{"id":515,"date":"2026-09-06T22:40:03","date_gmt":"2026-09-06T22:40:03","guid":{"rendered":"https:\/\/hoge.gg\/it\/inferenza-decentralizzata-token-cattura-valore-2026\/"},"modified":"2026-09-06T22:40:03","modified_gmt":"2026-09-06T22:40:03","slug":"inferenza-decentralizzata-token-cattura-valore-2026","status":"publish","type":"post","link":"https:\/\/hoge.gg\/it\/inferenza-decentralizzata-token-cattura-valore-2026\/","title":{"rendered":"Inferenza decentralizzata 2026: il token cattura il valore?"},"content":{"rendered":"

Le reti di inferenza decentralizzata vivono un paradosso che nell’autunno del 2026 \u00e8 diventato impossibile da ignorare. I numeri di utilizzo non sono mai stati cos\u00ec 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 \u00e8 la misura del successo, questo dovrebbe essere il momento migliore di sempre per il settore.<\/p>

Eppure i token che dovrebbero rappresentare quel successo raccontano una storia opposta. Al 6 settembre 2026, secondo CoinGecko<\/a>, TAO di Bittensor vale circa 226 euro, il 68% sotto il massimo storico; RENDER quota 1,33 euro (gi\u00f9 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.<\/p>

Questo scarto tra uso e prezzo \u00e8 la domanda vera che pochi articoli affrontano di petto: quando una rete di inferenza decentralizzata genera valore reale, quel valore finisce nel token? Abbiamo gi\u00e0 spiegato come funziona la tecnologia, quanto costa e come integrarla; qui ci concentriamo sull’unica domanda che conta per chi detiene i token, cio\u00e8 chi incassa. La risposta breve \u00e8: in parte, e quasi sempre meno di quanto il prezzo lasci intendere.<\/p>

Il paradosso del 2026: l’uso sale, i prezzi scendono<\/h2>

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 \u00e8 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.<\/p>

La tabella seguente mette a confronto i quattro token pi\u00f9 rappresentativi con i rispettivi segnali d’uso.<\/p>

Token<\/th>Prezzo<\/th>Cap. di mercato<\/th>Var. dal massimo<\/th>Segnale d’uso<\/th><\/tr><\/thead>
Bittensor (TAO)<\/td>226,51 \u20ac<\/td>~2,18 mld \u20ac<\/td>-68%<\/td>Chutes: oltre 160 mld token\/giorno (autodichiarati)<\/td><\/tr>
Render (RENDER)<\/td>1,33 \u20ac<\/td>~691 mln \u20ac<\/td>-89%<\/td>rendering e carichi AI su GPU (OTOY)<\/td><\/tr>
Akash (AKT)<\/td>0,48 \u20ac<\/td>~143 mln \u20ac<\/td>-93%<\/td>marketplace GPU con carichi AI reali<\/td><\/tr>
io.net (IO)<\/td>0,12 \u20ac<\/td>~47 mln \u20ac<\/td>-98%<\/td>record di oltre 4 mld di token AI\/giorno<\/td><\/tr><\/tbody><\/table>
Prezzi e capitalizzazioni: CoinGecko<\/a>, 6 settembre 2026. Dati d’uso comunicati dalle rispettive reti.<\/figcaption><\/figure>

Uno scarto cos\u00ec ampio ammette almeno tre spiegazioni, non mutualmente esclusive. La prima: il mercato \u00e8 irrazionale o semplicemente in anticipo, e prima o poi il prezzo raggiunger\u00e0 i fondamentali. La seconda: l’uso \u00e8 reale ma non si traduce in valore per il token, perch\u00e9 il modello economico non lo cattura. La terza, la pi\u00f9 scomoda: parte di quell’uso \u00e8 gonfiata, e i fondamentali sono pi\u00f9 deboli di quanto sembri. Nelle prossime sezioni le esaminiamo tutte e tre, partendo dai dati.<\/p>

