Quando affitti una GPU su una rete decentralizzata non stai noleggiando una macchina in un data center che conosci: stai caricando i tuoi dati, e per un carico di lavoro AI anche i pesi del tuo modello, sul computer di uno sconosciuto che ha vinto un’asta al ribasso. Quel provider potrebbe essere un data center professionale in Scandinavia o un appassionato con due schede da gaming in cantina. In entrambi i casi, tecnicamente, ha accesso alla macchina su cui gira il tuo lavoro. Questo, pi\u00f9 del prezzo, \u00e8 il vero ostacolo all’adozione seria dell’AI su reti come Akash Network. E nel 2026 Akash ha provato a rispondere con una parola precisa: calcolo riservato.<\/p>
Il tempismo fotografa bene la tensione del settore. Il 16 settembre 2026 il token AKT vale circa 0,50 dollari (poco pi\u00f9 di 0,43 euro), con una capitalizzazione intorno ai 149 milioni di dollari e un calo di oltre il 13% in sette giorni, secondo CoinGecko<\/a>: ai minimi da anni, oltre il 90% sotto il massimo storico del 2021. Eppure sul lato prodotto la rete continua a spedire codice: inferenza gestita che macina miliardi di token al giorno, un marketplace di GPU che regge, e proprio il calcolo riservato come novit\u00e0 di punta. Questo articolo spiega come funziona Akash partendo dalla domanda che conta di pi\u00f9 per chi deve costruirci sopra qualcosa di reale: di chi ti puoi fidare, e cosa la crittografia hardware risolve davvero (e cosa no).<\/p> Akash Network \u00e8 un marketplace di cloud computing decentralizzato e permissionless. Nato nel 2018 per mano di Overclock Labs (i fondatori Greg Osuri e Adam Bozanich), ha lanciato la mainnet nel 2020 con capacit\u00e0 di sola CPU e storage, e ha aggiunto il marketplace di GPU nell’agosto 2023 con l’aggiornamento chiamato Supercloud. L’idea di base \u00e8 semplice: mettere in comunicazione chi ha capacit\u00e0 di calcolo inutilizzata (i provider) con chi ne ha bisogno (i tenant), senza un intermediario centrale che decide chi pu\u00f2 partecipare e a quale prezzo.<\/p> Due cose rendono Akash diverso da un cloud tradizionale come AWS o Google Cloud. La prima \u00e8 che nessuno chiede il permesso: chiunque pu\u00f2 mettere in affitto una macchina o noleggiarne una. La seconda \u00e8 il prezzo, di solito nettamente inferiore a quello degli hyperscaler. Ma queste stesse due caratteristiche generano i due grandi problemi che Akash deve risolvere per crescere: da un lato la disponibilit\u00e0 di hardware (chi fornisce davvero le GPU, e quante), dall’altro la fiducia (perch\u00e9 dovrei mettere il mio lavoro sulla macchina di un anonimo?). Il calcolo riservato \u00e8 il tentativo del 2026 di attaccare il secondo problema.<\/p> Il cuore di Akash \u00e8 un meccanismo di asta inversa. Il tenant descrive ci\u00f2 che gli serve in un file di configurazione chiamato SDL (Stack Definition Language, in pratica un file YAML): quante CPU, quanta memoria, quale tipo di GPU, quale immagine Docker eseguire. Pubblica questa richiesta sulla rete e i provider interessati rispondono con un’offerta di prezzo. A quel punto il tenant sceglie: non \u00e8 obbligato a prendere l’offerta pi\u00f9 bassa, e infatti la reputazione del provider conta, perch\u00e9 una macchina che cade di continuo fa perdere pi\u00f9 soldi di quanti ne faccia risparmiare uno sconto.<\/p> Una volta accettata l’offerta si apre un lease, cio\u00e8 un contratto di noleggio, garantito da un conto di deposito (escrow) che finanzia il pagamento nel tempo. Tutto passa da un’interfaccia, la Akash Console, che nasconde buona parte della complessit\u00e0. Storicamente il pagamento avveniva direttamente in AKT; dal 2026, come vedremo, un nuovo meccanismo lega ogni dollaro speso alla domanda di token. Fin qui la meccanica \u00e8 quella di un mercato spot per la potenza di calcolo. Il problema \u00e8 cosa succede dentro quella macchina quando ci carichi sopra qualcosa di prezioso.<\/p> Su un cloud tradizionale, l’operatore ha in teoria accesso fisico e software alla macchina che affitti, ma tu ti fidi del marchio, dei contratti e delle certificazioni (SOC 2, ISO 27001, audit periodici). Se AWS spiasse i dati dei clienti, la notizia distruggerebbe un’azienda da centinaia di miliardi. Su Akash quel deterrente non esiste: il provider \u00e8 pseudonimo, potrebbe essere chiunque, e non c’\u00e8 un marchio da difendere n\u00e9 un contratto enterprise dietro. Per un semplice server web \u00e8 un rischio accettabile. Per l’AI, no.