{"id":613,"date":"2026-09-19T22:40:20","date_gmt":"2026-09-19T22:40:20","guid":{"rendered":"https:\/\/hoge.gg\/it\/inferenza-decentralizzata-chi-la-compra-davvero-2026\/"},"modified":"2026-09-19T22:40:20","modified_gmt":"2026-09-19T22:40:20","slug":"inferenza-decentralizzata-chi-la-compra-davvero-2026","status":"publish","type":"post","link":"https:\/\/hoge.gg\/it\/inferenza-decentralizzata-chi-la-compra-davvero-2026\/","title":{"rendered":"Chi compra davvero l’inferenza decentralizzata nel 2026?"},"content":{"rendered":"

Nel 2026 al centro dell’AI-crypto c’\u00e8 un paradosso difficile da ignorare. Le reti di inferenza decentralizzata, cio\u00e8 i sistemi che affittano GPU sparse per far girare modelli di intelligenza artificiale senza passare dai grandi cloud, elaborano pi\u00f9 token di calcolo che mai. Eppure i loro asset quotati hanno bruciato quasi tutto il valore: il TAO di Bittensor viaggia intorno ai 228 euro, in calo di circa il 65% dal massimo storico; RENDER \u00e8 sotto di quasi il 90%; l’AKT di Akash di oltre il 93%; l’IO di io.net di quasi il 98% (dati CoinGecko<\/a>, 19 settembre 2026).<\/p>

La domanda che quasi tutti si pongono, \u00abfunziona davvero?\u00bb, \u00e8 ormai la meno interessante. Tecnicamente funziona: basta cambiare una riga di codice (il base_url), puntare a un endpoint decentralizzato compatibile con le API di OpenAI e ricevere risposte da un modello open-source a un prezzo inferiore. La questione che conta nel 2026 \u00e8 un’altra: chi compra questa inferenza, perch\u00e9 la preferisce al cloud tradizionale e in quale valuta paga. Questo articolo prova a rispondere motore per motore, separando la domanda reale dal traffico dichiarato.<\/p>

Anticipiamo la conclusione. La domanda esiste, cresce ed \u00e8 concreta, ma \u00e8 pi\u00f9 piccola, pi\u00f9 concentrata e di forma diversa da quella suggerita dai cruscotti di marketing e dalle capitalizzazioni dei token. Quattro motori la spingono (il prezzo, la privacy, la libert\u00e0 dai filtri e gli agenti autonomi) e solo alcuni sembrano difendibili nel lungo periodo. Capire quali \u00e8 il modo migliore per distinguere un’infrastruttura con clienti veri da una che vive di sussidi.<\/p>

Che cosa compra davvero chi \u00abcompra inferenza\u00bb<\/h2>

Prima di parlare di domanda serve fissare l’oggetto. L’addestramento (training) di un modello \u00e8 la fase costosa e occasionale in cui il modello viene costruito; l’inferenza \u00e8 l’uso ripetuto di quel modello per generare risposte, ed \u00e8 la parte pi\u00f9 continua e crescente della spesa in calcolo AI. Chi \u00abcompra inferenza\u00bb non compra una GPU: compra risposte, misurate in token elaborati.<\/p>

I compratori si dividono in tre categorie, spesso confuse tra loro. Il primo \u00e8 lo sviluppatore di un’applicazione (una chat, un assistente, un motore di ricerca) che integra un modello via API. Il secondo \u00e8 l’aggregatore, un intermediario come OpenRouter che smista le richieste verso decine di fornitori e rivende capacit\u00e0: \u00e8 un cliente all’ingrosso, non un utente finale. Il terzo, il pi\u00f9 nuovo, \u00e8 l’agente AI autonomo, un software che decide da s\u00e9 quando pagare per una chiamata a un modello.<\/p>

Questa \u00e8 la parte di consumo della filiera, distinta dal lato dell’offerta (i proprietari di GPU che guadagnano affittandole) e dalla meccanica tecnica del routing. Qui la domanda \u00e8 secca: perch\u00e9 uno di questi tre compratori dovrebbe scegliere una rete decentralizzata invece di Amazon, Google o direttamente OpenAI? Le risposte plausibili sono quattro, e vale la pena esaminarle una a una, perch\u00e9 non hanno lo stesso peso.<\/p>