Ripasso: che cosa vendono davvero queste reti<\/h2>

Prima di parlare di valore conviene ricordare che cosa vende, concretamente, una rete di inferenza decentralizzata. L’inferenza \u00e8 la fase in cui un modello gi\u00e0 addestrato produce un output: risponde a un prompt, genera un’immagine, classifica un testo. \u00c8 diversa dall’addestramento, che crea il modello ed \u00e8 molto pi\u00f9 intensivo. L’inferenza \u00e8 ripetitiva, sensibile alla latenza e, soprattutto, rappresenta la quota maggiore della spesa di calcolo AI nel tempo, perch\u00e9 un modello si addestra una volta e poi serve milioni di richieste.<\/p>

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 pi\u00f9 basso, resistenza alla censura e, in prospettiva, verificabilit\u00e0. Su quest’ultimo punto, la possibilit\u00e0 di dimostrare che un’inferenza \u00e8 stata eseguita davvero e correttamente, torneremo perch\u00e9 \u00e8 il cuore della questione del valore; per un quadro dedicato rimandiamo alla nostra analisi sul compute verificabile<\/a>.<\/p>

Da dove arriva l’offerta a basso costo \u00e8 parte della risposta. Molta della capacit\u00e0 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 capacit\u00e0 inattiva e rivenderla a chi fa inferenza. \u00c8 una tesi elegante, ma nasconde un problema che ritroveremo: capacit\u00e0 sparsa e non garantita significa affidabilit\u00e0 variabile, e quindi la necessit\u00e0 di sovradimensionare, il che erode proprio il vantaggio di costo.<\/p>

La domanda \u00e8 reale, ma il dato \u00e8 opaco<\/h2>

La domanda esiste, su questo pochi dubitano. Il problema \u00e8 come viene misurata. Il caso Chutes \u00e8 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.<\/p>

Quando per\u00f2 si confrontano quei dati con fonti indipendenti, il quadro cambia. Secondo l’analisi di Own Your Mind<\/a>, 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 pu\u00f2 essere una volta e mezzo o addirittura un ordine di grandezza superiore a quanto un osservatore esterno riesce a confermare.<\/p>

La ragione dello scarto \u00e8 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 \u00e8 dirimente: se l’uso in vetrina \u00e8 gonfiato, lo \u00e8 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.<\/p>

Lo sconto \u00e8 reale, ma \u00e8 sovvenzionato<\/h2>

Il secondo pilastro della narrazione rialzista \u00e8 il prezzo: l’inferenza decentralizzata costa molto meno del cloud tradizionale. Anche qui il dato \u00e8 vero solo a met\u00e0. Lo sconto esiste, ma spesso non nasce da un vantaggio di costo strutturale, bens\u00ec dalle emissioni del token che sovvenzionano la tariffa.<\/p>

Sempre secondo Own Your Mind<\/a>, 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 \u00e8 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 \u00e8 stato chiuso a marzo 2026: un segnale che il sussidio non era sostenibile.<\/p>

Uno sconto finanziato da emissioni inflazionistiche non \u00e8 un fossato competitivo: \u00e8 una voce di marketing. Compra volume oggi diluendo chi detiene il token, e non lascia un flusso di cassa duraturo. \u00c8 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.<\/p>

Due business sotto lo stesso ticker<\/h2>

Qui arriviamo al nodo. L’inferenza decentralizzata non \u00e8 un business solo: sono due, che condividono lo stesso ticker e vengono quasi sempre confusi.<\/p>

Il primo \u00e8 un business commodity: affittare capacit\u00e0 di calcolo e servire modelli aperti a basso prezzo. \u00c8 utile, ha una domanda reale, ma \u00e8 una corsa al ribasso senza potere di prezzo, perch\u00e9 un token generato da un modello Llama \u00e8 identico a prescindere da chi lo serve.<\/p>

