Nel primo trimestre del 2026 CoreWeave, il fornitore di capacit\u00e0 GPU su cui si appoggia gran parte dei laboratori AI occidentali, ha chiuso con un fatturato di 2,078 miliardi di dollari, in crescita del 112% su base annua, e un portafoglio ordini arrivato a quasi 100 miliardi di dollari, quasi quattro volte quello di dodici mesi prima. Durante la call trimestrale con gli analisti<\/a>, il CEO Michael Intrator ha riassunto cos\u00ec il problema del settore: \u00abIl vincolo nell’AI non \u00e8 pi\u00f9 se le aziende e i laboratori vogliono adottarla. \u00c8 quanto velocemente si possa consegnare capacit\u00e0 cloud AI affidabile e ad alte prestazioni.\u00bb<\/p> \u00c8 la fotografia di un mercato dominato da poche aziende con capitale sufficiente a prenotare centinaia di migliaia di GPU Nvidia con anni di anticipo. Da tempo una parte della crypto scommette su un modello alternativo: reti dove chiunque abbia una GPU inutilizzata, da un data center dismesso a un PC da gaming, pu\u00f2 affittarla a chi deve far girare un modello, con un token a coordinare domanda e offerta. Anche sommando tutte le categorie AI-crypto tracciate dagli aggregatori di mercato, dagli agenti autonomi ai marketplace di calcolo, il settore resta piccolo se confrontato con la spesa in infrastruttura dei singoli hyperscaler.<\/p> La domanda utile nel 2026, per\u00f2, non \u00e8 pi\u00f9 se questa infrastruttura funzioni tecnicamente, bens\u00ec chi la sta effettivamente pagando. E la risposta che emerge dai dati non \u00e8 lo sviluppatore che confronta i prezzi su una dashboard: \u00e8, sempre pi\u00f9 spesso, un software autonomo che non ha mai avuto una carta di credito. In questo approfondimento ricostruiamo le principali reti di inferenza decentralizzata attive a fine luglio 2026, i loro numeri pi\u00f9 recenti e, soprattutto, chi le sta usando davvero.<\/p> Addestrare un modello linguistico di grandi dimensioni richiede migliaia di GPU sincronizzate sulla stessa rete ad altissima velocit\u00e0 per settimane o mesi: un compito che tollera pochissimo la latenza o l’eterogeneit\u00e0 dell’hardware, e per questo resta appannaggio di pochi cluster centralizzati, o di protocolli specializzati come Gensyn, pensati apposta per il training distribuito. L’inferenza, cio\u00e8 l’esecuzione del modello gi\u00e0 addestrato per rispondere a un prompt, \u00e8 un problema diverso: ogni richiesta \u00e8 indipendente dalle altre, non serve sincronizzare migliaia di chip, e un singolo server con una manciata di GPU pu\u00f2 servire utenti in tutto il mondo.<\/p> Questa asimmetria \u00e8 la ragione strutturale per cui l’inferenza, non il training, \u00e8 il segmento in cui le reti decentralizzate hanno probabilit\u00e0 realistiche di ritagliarsi uno spazio. Su Render Network, per fare un esempio concreto, i carichi di lavoro legati all’AI sono passati da meno del 10% dell’attivit\u00e0 della rete nel 2024 al 35-40% nel 2026, proprio perch\u00e9 l’inferenza non richiede i cluster sincronizzati e massicci di cui invece ha bisogno il training.<\/p> Nel 2026 \u00abinferenza decentralizzata\u00bb \u00e8 un’etichetta che copre almeno tre architetture diverse, spesso confuse tra loro nelle conversazioni superficiali:<\/p> Confonderle porta a conclusioni sbagliate: paragonare il prezzo per ora di una GPU su Akash al costo di una subnet su Bittensor \u00e8 come paragonare il prezzo di un server AWS a quello di un abbonamento a un modello gi\u00e0 ottimizzato. Nelle prossime sezioni le trattiamo separatamente prima di arrivare alla domanda pi\u00f9 interessante: chi le sta comprando davvero.