Perch\u00e9 la domanda \u00e8 la vera incognita<\/h2>

Sul lato dell’offerta la storia \u00e8 nota e in buona parte risolta: c’\u00e8 tantissima GPU inattiva nel mondo, le reti la mettono a reddito, il prezzo scende. Il mercato dei token, per\u00f2, prezza soprattutto questa narrazione di offerta, mentre \u00e8 la domanda a decidere chi verr\u00e0 pagato. Un’infrastruttura pu\u00f2 registrare centinaia di migliaia di schede e restare senza clienti disposti a pagarle a prezzo pieno.<\/p>

Il segnale pi\u00f9 eloquente \u00e8 proprio la divaricazione tra uso e prezzo. Se l’uso cresce e i token perdono tra il 65% e il 98%, il mercato sta dicendo una di due cose: o non crede che quell’uso sia reale, o non crede che il token catturi il valore di quell’uso. Entrambe le letture riportano alla stessa incognita, la qualit\u00e0 e la sostenibilit\u00e0 della domanda, non la sua esistenza teorica. \u00c8 lo stesso scollamento tra fondamentali e prezzo che pesa oggi su gran parte del mercato crypto.<\/p>

Il divario tra traffico dichiarato e traffico verificato<\/h2>

Il primo ostacolo per chi vuole misurare la domanda \u00e8 che i numeri pi\u00f9 citati sono autodichiarati. Chutes, la sottorete di inferenza di Bittensor gestita da Rayon Labs e prima subnet a superare i 100 milioni di dollari di capitalizzazione, dichiara circa 160 miliardi di token al giorno; i conteggi indipendenti basati sul traffico che passa da OpenRouter parlano invece di circa 6,8 miliardi di token al giorno su diciotto modelli, con un picco intorno ai 42 miliardi il 7 febbraio 2026 (analisi Own Your Mind<\/a>). Lo stesso vale per io.net, il cui cruscotto indica decine di miliardi di token al giorno mentre il traffico realmente osservabile via OpenRouter \u00e8 dell’ordine dei 4 miliardi (Own Your Mind<\/a>).<\/p>

\u00c8 lo stesso scarto che c’\u00e8 tra l’hashrate teorico e quello effettivo nel mining: un dato che misura la capacit\u00e0 potenziale, non l’uso pagato. Nessuno di questi numeri implica una frode, perch\u00e9 registrare capacit\u00e0 e servire traffico sono cose diverse e i cruscotti di norma contano la prima. Ma per rispondere alla domanda \u00abchi compra?\u00bb conta solo il traffico che qualcuno paga a prezzo di mercato, e quel numero \u00e8 quasi sempre uno o due ordini di grandezza sotto il titolo.<\/p>

Metrica<\/th>Dato dichiarato<\/th>Dato verificabile<\/th><\/tr><\/thead>
Chutes (Bittensor), token\/giorno<\/td>~160 miliardi (Rayon Labs)<\/td>~6,8 miliardi su 18 modelli via OpenRouter (picco ~42 mld il 7 feb)<\/td><\/tr>
io.net, uso giornaliero<\/td>decine di miliardi di token (cruscotto)<\/td>~4 miliardi di token osservati via OpenRouter<\/td><\/tr>
Chutes, ricavi contro sussidio<\/td>sussidio ~52 milioni $\/anno in TAO<\/td>ricavi esterni ~1,3-2,4 milioni $\/anno<\/td><\/tr><\/tbody><\/table>
Fonte: Own Your Mind. I dati dichiarati misurano la capacit\u00e0 o il volume lordo; quelli verificabili, la domanda pagata.<\/figcaption><\/figure>

Driver 1: il prezzo, un vantaggio reale ma un bersaglio mobile<\/h2>

Il primo motore della domanda \u00e8 il pi\u00f9 intuitivo: costa meno. Sul noleggio di una GPU di fascia alta lo sconto \u00e8 documentato. Un’ora di NVIDIA H100 sui grandi cloud costa tra i 6 e gli 11 euro (AWS intorno ai 6 euro, Azure e Google verso i 10), mentre i fornitori specializzati e le reti DePIN scendono nella fascia 1,70-3 euro, cio\u00e8 dal 40% all’85% in meno (confronto Spheron<\/a>). Per chi serve un modello open-source su larga scala, \u00e8 una differenza che si sente in bilancio.<\/p>

