{"id":265,"date":"2026-08-09T22:34:06","date_gmt":"2026-08-09T22:34:06","guid":{"rendered":"https:\/\/hoge.gg\/it\/render-network-2026-gpu-token-render-ai\/"},"modified":"2026-08-09T22:34:06","modified_gmt":"2026-08-09T22:34:06","slug":"render-network-2026-gpu-token-render-ai","status":"publish","type":"post","link":"https:\/\/hoge.gg\/it\/render-network-2026-gpu-token-render-ai\/","title":{"rendered":"Render Network 2026: GPU decentralizzate e il token RENDER"},"content":{"rendered":"

Nel 2026 Render Network \u00e8 tornata al centro delle conversazioni su crypto e intelligenza artificiale per un motivo tanto semplice quanto insolito: la rete ha esaurito le GPU. Per la prima volta dal 2018 la domanda di potenza di calcolo ha superato l’offerta disponibile, un evento che secondo Crypto Briefing<\/a> ha visto ogni nuova scheda grafica assegnata a un lavoro quasi nel momento stesso in cui entrava in rete. \u00c8 un dettaglio tecnico che racconta bene una trasformazione pi\u00f9 grande: un progetto nato per il rendering grafico in 3D si \u00e8 convertito in uno dei principali mercati decentralizzati di calcolo per l’AI.<\/p>

Questa guida spiega che cos’\u00e8 Render Network, come funziona il token RENDER, perch\u00e9 la sua tokenomics burn-and-mint \u00e8 diversa da quella di quasi tutte le altre crypto, come \u00e8 avvenuto il passaggio dal rendering all’inferenza AI e quali sono i rischi. Tutti i prezzi sono in euro e il quadro normativo \u00e8 quello europeo, con i riferimenti a Consob e Banca d’Italia dove serve. Al momento della scrittura il token RENDER vale circa 1,15 euro, con una capitalizzazione intorno ai 599 milioni di euro secondo CoinGecko<\/a>.<\/p>

Che cos’\u00e8 Render Network e perch\u00e9 se ne parla nel 2026<\/h2>

Render Network \u00e8 un mercato decentralizzato di GPU: mette in contatto chi ha bisogno di potenza di calcolo grafico (studi di animazione, artisti 3D, oggi anche aziende che generano immagini e video con l’AI) con chi possiede schede grafiche inutilizzate e vuole monetizzarle. Invece di affittare server da un unico fornitore cloud, un cliente distribuisce il lavoro su una rete globale di nodi indipendenti che eseguono il rendering o l’inferenza e vengono pagati in token RENDER.<\/p>

Il progetto nasce dall’esperienza di OTOY, azienda fondata nel 2008 da Jules Urbach e nota per OctaneRender, un motore di rendering GPU basato sul path tracing usato dentro software come Cinema 4D, Blender e Unreal Engine. L’idea alla base di Render \u00e8 semplice: il rendering fotorealistico richiede enormi quantit\u00e0 di calcolo parallelo, esattamente il tipo di lavoro che le GPU fanno bene, e nel mondo esistono milioni di schede grafiche ferme la maggior parte del tempo. Coordinare quella capacit\u00e0 inattiva tramite una blockchain permette di offrire prezzi molto inferiori a quelli del cloud tradizionale.<\/p>

La scala accumulata negli anni non \u00e8 banale. Secondo Disruption Banking<\/a>, la rete ha completato oltre 68 milioni di frame nel suo storico (68.281.673 per la precisione a inizio 2026), con il solo 2025 responsabile di circa un terzo di tutti i frame mai renderizzati. \u00c8 questa base tecnica, e non un’ondata di hype improvvisa, ad aver reso Render uno dei progetti DePIN (Decentralized Physical Infrastructure Networks) pi\u00f9 citati del ciclo.<\/p>

Da RNDR a RENDER: la migrazione a Solana e l’addio a Polygon<\/h2>

Chi segue il progetto da tempo ricorder\u00e0 il ticker originale, RNDR, lanciato come token ERC-20 su Ethereum. La storia del token \u00e8 anche una piccola storia della storia delle blockchain: pensato per Ethereum, appoggiato per un periodo a Polygon per abbattere le commissioni, e infine migrato su Solana con il nuovo ticker RENDER (uno standard SPL). Lo swap \u00e8 stato pensato come 1:1, cio\u00e8 un vecchio RNDR corrisponde a un nuovo RENDER, e nel 2026 la quasi totalit\u00e0 dell’offerta ha completato la transizione; la parte residua \u00e8 per lo pi\u00f9 in cold storage inattivo.<\/p>

