Render \u00e8 una delle poche reti cripto che risolve un problema tangibile: affittare potenza di calcolo delle schede grafiche (GPU) senza passare da un unico fornitore centralizzato. \u00c8 nata per un lavoro molto specifico, renderizzare grafica 3D ed effetti visivi per cinema, pubblicit\u00e0 e videogiochi, ma nel 2026 la sua natura \u00e8 cambiata sotto la spinta di una domanda inattesa: quella di calcolo per l’intelligenza artificiale.<\/p>
Il segnale \u00e8 arrivato dai numeri della rete stessa. Per la prima volta dal 2018 la disponibilit\u00e0 di GPU \u00e8 diventata negativa, cio\u00e8 la domanda ha superato ogni scheda che i nodi potessero mettere a disposizione, e questo nonostante l’aggiunta di circa 60.000 GPU in sei mesi in 180 paesi, secondo Crypto Briefing<\/a>. I lavori legati all’AI, che nel 2024 pesavano meno del 10% dell’attivit\u00e0, oggi valgono il 35-40%.<\/p> Questo articolo spiega come funziona Render, cosa fa davvero il token RENDER, perch\u00e9 il calcolo per l’AI ne sta ridisegnando l’economia e quali rischi restano sul tavolo. Per il racconto puntuale della carenza di GPU e della meccanica del token dal lato dell’offerta rimandiamo alla nostra analisi dedicata alla rete e al token RENDER<\/a>. Al momento in cui scriviamo RENDER vale 1,078 euro, con una capitalizzazione di circa 559 milioni di euro, secondo CoinGecko<\/a>.<\/p> Per capire Render bisogna partire dall’azienda che l’ha creata, OTOY, fondata nel 2008 e guidata da Jules Urbach. OTOY sviluppa OctaneRender, un motore di rendering basato su GPU (path tracing) lanciato nel 2012 e usato dentro software come Cinema 4D, Blender e Unreal Engine. Il rendering fotorealistico \u00e8 un lavoro affamato di calcolo: una singola scena complessa pu\u00f2 tenere occupata una scheda grafica di fascia alta per ore, e uno studio che deve consegnare un cortometraggio o uno spot ha bisogno di decine o centinaia di GPU per poche settimane, non tutto l’anno.<\/p> Da qui l’intuizione alla base di Render: invece di comprare hardware che poi resta inutilizzato, o di affittarlo a caro prezzo dal cloud tradizionale, mettere in contatto chi ha GPU ferme con chi ha lavori da eseguire. Il token, originariamente RNDR su Ethereum, serviva a regolare i pagamenti e a coordinare la rete. Nel tempo il progetto \u00e8 passato sotto la Render Network Foundation, con OTOY nel ruolo di principale contributore tecnologico.<\/p> La stessa infrastruttura che serviva a produrre pixel, per\u00f2, \u00e8 fatta di GPU: esattamente lo stesso hardware che oggi addestra e fa girare i modelli di AI generativa. \u00c8 questa sovrapposizione fisica ad aver reso naturale, e poi quasi inevitabile, la trasformazione della rete in un mercato di calcolo per l’intelligenza artificiale. Render non ha dovuto reinventarsi da zero: le \u00e8 bastato aprire a un tipo di lavoro diverso sulla stessa base tecnica.<\/p> Sul lato dell’offerta ci sono i node operator: persone e aziende che collegano le proprie GPU alla rete e ne mettono a disposizione i cicli di calcolo. Sul lato della domanda ci sono i creator (artisti, studi, sviluppatori) che inviano un job, cio\u00e8 un lavoro di rendering o, sempre pi\u00f9 spesso, un carico di inferenza AI. La rete assegna il lavoro, lo esegue in modo distribuito e restituisce il risultato al committente.<\/p> Il meccanismo che tiene insieme il tutto si chiama Proof-of-Render: un sistema di validazione che verifica che il lavoro sia stato eseguito correttamente prima di liberare il pagamento e ricompensare il nodo. \u00c8 un dettaglio tecnico che diventa strategico nell’era dell’AI, perch\u00e9 la stessa logica di verifica del risultato pu\u00f2 essere estesa alla tracciabilit\u00e0 di come, e da chi, \u00e8 stato prodotto un contenuto generato dall’intelligenza artificiale. Qui torna utile il confronto con il tema pi\u00f9 ampio della verifica del calcolo, che abbiamo affrontato parlando di costi e fiducia nell’inferenza decentralizzata<\/a>.<\/p> Per dare un’idea della scala, la piattaforma conta circa 5.600 nodi GPU attivi e ha superato i 68 milioni di fotogrammi renderizzati in modo cumulato, secondo i dati aggregati da Messari<\/a>. Non \u00e8 un supercomputer unico, ma una costellazione di schede sparse per il mondo che lavorano in parallelo: un modello pi\u00f9 fragile sui singoli lavori ma potenzialmente enorme sull’aggregato.<\/p> Un esempio concreto aiuta. Uno studio di animazione che deve renderizzare una sequenza invia il progetto alla rete; il lavoro viene spezzato e distribuito su molte GPU che elaborano fotogrammi diversi in parallelo, poi i risultati vengono ricomposti e validati prima di liberare il pagamento. Lo stesso schema vale per un carico di inferenza AI: invece di fotogrammi, le GPU restituiscono immagini o spezzoni di video generati da un modello. Cambia il contenuto del lavoro, non l’architettura che lo smista.<\/p> Il fatto pi\u00f9 importante dell’anno \u00e8 che la rete \u00e8 rimasta senza capacit\u00e0. Nel corso del 2026, per la prima volta dal 2018, Render ha registrato una disponibilit\u00e0 di GPU negativa: ogni scheda aggiunta veniva assorbita quasi subito da nuovi lavori. Secondo Crypto Briefing<\/a>, la rete ha integrato circa 60.000 nuove GPU in 180 paesi nel giro di sei mesi, e tutte sono state utilizzate quasi immediatamente.<\/p> A spingere \u00e8 stata l’AI. La quota di attivit\u00e0 legata a carichi di intelligenza artificiale \u00e8 passata da meno del 10% nel 2024 al 35-40% nel 2026, e i token bruciati (una misura diretta di quanto calcolo viene effettivamente acquistato) sono cresciuti del 279% su base annua. In un mercato dove le grandi GPU restano scarse e costose, una rete capace di aggregare capacit\u00e0 ovunque nel mondo diventa improvvisamente preziosa.<\/p>Le origini: OTOY, OctaneRender e il problema del rendering<\/h2>
Come funziona la rete: nodi, job e Proof-of-Render<\/h2>
La svolta del 2026: la domanda di GPU diventa negativa<\/h2>