche riflettere correttamente i token detenuti nei propri bilanci: un tema su cui le nuove regole OIC per le crypto in bilancio forniscono ormai un quadro di riferimento piu chiaro per le imprese italiane che detengono questo tipo di asset.

Un fronte regolatorio diverso, ma sempre piu intrecciato con il calcolo verificabile, e quello dell’AI Act europeo. Le obbligazioni piu pesanti del regolamento, quelle sui sistemi ad alto rischio dell’Allegato III, gli obblighi di trasparenza dell’articolo 50, le valutazioni di conformita e la marcatura CE, erano attese per il 2 agosto 2026. Un accordo politico provvisorio raggiunto in sede di Digital Omnibus, ancora in attesa di formalizzazione definitiva al momento in cui scriviamo, le rinvierebbe pero al 2 dicembre 2027 per i sistemi stand-alone dell’Allegato III e al 2 agosto 2028 per l’AI incorporata in prodotti gia regolamentati dall’Allegato I. Indipendentemente dalla data esatta in cui scatteranno questi obblighi, la logica di fondo dell’AI Act, cioe la possibilita di dimostrare che un sistema ad alto rischio si e comportato come dichiarato, e esattamente il tipo di garanzia tecnica che il calcolo verificabile e progettato per fornire: e probabile che i due mondi, quello della regolamentazione dell’AI e quello dell’infrastruttura crypto che la rende verificabile, si intreccino sempre piu negli anni a venire.

Rischi, limiti e cosa osservare da qui a fine 2026

Il calcolo verificabile resta, nonostante i progressi del 2026, un’infrastruttura giovane, con limiti concreti che vale la pena tenere a mente prima di considerarla una soluzione gia matura.

• Lo zkML resta troppo lento e costoso per i modelli linguistici piu grandi: funziona bene su modelli piccoli o su singole componenti di una pipeline piu ampia, non ancora su un intero modello da centinaia di miliardi di parametri.
• I TEE dipendono da un singolo produttore di hardware e restano esposti, storicamente, ad attacchi side-channel; un’attestazione remota certifica che un certo codice sta girando in un’enclave, non che quell’enclave sia impenetrabile per sempre.
• L’opML introduce una latenza incompatibile con molti usi in tempo reale e presuppone che qualcuno stia davvero monitorando la rete in modo continuativo, un’assunzione sociale piu che puramente tecnica.
• I modelli crypto-economici, incluso EigenCloud, offrono una garanzia probabilistica, non assoluta, e i suoi prodotti di punta per l’AI, EigenAI ed EigenCompute, restano in fase alpha, non ancora in disponibilita generale, a fine luglio 2026.
• Diversi token del comparto, PROVE su tutti, hanno ancora una parte minima dell’offerta totale in staking, con grandi sblocchi di token di team e investitori attesi nei prossimi mesi: un rischio di diluizione che non dipende dalla qualita della tecnologia sottostante.

Da qui a fine 2026 vale la pena osservare tre sviluppi in particolare: se EigenAI raggiungera davvero la disponibilita generale con sicurezza crypto-economica completa come promesso dalla roadmap ufficiale, se emergera un’implementazione in produzione, non solo accademica, degli Optimistic TEE-Rollup descritti in precedenza, e se il Digital Omnibus sull’AI Act verra formalizzato con il rinvio proposto oppure se parte della scadenza del 2 agosto 2026 verra comunque confermata. Ognuno di questi tre eventi cambierebbe, in modo diverso, quanto velocemente le applicazioni AI on-chain potranno permettersi di trattare il calcolo verificabile come infrastruttura di base invece che come funzionalita sperimentale riservata a pochi progetti all’avanguardia.

Domande frequenti

Che cos’e il calcolo verificabile in parole semplici?

Il calcolo verificabile e un modo per dimostrare che un computer, spesso un’intelligenza artificiale, ha eseguito davvero il calcolo che dichiara di aver eseguito, senza che chi riceve il risultato debba rifare da capo l’intero calcolo per controllarlo. Invece di doversi fidare di chi ha svolto il lavoro, si verifica una prova, molto piu economica da controllare rispetto al calcolo originale.

Qual e la differenza tra calcolo verificabile e calcolo decentralizzato?

Il calcolo decentralizzato, come quello offerto dalle reti che affittano GPU distribuite tra piu operatori, risolve il problema di dove viene eseguito un calcolo e di chi lo fornisce. Il calcolo verificabile risolve un problema diverso, cioe come dimostrare che quel calcolo e stato eseguito correttamente. Una rete puo essere molto decentralizzata e non offrire comunque alcuna garanzia di verificabilita sul singolo calcolo svolto.

In che cosa si differenziano zkML e TEE?

Lo zkML usa prove matematiche a conoscenza zero per dimostrare in modo crittografico che un calcolo e corretto, senza dover fidarsi di nessuno, ma con un costo computazionale che oggi lo rende poco pratico sui modelli piu grandi. I Trusted Execution Environment usano invece un’area protetta del processore che produce un’attestazione hardware: sono molto piu veloci ed economici da usare, ma richiedono di fidarsi del produttore del chip.

ERC-8004 serve solo agli sviluppatori o riguarda anche chi investe in crypto?

ERC-8004 e tecnicamente uno standard per sviluppatori, ma le sue implicazioni riguardano anche chi investe: definisce come gli agenti AI autonomi, che gia oggi possono detenere portafogli e firmare transazioni, costruiscono reputazione e, in prospettiva, dimostrano l’affidabilita dei propri calcoli. Piu agenti operano secondo questo standard, piu cresce la domanda per l’infrastruttura di calcolo verificabile che rende quella reputazione credibile agli occhi di altri agenti e utenti.

Quali sono i rischi principali legati ai progetti di calcolo verificabile oggi?

I rischi principali sono tecnici ed economici insieme: lo zkML fatica ancora sui modelli grandi, i TEE dipendono da un singolo fornitore hardware, l’opML introduce latenza, e i modelli crypto-economici offrono garanzie probabilistiche, non assolute. A questo si aggiunge un rischio piu finanziario, tipico dei token a piccola capitalizzazione: alcuni progetti hanno ancora la maggior parte della propria offerta di token bloccata in vesting, con sblocchi futuri che possono pesare sul prezzo indipendentemente dai progressi tecnologici sottostanti.

Articolo a cura della redazione ai-crypto di HOGE Wire.