<\/p> Bittensor, lanciato nel 2019 da Jacob Steeves e Ala Shaabana, organizza la rete in oltre 100 subnet indipendenti, ciascuna dedicata a un compito specifico: generazione di testo, generazione di immagini, storage decentralizzato e altro ancora. All’interno di ogni subnet i miner producono output, i validatori li valutano con il cosiddetto consenso di Yuma e la ricompensa in token viene distribuita in base al punteggio ottenuto, non al tempo di calcolo impiegato. Il modello dTAO consente inoltre a ogni subnet di avere un proprio sottotoken (chiamato \u00abalpha\u00bb) il cui prezzo riflette la domanda specifica per quel servizio.<\/p> Per l’inferenza in particolare, le subnet pi\u00f9 rilevanti sono Chutes, dedicata all’inferenza serverless, e Targon, gestita da Manifold Labs. A fine luglio 2026 TAO, il token della rete, tratta intorno a 167,59 euro<\/a>, per una capitalizzazione di circa 1,61 miliardi di euro e la 42\u00aa posizione per capitalizzazione tra tutti gli asset digitali tracciati, in calo di circa il 6,7% nell’ultimo mese. Sull’architettura delle subnet e sulla governance della rete abbiamo scritto un approfondimento dedicato<\/a>, utile per chi vuole entrare pi\u00f9 nel dettaglio del funzionamento tecnico.<\/p> Akash Network, fondata nel 2018 da Greg Osuri e Adam Bozanich, funziona con un’asta inversa: chi vuole calcolo scrive un manifesto tecnico (SDL) con i requisiti, i provider fanno offerte al ribasso, il tenant sceglie senza essere obbligato a prendere l’offerta pi\u00f9 economica. Il marketplace GPU \u00e8 arrivato con l’aggiornamento Supercloud nell’agosto 2023, e AkashML, il layer di inferenza gestita della rete, ospita oggi modelli aperti come Llama 3.3 e DeepSeek V3. A fine luglio 2026 AKT tratta intorno a 0,38 euro<\/a>, per una capitalizzazione di circa 112 milioni di euro, in calo di oltre il 27% nell’ultimo mese.<\/p> Render Network \u00e8 il progetto pi\u00f9 anziano del gruppo: nasce nel 2008 come OTOY, l’azienda di Jules Urbach dietro il motore di rendering GPU OctaneRender lanciato nel 2012, prima di estendersi al rendering distribuito su blockchain e poi all’inferenza AI vera e propria. Il token RENDER, migrato quasi interamente da Ethereum a Solana, capitalizza oggi circa 616 milioni di euro<\/a>, con il prezzo intorno a 1,19 euro. io.net, costruita su Solana e fondata da Ahmad Shadid, aggrega invece GPU da data center, ex miner di criptovalute e cluster consumer, un’idea nata dalle esigenze di calcolo del trading quantitativo del suo fondatore; il token IO capitalizza circa 47,5 milioni di euro<\/a>. Nosana, anch’essa su Solana, punta su sviluppatori indipendenti che cercano inferenza a basso costo, con NOS intorno ai 23 milioni di euro di capitalizzazione.<\/p> Akash \u00e8 anche al centro della notizia pi\u00f9 importante del 2026 per questo gruppo di reti: l’addio alla propria chain Cosmos, mai realmente ospitata su Cosmos Hub, in favore di un modello di sicurezza condivisa ancora da scegliere tra una quindicina di chain candidate, Solana inclusa. La motivazione tecnica \u00e8 precisa: ad aprile 2026 Cosmos SDK ha cambiato la licenza del proprio modulo Enterprise da Apache-2.0 a una licenza che vieta l’uso commerciale senza un accordo separato, una mossa che Osuri ha definito \u00abostile\u00bb su X<\/a>. Ne abbiamo ricostruito i dettagli, inclusa la proposta di governance AEP-79, in un articolo dedicato<\/a>.<\/p>Inferenza decentralizzata, in breve: cosa cambia rispetto al training<\/h2>
Le tre famiglie di reti (e perch\u00e9 non sono la stessa cosa)<\/h2>
Bittensor e il consenso di Yuma: pagare la qualit\u00e0, non l’ora di GPU<\/h2>
I marketplace GPU: Akash, io.net, Render e Nosana<\/h2>