Il secondo \u00e8 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. \u00c8 potenzialmente difendibile, perch\u00e9 \u00e8 qualcosa che AWS non pu\u00f2 vendere. Ma \u00e8 immaturo e, oggi, senza un compratore su larga scala.<\/p>

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 \u00e8 la fonte sia dell’entusiasmo sia dei crolli: si paga per un fossato che non c’\u00e8 ancora, e ci si ritrova con una commodity.<\/p>

Perch\u00e9 il layer commodity non trattiene valore<\/h2>

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 \u00e8 il prezzo. Sopra di loro si \u00e8 formato un layer di aggregatori e router (OpenRouter \u00e8 l’esempio pi\u00f9 noto) che instrada ogni richiesta al fornitore pi\u00f9 economico in quel momento. Per il provider sottostante questo significa perdere potere di prezzo: diventa intercambiabile, spinto verso margini vicini allo zero.<\/p>

A comprimere ulteriormente i margini ci pensano i concorrenti centralizzati specializzati (Lambda, RunPod, Vast e altri), che affittano GPU a tariffe gi\u00e0 aggressive, e l’andamento dei prezzi dell’hardware. Va aggiunto il problema dell’utilizzo: molte delle GPU \u00abregistrate\u00bb su queste reti restano inattive, e per garantire affidabilit\u00e0 occorre sovradimensionare la capacit\u00e0, il che aggiunge costi. Il risultato \u00e8 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.<\/p>

Il premio di fiducia: l’unico fossato difendibile<\/h2>

Se il layer commodity non trattiene valore, il valore difendibile deve stare altrove. Sta nella fiducia. L’unica cosa che una rete decentralizzata pu\u00f2 vendere e un hyperscaler no \u00e8 una garanzia verificabile: la prova che il modello per cui hai pagato \u00e8 davvero quello che ha girato, che non \u00e8 stato scambiato con uno pi\u00f9 piccolo per risparmiare, e (con l’hardware giusto) che i tuoi dati non sono mai stati esposti.<\/p>

Il rischio non \u00e8 teorico. La ricerca di Prime Intellect sul sistema di verifica TOPLOC parte da un’osservazione concreta: i fornitori, notano gli autori, \u00abapportano modifiche ai metodi di calcolo per ottimizzare costi, efficienza o specifici obiettivi commerciali\u00bb<\/a>, cio\u00e8 possono quantizzare o sostituire un modello senza che l’utente se ne accorga. Verificare serve proprio a questo. Gli approcci disponibili, per\u00f2, non sono equivalenti.<\/p>

Approccio<\/th>Come funziona<\/th>Costo\/overhead<\/th>Maturit\u00e0<\/th><\/tr><\/thead>
Nessuna verifica<\/td>ci si fida che il modello dichiarato sia quello eseguito<\/td>nullo<\/td>dominante oggi<\/td><\/tr>
TEE (enclave hardware)<\/td>esecuzione in un’enclave sigillata (es. Phala)<\/td>basso<\/td>in produzione, ma richiede fiducia nel produttore del chip<\/td><\/tr>
zkML (prove a conoscenza zero)<\/td>prova crittografica dell’inferenza<\/td>molto alto (centinaia di volte)<\/td>sperimentale<\/td><\/tr>
opML (ottimistico, con prove di frode)<\/td>corretto per default, contestabile entro una finestra<\/td>basso a regime, con ritardo<\/td>primi progetti<\/td><\/tr>
Fingerprint di attivazioni (TOPLOC)<\/td>confronto statistico delle attivazioni<\/td>molto basso<\/td>usato per validare i worker<\/td><\/tr><\/tbody><\/table>
Per un quadro tecnico della verifica dell’inferenza si veda Chainlink<\/a>.<\/figcaption><\/figure>