Il capitolo pi\u00f9 delicato riguarda proprio Polygon. Secondo la scheda di CoinGecko<\/a>, il team ha annunciato la deprecazione del vecchio contratto RNDR su Polygon il 18 luglio 2025, dopo un accesso non autorizzato al contratto stesso. \u00c8 un episodio che vale la pena conoscere per due ragioni: primo, perch\u00e9 ricorda che la sicurezza dei ponti e dei contratti tra catene diverse resta uno dei punti pi\u00f9 fragili dell’ecosistema; secondo, perch\u00e9 la scelta di consolidare tutto su Solana risponde anche a una logica di riduzione della superficie di attacco, oltre che di velocit\u00e0 e costi. La migrazione ha reso Render, per numero di nodi GPU attivi, il pi\u00f9 grande progetto DePIN su Solana.<\/p>

Il tema della sicurezza multi-catena resta uno dei nodi pi\u00f9 delicati dell’ecosistema: capire come le reti ereditano (o non ereditano) le garanzie della catena base \u00e8 una domanda tuttora aperta. La differenza, nel caso di Render, \u00e8 che non si tratta di una blockchain a s\u00e9: \u00e8 un protocollo applicativo che vive su Solana e usa la catena per registrare pagamenti, burn ed emissioni.<\/p>

Come funziona la rete: nodi, job e Proof-of-Render<\/h2>

Il flusso operativo \u00e8 pi\u00f9 intuitivo di quanto sembri. Un cliente (chiamato creator) invia un lavoro (un job) specificando la scena da renderizzare o il modello AI da eseguire. La rete assegna il job a uno o pi\u00f9 node operator, cio\u00e8 i possessori di GPU che hanno messo a disposizione le loro schede. Al termine, il risultato viene restituito al cliente e il pagamento in RENDER viene regolato on-chain.<\/p>

Il pezzo che tiene insieme il sistema \u00e8 il meccanismo di validazione, storicamente chiamato Proof-of-Render. Serve a garantire che un nodo abbia davvero eseguito il lavoro richiesto e prodotto un output corretto, senza che il cliente debba fidarsi ciecamente di uno sconosciuto dall’altra parte del mondo. Nel tempo Render ha esteso questa logica anche verso la provenienza e i diritti sui contenuti generati, un aspetto che diventa cruciale quando il calcolo non serve pi\u00f9 solo a disegnare un fotogramma ma a produrre immagini e video con l’AI. La documentazione tecnica e le regole della rete sono raccolte nella knowledge base ufficiale<\/a>.<\/p>

I nodi non sono tutti uguali: la rete assegna livelli e priorit\u00e0 in base ad affidabilit\u00e0, disponibilit\u00e0 e potenza dell’hardware. Questo sistema a livelli \u00e8 importante perch\u00e9 determina quali job vanno a quali GPU, e perch\u00e9 ha aperto la strada, nel 2026, all’ingresso di hardware professionale accanto alle schede da gaming dei singoli utenti.<\/p>

Per un node operator la convenienza dipende da tre fattori: il costo dell’energia elettrica, il prezzo di mercato del token ricevuto come ricompensa e il tasso di utilizzo della propria scheda. In un periodo di forte domanda come quello del 2026, con code di lavori in attesa, l’utilizzo tende al massimo e la remunerazione migliora; nei periodi di calma, invece, una GPU pu\u00f2 restare ferma e la ricompensa in token, se il prezzo scende, non sempre copre la bolletta. \u00c8 lo stesso calcolo che affrontano i miner di criptovalute, con la differenza che qui il lavoro utile \u00e8 il rendering o l’inferenza, non la risoluzione di un puzzle crittografico.<\/p>

Burn and Mint Equilibrium: la tokenomics spiegata<\/h2>

Qui sta la parte che rende RENDER diverso dalla maggior parte dei token. Il modello si chiama Burn and Mint Equilibrium (BME) e funziona cos\u00ec: i lavori vengono quotati in valuta fiat (per esempio in dollari o euro), non in token. Al momento del pagamento, l’importo viene convertito in RENDER e quei token vengono bruciati (burn), cio\u00e8 distrutti in modo permanente, al netto di una commissione di rete intorno al 5%. In parallelo, i node operator ricevono RENDER di nuova emissione (mint) come ricompensa per il lavoro svolto.<\/p>

La conseguenza \u00e8 controintuitiva ma elegante: pi\u00f9 la rete viene usata, pi\u00f9 token vengono bruciati. La domanda di calcolo si traduce direttamente in pressione deflazionistica sull’offerta, mentre l’emissione ricompensa chi fornisce la capacit\u00e0. Il prezzo del servizio resta stabile per il cliente (\u00e8 ancorato al fiat), ma il numero di token distrutti sale con l’attivit\u00e0. Non a caso i burn sono diventati l’indicatore pi\u00f9 seguito della salute economica della rete: nel 2026, con l’esplosione dei carichi AI, sono cresciuti del 279% su base annua secondo Crypto Briefing<\/a>.<\/p>