Fornitore<\/th>Tipo<\/th>Prezzo orario indicativo (H100)<\/th><\/tr><\/thead>
AWS<\/td>Hyperscaler<\/td>~6 \u20ac<\/td><\/tr>
Microsoft Azure<\/td>Hyperscaler<\/td>~10,50 \u20ac<\/td><\/tr>
Google Cloud<\/td>Hyperscaler<\/td>~9,50 \u20ac<\/td><\/tr>
io.net<\/td>Rete DePIN<\/td>1,70-3 \u20ac<\/td><\/tr>
Spheron<\/td>Specializzato<\/td>~2,20 \u20ac (0,90 \u20ac spot)<\/td><\/tr>
Vast.ai<\/td>Marketplace<\/td>1,30-2 \u20ac<\/td><\/tr><\/tbody><\/table>
Stime convertite a EUR\/USD ~1,15. Fonte: Spheron. I fornitori specializzati e DePIN restano dal 40% all’85% sotto i grandi cloud.<\/figcaption><\/figure>

Il problema \u00e8 che lo sconto \u00e8 un bersaglio mobile. Nel 2026 l’inferenza centralizzata ha innescato la guerra di prezzo pi\u00f9 aggressiva della storia dell’AI enterprise: DeepSeek ha portato il prezzo del suo modello di punta a circa 0,12 e 0,24 euro per milione di token (0,14 e 0,28 dollari, in ingresso e in uscita), e nel giro di novanta giorni OpenAI, Google e Anthropic hanno tagliato, con Google che ha ridotto Gemini fino all’85% (Spheron<\/a>). Quando il pavimento del prezzo centralizzato crolla pi\u00f9 in fretta di quanto le reti decentralizzate riescano a limare i costi, il vantaggio da solo diventa fragile. Il prezzo attira, ma non fidelizza.<\/p>

Driver 2: privacy e calcolo riservato<\/h2>

Il secondo motore \u00e8 pi\u00f9 difendibile: alcuni dati non possono lasciare un perimetro di fiducia. Uno studio legale, un ospedale, una banca o un’azienda con segreti industriali non pu\u00f2 inviare i propri prompt a un provider che li vede in chiaro. Qui entra il calcolo riservato (confidential computing): l’inferenza gira dentro un ambiente hardware isolato (un TEE, Trusted Execution Environment) che nemmeno l’operatore della macchina pu\u00f2 ispezionare, e produce una prova crittografica (attestation) del fatto che il modello atteso ha girato in un enclave sicuro.<\/p>

Phala Network \u00e8 l’esempio pi\u00f9 concreto: i suoi nodi GPU combinano Intel TDX con schede NVIDIA H100, H200 e B200 in macchine virtuali riservate, con un sovraccarico dichiarato tra lo 0,5% e il 5% e oltre 1,34 miliardi di token elaborati in una singola giornata (Phala<\/a>). Anche Akash ha spinto sullo stesso terreno, come abbiamo raccontato in Akash 2026: GPU decentralizzate e il calcolo riservato<\/a>.<\/p>

La domanda di privacy \u00e8 reale e ha un cliente disposto a pagare un premio, ma \u00e8 ancora agli inizi: richiede hardware specifico, competenze di integrazione e una fiducia nel produttore del chip (in genere Intel o NVIDIA) che reintroduce, per altra via, un attore centrale. Per un lettore europeo il richiamo al GDPR e alla residenza dei dati \u00e8 immediato: se la prova crittografica regge, il calcolo riservato \u00e8 uno dei pochi terreni su cui la decentralizzazione offre qualcosa che il cloud tradizionale non pu\u00f2 replicare con la stessa credibilit\u00e0. \u00c8 un motore promettente pi\u00f9 che maturo.<\/p>

Driver 3: modelli senza censura e permissionless<\/h2>

Il terzo motore \u00e8 il pi\u00f9 sottovalutato e forse il pi\u00f9 solido: esiste una domanda strutturale di modelli che nessuno pu\u00f2 filtrare, disattivare o negare. I grandi fornitori applicano policy di contenuto, limiti d’uso e verifiche d’identit\u00e0; una rete permissionless che serve modelli open-source non pu\u00f2, per costruzione, negare il servizio. Non \u00e8 un dettaglio ideologico, \u00e8 un vantaggio competitivo che i concorrenti centralizzati non possono offrire nemmeno volendo.<\/p>