Il punto \u00e8 che nessuno di questi metodi \u00e8 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 verificabilit\u00e0 \u00e8 l’applicazione pi\u00f9 solida della crittografia all’intelligenza artificiale, ma le prove a conoscenza zero applicate all’inferenza aggiungono un overhead di centinaia di volte<\/a>, un costo che oggi rende la verifica completa impraticabile per la maggior parte dei carichi.<\/p>

C’\u00e8 chi ci scommette comunque. Sreeram Kannan, fondatore di EigenLayer e a capo di EigenCloud, sostiene che \u00abil futuro del software \u00e8 autonomo e verificabile\u00bb<\/a>, 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 pi\u00f9 di un miliardo di token al giorno serviti in enclave sicure. Ma il vero collo di bottiglia non \u00e8 tecnologico: \u00e8 la domanda. Manca ancora un compratore disposto a pagare un premio significativo per l’inferenza verificata, su scala industriale.<\/p>

Conviene distinguere due premi diversi, spesso confusi. Il primo \u00e8 la verificabilit\u00e0: 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 \u00e8 la privacy: la garanzia che il prompt e i dati non vengano mai visti dal fornitore, utile per la sanit\u00e0, 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.<\/p>

Come ogni token prova a catturare valore<\/h2>

Ogni rete ha un proprio meccanismo per far confluire nel token il valore generato. Vale la pena confrontarli, perch\u00e9 \u00e8 qui che si gioca la differenza tra un asset con un flusso di cassa e un token puramente inflazionistico.<\/p>

Rete<\/th>Meccanismo<\/th>Come dovrebbe catturare valore<\/th>Limite principale<\/th><\/tr><\/thead>
Bittensor<\/td>dTAO (dal febbraio 2025)<\/td>le emissioni di TAO fluiscono alle sottoreti secondo il prezzo di mercato dei loro token Alpha<\/td>dipende dai ricavi esterni delle sottoreti, oggi modesti<\/td><\/tr>
Render<\/td>BME (burn-and-mint equilibrium)<\/td>gli utenti bruciano RENDER per pagare il lavoro, i nodi lo coniano come ricompensa<\/td>deflazionistico solo se la domanda supera le emissioni<\/td><\/tr>
io.net<\/td>IDE (Incentive Dynamic Engine, giugno 2026)<\/td>ricompra e brucia IO con l’eccedenza dei ricavi, dopo aver pagato i fornitori<\/td>il burn effettivo resta piccolo finch\u00e9 i ricavi sono bassi<\/td><\/tr>
Akash<\/td>commissione sul marketplace<\/td>una quota delle transazioni alimenta la community pool<\/td>volumi ancora contenuti rispetto alla capitalizzazione<\/td><\/tr><\/tbody><\/table><\/figure>

Il tentativo pi\u00f9 diretto di legare il token ai ricavi reali \u00e8 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 met\u00e0 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 \u00e8 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<\/a>.<\/p>

\u00c8 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 \u00e8 molto pi\u00f9 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<\/a>. Il filo comune \u00e8 chiaro: questi meccanismi funzionano solo se i ricavi esterni, non sovvenzionati, diventano grandi. Oggi non lo sono.<\/p>

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 liquidit\u00e0, 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 pi\u00f9 utili; in pratica pu\u00f2 premiare quelle con la narrativa pi\u00f9 efficace, spostando emissioni verso il rumore invece che verso i ricavi. \u00c8 un meccanismo elegante di allocazione del capitale, ma non garantisce che il valore catturato corrisponda al valore economico reale prodotto.<\/p>

Il segnale che spiazza: equity, non token<\/h2>

C’\u00e8 un dato che, pi\u00f9 di ogni tabella, indica dove il capitale pi\u00f9 esperto ritiene si accumuli il valore. I costruttori pi\u00f9 credibili dell’AI decentralizzata e verificabile stanno raccogliendo equity, non vendendo token.<\/p>

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<\/a>. La societ\u00e0 ha un fatturato annualizzato vicino ai 100 milioni e clienti come Ramp e Zapier. E non ha un token liquido.<\/p>