<\/p> Il motivo \u00e8 che nell’AI i due asset pi\u00f9 sensibili finiscono proprio dentro la macchina del provider. Il primo sono i pesi del modello: addestrare un modello proprietario pu\u00f2 costare milioni, e quei pesi sono la propriet\u00e0 intellettuale dell’azienda; caricarli sulla GPU di un anonimo significa esporli a chi controlla quella macchina. Il secondo sono i dati in input all’inferenza, che spesso sono regolati: cartelle cliniche, dati finanziari, informazioni personali coperte dal GDPR. Un provider malevolo o compromesso potrebbe, in linea di principio, leggere la memoria della GPU ed esfiltrare pesi e input. \u00c8 per questo che le GPU a basso costo, da sole, non hanno mai chiuso contratti aziendali seri: il prezzo attira gli hobbisti, la fiducia serve alle imprese.<\/p> Il calcolo riservato (confidential compute) esegue il carico di lavoro dentro un ambiente di esecuzione fidato basato su hardware, il cosiddetto TEE (Trusted Execution Environment). L’idea \u00e8 che la memoria del carico resti cifrata e isolata perfino dal sistema operativo dell’host, dall’hypervisor e quindi dal provider stesso: chi possiede la macchina non pu\u00f2 leggere ci\u00f2 che ci gira dentro. Non \u00e8 una novit\u00e0 inventata dalle crypto (Intel e AMD la offrono da anni), ma applicarla a un marketplace di GPU anonime cambia le carte in tavola.<\/p> Su Akash il tutto \u00e8 codificato nella specifica AEP-83, Confidential Compute via Kata Containers<\/a>, arrivata allo stato Final con completamento previsto a met\u00e0 luglio 2026. Il meccanismo funziona cos\u00ec: il carico gira dentro Kata Containers, cio\u00e8 micro-macchine virtuali, su provider dotati di hardware compatibile; le piattaforme supportate sono AMD SEV-SNP e Intel TDX, e il provider sceglie automaticamente quale usare al momento del deploy in base all’hardware che possiede. Il tenant non deve conoscere questi dettagli: aggiunge una sola riga al suo file SDL, params.tee impostato su cpu oppure su cpu-gpu, e la rete fa il resto. Per i carichi su GPU, la specifica copre il passaggio diretto della GPU NVIDIA alla macchina virtuale Kata con la modalit\u00e0 di confidential computing attiva.<\/p> Il pezzo pi\u00f9 interessante \u00e8 l’attestazione. A ogni carico riservato viene iniettato automaticamente un componente (attestation sidecar) che permette al tenant di verificare in modo crittografico, prima ancora di inviare i suoi segreti, di stare parlando davvero con un enclave hardware genuino e non con un provider che finge. In pratica: prima carico i pesi, controllo che la macchina sia davvero blindata come promette; solo se l’attestazione torna, procedo. Ecco cosa protegge e cosa non protegge questa tecnologia.<\/p> Qui sta la distinzione su cui ruota tutto il filone ai-crypto, ed \u00e8 facile confonderla. Il calcolo riservato nasconde i tuoi dati all’host e, tramite attestazione, dimostra che il codice gira in un enclave autentico. La radice della fiducia \u00e8 il chip. Il calcolo verificabile \u00e8 un’altra cosa: dimostra che il calcolo \u00e8 stato eseguito correttamente, cio\u00e8 che \u00e8 stato usato proprio quel modello, con quella precisione, senza scorciatoie. La radice della fiducia qui \u00e8 la matematica (prove crittografiche) o la cripto-economia (stake e slashing), non l’hardware.<\/p> Akash oggi offre il primo, non il secondo. Se affitti una GPU Akash in modalit\u00e0 riservata, il provider non pu\u00f2 leggere i tuoi input, ma nulla lo obbliga a far girare esattamente il modello che gli hai chiesto: potrebbe silenziosamente sostituirlo con una versione pi\u00f9 piccola o quantizzata per risparmiare, e tu non te ne accorgeresti. Chiudere questo buco \u00e8 la frontiera a cui lavorano progetti come Ritual e gli agenti AI on-chain<\/a>, insieme al mondo di zkML e opML. Vitalik Buterin, nel suo saggio su crypto e AI<\/a>, indica proprio nella verificabilit\u00e0 l’uso pi\u00f9 forte della crittografia applicata all’intelligenza artificiale, ma avverte che le prove crittografiche aggiungono un overhead di centinaia o migliaia di volte. Sreeram Kannan, CEO di EigenCloud, sintetizza la scommessa in una frase: \u00abil futuro del software \u00e8 autonomo e verificabile\u00bb<\/a>. La tabella seguente mette in fila gli approcci.<\/p>Che cos’\u00e8 Akash Network in una frase<\/h2>
L’asta al ribasso, spiegata in breve<\/h2>
Il nodo della fiducia: cosa vede davvero un provider<\/h2>
Calcolo riservato: la risposta di Akash nel 2026<\/h2>
Riservato non vuol dire verificabile (e perch\u00e9 conta)<\/h2>