Fase<\/th>Cosa succede<\/th><\/tr><\/thead>
1. Quotazione<\/td>Il job viene prezzato in valuta fiat, non in token, per proteggere il cliente dalla volatilit\u00e0<\/td><\/tr>
2. Pagamento<\/td>L’importo fiat viene convertito in RENDER al momento del saldo<\/td><\/tr>
3. Burn<\/td>I RENDER pagati vengono bruciati, meno una commissione di rete di circa il 5%<\/td><\/tr>
4. Mint<\/td>Nuovi RENDER vengono emessi come ricompensa e distribuiti ai node operator in base all’attivit\u00e0<\/td><\/tr>
5. Equilibrio<\/td>Se la domanda cresce, i burn superano l’emissione e l’offerta netta tende a scendere<\/td><\/tr><\/tbody><\/table><\/figure>

Attenzione a una sfumatura: BME non garantisce di per s\u00e9 la deflazione. L’emissione segue uno schema decrescente ma esiste, e nei periodi di bassa attivit\u00e0 pu\u00f2 superare i burn, aumentando l’offerta netta. Il valore del token, in altre parole, dipende dall’uso reale della rete e non da una promessa scritta nel codice. \u00c8 una differenza importante rispetto ai token puramente inflazionistici o a offerta fissa.<\/p>

La governance RNP: come si decide su Render<\/h2>

Le regole di Render non le cambia un’azienda a porte chiuse, ma un processo di governance pubblico chiamato Render Network Proposal (RNP), gestito attraverso un repository aperto su GitHub<\/a>. Ogni modifica sostanziale, dall’aggiunta di nuovo hardware alla ricalibrazione delle emissioni, passa da una proposta numerata, un periodo di discussione e un voto della comunit\u00e0 dei possessori di token.<\/p>

Questo modello ricorda, nella filosofia, altri esperimenti di coordinamento decentralizzato nel mondo AI-crypto, come le subnet di Bittensor<\/a>, anche se l’architettura \u00e8 completamente diversa: Render \u00e8 un mercato di rendering e calcolo, non una rete di modelli in competizione. La tabella seguente riassume alcune delle proposte che hanno plasmato la rete.<\/p>

Proposta<\/th>Oggetto<\/th>Stato<\/th><\/tr><\/thead>
RNP-001<\/td>Formalizzazione del modello Burn and Mint Equilibrium<\/td>Adottata<\/td><\/tr>
RNP-019<\/td>Base per l’espansione della Compute Subnet verso i carichi AI<\/td>Adottata<\/td><\/tr>
RNP-021<\/td>Ingresso delle GPU enterprise (NVIDIA H100\/H200, AMD MI300)<\/td>Implementata<\/td><\/tr>
RNP-023<\/td>Integrazione della rete di GPU inattive di Salad Technologies<\/td>Approvata<\/td><\/tr><\/tbody><\/table><\/figure>

La governance non \u00e8 solo formale. \u00c8 stata proprio una sequenza di proposte, dall’apertura ai carichi AI fino all’ingresso dell’hardware professionale, a rendere possibile la trasformazione della rete che ha caratterizzato il 2026.<\/p>

Dal 3D all’inferenza AI: il grande pivot del 2026<\/h2>

Per anni Render \u00e8 stata sinonimo di rendering cinematografico: animazioni, effetti visivi, visualizzazioni architettoniche. Nel 2026 la composizione dei carichi \u00e8 cambiata radicalmente. Secondo Crypto Briefing<\/a>, i lavori di intelligenza artificiale sono passati da meno del 10% dell’attivit\u00e0 di rete nel 2024 al 35-40% nel 2026. Non \u00e8 un dettaglio: \u00e8 il baricentro del progetto che si sposta.<\/p>

C’\u00e8 una ragione tecnica precisa per cui questo spostamento ha senso per una rete decentralizzata, ed \u00e8 la distinzione tra addestramento (training) e inferenza (inference). Addestrare un grande modello richiede migliaia di GPU strettamente interconnesse che lavorano in modo sincrono, con interconnessioni a bassissima latenza: \u00e8 un lavoro che favorisce i data center centralizzati e mal si adatta a una rete distribuita nel mondo. L’inferenza, cio\u00e8 far girare un modello gi\u00e0 addestrato per generare un’immagine, un video o una risposta, si spezza invece in tanti compiti indipendenti che possono essere distribuiti su GPU sparse geograficamente senza penalit\u00e0 significative. \u00c8 esattamente il terreno dove una rete come Render pu\u00f2 competere sul prezzo con il cloud.<\/p>

La domanda di inferenza, a sua volta, \u00e8 alimentata da un’ondata di applicazioni AI che consumano calcolo in continuazione: dalla generazione di contenuti fino agli agenti autonomi che operano sui mercati, un fenomeno che abbiamo raccontato analizzando gli agenti AI sui mercati predittivi<\/a>. Ogni volta che uno di questi sistemi produce un output, da qualche parte una GPU sta lavorando. Reti come Render puntano a essere quella GPU.<\/p>