Il messaggio \u00e8 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 pi\u00f9 solidi scelgono l’equity e trattengono la propriet\u00e0 intellettuale della verifica. Non \u00e8 la prova che i token siano condannati, ma \u00e8 un forte indizio su dove finisca oggi il valore: nell’azienda e nella tecnologia, non necessariamente nel token senza permessi.<\/p>

Per chi detiene il token la domanda successiva \u00e8 ancora pi\u00f9 scomoda: se il valore si accumula nell’equity dell’azienda e nella propriet\u00e0 intellettuale, che cosa resta esattamente al token, oltre alla speculazione sul suo utilizzo futuro? Non tutte le reti hanno una risposta convincente.<\/p>

La domanda degli agenti AI: catalizzatore o miraggio?<\/h2>

La speranza pi\u00f9 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 pu\u00f2 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. \u00c8 lo stesso motore che rende gli agenti protagonisti anche altrove, per esempio nei mercati predittivi popolati da bot<\/a>.<\/p>

Il condizionale, per\u00f2, \u00e8 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 qualit\u00e0; le reti decentralizzate servono soprattutto modelli aperti pi\u00f9 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 \u00e8 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.<\/p>

Regolamentazione: chi \u00e8 il fornitore su GPU anonime?<\/h2>

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<\/a>. La domanda spinosa per una rete senza permessi \u00e8: chi \u00e8 il \u00abfornitore\u00bb legalmente responsabile quando un modello gira su GPU anonime coordinate da un protocollo? Non c’\u00e8 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.<\/p>

Il secondo piano riguarda i token in quanto asset. In Italia il regolamento MiCA \u00e8 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 \u00e8 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.<\/p>

Negli Stati Uniti il quadro \u00e8 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<\/a>. I token di DePIN e AI non compaiono in quella lista: restano in una zona grigia, n\u00e9 confermati commodity n\u00e9 classificati come titoli. \u00c8 lo stesso vuoto di certezza che abbiamo raccontato parlando di chi riempie lo spazio lasciato dall’enforcement della SEC<\/a>.<\/p>

ETF e finanziarizzazione: il rischio di comprare la narrativa<\/h2>

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<\/a>. Alla data di questo articolo non c’\u00e8 ancora una decisione definitiva.<\/p>

Un ETF, se approvato, porta flussi passivi che riprezzano il token in base alla narrativa e alla liquidit\u00e0 macro pi\u00f9 che ai fondamentali della rete. \u00c8 un’arma a doppio taglio: pu\u00f2 far salire il prezzo scollegandolo dall’uso, ma nello stesso modo pu\u00f2 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<\/a> in poi.<\/p>

La finanziarizzazione pu\u00f2 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.<\/p>

Una checklist per valutare un token di inferenza<\/h2>

Messe insieme, le sezioni precedenti suggeriscono una griglia pratica per distinguere un token che ha qualche probabilit\u00e0 di catturare valore da uno che vive di sola narrativa. Non \u00e8 una formula magica, ma aiuta a porsi le domande giuste prima di guardare il grafico del prezzo.<\/p>

  • Ricavi esterni, non emissioni:<\/strong> la rete incassa dollari veri da clienti terzi, oppure il grosso delle ricompense arriva dall’inflazione del token? \u00c8 la distinzione pi\u00f9 importante.<\/li>
  • Traffico verificabile:<\/strong> i volumi sono confermati da fonti indipendenti (aggregatori, routing on-chain) o solo dai cruscotti interni?<\/li>
  • Meccanismo di cattura:<\/strong> 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?<\/li>
  • Potere di prezzo:<\/strong> la rete vende una commodity replicabile o un servizio difendibile (verifica, privacy) che un hyperscaler non pu\u00f2 offrire?<\/li>
  • Sostenibilit\u00e0 del sussidio:<\/strong> se domani le emissioni si fermassero, la domanda resterebbe? Il piano gratuito \u00e8 gi\u00e0 stato ritirato?<\/li>
  • Allineamento del team:<\/strong> i fondatori finanziano lo sviluppo con il token o con equity, e in quest’ultimo caso che cosa resta al possessore del token?<\/li><\/ul>

    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. \u00c8 esattamente la ragione per cui l’uso pu\u00f2 salire mentre il prezzo scende.<\/p>

    Cosa guardare da qui a fine 2026<\/h2>

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

    • Il traffico misurato da terzi, non i dati autodichiarati dalle reti: \u00e8 l\u00ec che si vede la domanda vera.<\/li>
    • Se i burn legati ai ricavi (come l’IDE di io.net) iniziano a mordere davvero, cio\u00e8 a crescere in dollari reali e non solo negli annunci.<\/li>
    • La comparsa di un primo grande cliente pagante per l’inferenza verificata o privata: sarebbe la prova che il premio di fiducia esiste.<\/li>
    • L’esito delle richieste di ETF su TAO e se i flussi finiscono per scollegare il prezzo dai fondamentali.<\/li>
    • Le prime azioni di enforcement sull’AI Act, in particolare qualsiasi caso che chiarisca chi \u00e8 il \u00abfornitore\u00bb su una rete senza permessi.<\/li>
    • Le mosse di Consob ed ESMA sulla vigilanza dei CASP che trattano token DePIN e AI.<\/li><\/ul>

      La risposta onesta alla domanda del titolo, oggi, \u00e8 che il token cattura il valore solo in parte, e meno di quanto il prezzo talvolta implichi. L’uso \u00e8 reale, lo sconto \u00e8 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, pi\u00f9 che un flusso di cassa, sta comprando un’opzione su quel premio. Pu\u00f2 valerne la pena, ma \u00e8 bene sapere che cosa si ha in portafoglio.<\/p>

      Domande frequenti<\/h2>

      Che cos’\u00e8 l’inferenza decentralizzata?<\/h3>

      L’inferenza decentralizzata \u00e8 l’esecuzione di modelli AI gi\u00e0 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 \u00e8 servire le richieste a costi pi\u00f9 bassi e, in prospettiva, in modo verificabile e rispettoso della privacy.<\/p>

      Perch\u00e9 i token AI-crypto scendono se l’uso cresce?<\/h3>

      Perch\u00e9 uso e cattura del valore sono cose diverse. Lo sconto sull’inferenza \u00e8 in gran parte sovvenzionato dalle emissioni del token, parte del traffico in vetrina \u00e8 autodichiarato e difficile da verificare, il layer commodity non ha potere di prezzo, e i flussi finanziari (la narrativa degli ETF, la liquidit\u00e0 macro) muovono il prezzo pi\u00f9 dei fondamentali.<\/p>

      L’inferenza decentralizzata \u00e8 davvero pi\u00f9 economica del cloud?<\/h3>

      Sulla carta spesso s\u00ec, con sconti che vanno dal 40% al 90% rispetto agli hyperscaler. Ma parte di quello sconto \u00e8 finanziato dalle emissioni del token e richiede di sovradimensionare la capacit\u00e0 per garantire affidabilit\u00e0; una volta tolti i sussidi, i costi di break-even sono vicini o superiori ai prezzi competitivi dei fornitori centralizzati.<\/p>

      Si pu\u00f2 verificare che l’inferenza sia stata eseguita correttamente?<\/h3>

      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 \u00e8 insieme economico, senza fiducia e veloce su larga scala. La maggior parte del traffico oggi si basa sulla fiducia nel fornitore.<\/p>

      Come sono regolati questi token in Italia?<\/h3>

      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 \u00e8 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 per\u00f2 irrisolto, e negli Stati Uniti SEC e CFTC li hanno lasciati in una zona grigia.<\/p>