Dispersed: la piattaforma di compute AI di Render<\/h2>

Il pivot ha un volto commerciale preciso: Dispersed, la piattaforma dedicata al calcolo AI presentata al Solana Breakpoint 2025 nel dicembre di quell’anno. Se il rendering 3D classico resta il cuore storico, Dispersed \u00e8 il marchio con cui Render offre inferenza e calcolo generico agli sviluppatori, con la possibilit\u00e0 di far girare modelli su GPU come le NVIDIA H200 e le AMD MI300X, secondo il resoconto di Solana Compass<\/a>.<\/p>

Sul piano economico, Dispersed \u00e8 integrato nella logica BME: gran parte dei pagamenti si traduce in burn di token, cos\u00ec che l’uso della piattaforma alimenti direttamente la meccanica deflazionistica della rete. La ricerca di Messari<\/a> segnala che il ventaglio prodotti si sta allargando oltre il rendering, con la Compute Subnet a supportare inferenza, training e calcolo generico grazie a integrazioni con clienti come Jember, Scrypted e Intelligent Internet. Un esempio di prezzo citato per l’esecuzione dei carichi si aggira intorno a 0,69 dollari (poco pi\u00f9 di 0,60 euro) per GPU-ora, una cifra che spiega perch\u00e9 il calcolo decentralizzato viene spesso descritto come molto pi\u00f9 economico dei provider cloud tradizionali.<\/p>

La sfida della verificabilit\u00e0 del calcolo, cio\u00e8 come garantire che un nodo remoto abbia davvero eseguito il modello richiesto e non abbia barato, \u00e8 la stessa che affrontano progetti AI-native come Ritual<\/a>. Render la risolve estendendo il suo Proof-of-Render, ma \u00e8 un problema aperto e centrale per l’intero settore.<\/p>

La crisi delle GPU del 2026: quando la domanda supera l’offerta<\/h2>

Arriviamo alla notizia che ha riportato Render sotto i riflettori. Nel secondo trimestre del 2026 la rete ha registrato un’offerta netta di GPU negativa: la domanda di calcolo ha superato la capacit\u00e0 disponibile per la prima volta dal 2018. Non \u00e8 un dettaglio da poco per un mercato la cui promessa \u00e8 proprio abbondanza e sottoutilizzo: significa che la crescita della domanda AI ha saturato l’infrastruttura pi\u00f9 velocemente di quanto quest’ultima riuscisse a espandersi.<\/p>

I numeri raccontano lo sforzo di scalare. Secondo Crypto Briefing<\/a>, nei sei mesi precedenti la rete aveva integrato circa 60.000 nuove GPU distribuite in 180 Paesi, eppure ogni scheda veniva impegnata quasi immediatamente. La rete conta oggi all’incirca 5.600 nodi GPU attivi che gestiscono sia rendering sia calcolo AI, e i burn di token sono cresciuti del 279% anno su anno, il segnale pi\u00f9 chiaro che dietro la scarsit\u00e0 c’\u00e8 uso reale e non speculazione. Buona parte della nuova capacit\u00e0 \u00e8 arrivata da governance dedicate come la RNP-023, che ha portato on-chain la rete di GPU inattive di Salad Technologies, un servizio nato per monetizzare le schede grafiche dei gamer nei momenti di inattivit\u00e0.<\/p>

Perch\u00e9 la scarsit\u00e0 \u00e8, paradossalmente, una buona notizia per il progetto? Perch\u00e9 conferma la tesi di fondo: esiste una domanda strutturale di calcolo al di fuori dei grandi data center, e una rete decentralizzata pu\u00f2 intercettarla. Ma \u00e8 anche un campanello d’allarme sul piano dell’esecuzione: se la rete non riesce a espandere l’offerta abbastanza in fretta, i clienti si rivolgono altrove e il vantaggio di prezzo evapora. Il Render Foundation Monthly Report di marzo 2026<\/a> documenta proprio questa corsa a bilanciare capacit\u00e0 e richieste.<\/p>

RNP-021 e le GPU enterprise: H100, H200 e MI300 sulla rete<\/h2>

La risposta alla scarsit\u00e0 \u00e8 passata soprattutto da una proposta di governance: la RNP-021. Fino ad allora la rete era pensata attorno a schede consumer, cio\u00e8 GPU da gaming di alta gamma. Con la RNP-021, creata il 4 novembre 2025 e poi implementata, Render ha aperto le porte all’hardware professionale da data center, capace di gestire i carichi AI pi\u00f9 pesanti. La proposta, consultabile per intero su GitHub<\/a>, estende la precedente RNP-019 e approva una lista precisa di acceleratori.<\/p>