Venice.ai \u00e8 la scommessa pi\u00f9 visibile su questo terreno. Fondata da Erik Voorhees (gi\u00e0 dietro ShapeShift) insieme a Jesse Proudman, ha superato il milione di utenti e non censura i modelli open-source che fa girare; il token VVV d\u00e0 accesso a una quota proporzionale di capacit\u00e0, mentre DIEM funziona come un credito di calcolo. A luglio 2026 Venice \u00e8 diventata un unicorno con una serie A da 65 milioni di dollari a una valutazione di un miliardo (TechCrunch<\/a>). Voorhees ha riassunto cos\u00ec la filosofia del prodotto: \u00abWe treat you as an adult, capable of using information technology without paternalism\u00bb (vi trattiamo da adulti, capaci di usare la tecnologia senza paternalismo), in un’intervista a Unchained<\/a>.<\/p>

\u00c8 un mercato piccolo ma fedele e, soprattutto, difendibile: \u00e8 esattamente il segmento che i fornitori centralizzati non vogliono o non possono servire. Non sar\u00e0 mai di massa, ma \u00e8 la nicchia in cui la decentralizzazione non \u00e8 un espediente di prezzo bens\u00ec il prodotto stesso. E la fedelt\u00e0, in un mercato dove il prezzo scende ogni trimestre, vale pi\u00f9 di uno sconto.<\/p>

Driver 4: agenti AI e micropagamenti<\/h2>

Il quarto motore \u00e8 quello con il potenziale pi\u00f9 grande e la realizzazione pi\u00f9 scarsa. Un agente AI autonomo che deve pagare per una chiamata a un modello ha bisogno di rotaie di pagamento programmabili: niente carta di credito, niente approvazione umana a ogni passaggio. Lo standard emergente \u00e8 x402, che riporta in vita il vecchio codice HTTP 402 (Payment Required) e fa firmare all’agente una transazione in stablecoin per sbloccare la risorsa. \u00c8 qui che l’inferenza decentralizzata e i pagamenti on-chain si incontrano: una macchina paga un’altra macchina per del calcolo, senza intermediari.<\/p>

I numeri, per\u00f2, raccontano una realizzazione ancora minima. Gli agenti hanno effettuato oltre 100 milioni di transazioni x402 su Base, ma il valore realmente scambiato on-chain resta minimo, dell’ordine di poche decine di migliaia di dollari al giorno, e circa met\u00e0 dell’attivit\u00e0 \u00e8 test o volume gonfiato pi\u00f9 che commercio reale (Chainalysis<\/a>). Gi\u00e0 a marzo 2026 CoinDesk titolava che, per i micropagamenti, \u00abla domanda semplicemente non c’\u00e8 ancora\u00bb (CoinDesk<\/a>).<\/p>

Il caso d’uso pi\u00f9 credibile per gli agenti non \u00e8 comprare beni ma pagare risorse digitali: API, dati e, appunto, inferenza. Chi vuole capire perch\u00e9 gli agenti sono i primi clienti naturali di questa infrastruttura pu\u00f2 leggere il nostro reportage sui mercati predittivi popolati da agenti AI<\/a>; sul lato delle rotaie di pagamento, la partita si gioca sulle stablecoin regolamentate, come spieghiamo in Stablecoin nei pagamenti: le regole e il muro dei 200 milioni<\/a>. Il mercato potenziale \u00e8 enorme; la domanda pagante, per ora, \u00e8 un rivolo.<\/p>

I quattro motori a confronto<\/h2>

Messi in fila, i quattro motori mostrano un quadro netto: due sono difendibili (privacy e assenza di censura), uno \u00e8 reale ma fragile (prezzo), uno \u00e8 potenziale ma quasi tutto da realizzare (agenti). La tabella riassume chi chiede ciascun servizio e quanto \u00e8 concreta oggi la domanda.<\/p>

Motore<\/th>Chi lo chiede<\/th>Quanto \u00e8 reale nel 2026<\/th>Esempio<\/th><\/tr><\/thead>
Prezzo<\/td>Sviluppatori sensibili ai costi<\/td>Reale ma fragile (guerra di prezzo centralizzata)<\/td>io.net, Chutes<\/td><\/tr>
Privacy e calcolo riservato<\/td>Sanit\u00e0, legale, imprese, dati sensibili<\/td>Solido ma agli inizi<\/td>Phala<\/td><\/tr>
Modelli senza censura<\/td>Utenti e sviluppatori permissionless<\/td>Piccolo, fedele, difendibile<\/td>Venice<\/td><\/tr>
Agenti AI e micropagamenti<\/td>Agenti autonomi che pagano calcolo e API<\/td>Potenziale enorme, quasi tutto da realizzare<\/td>x402<\/td><\/tr><\/tbody><\/table><\/figure>

Chi paga davvero, e in quale valuta<\/h2>

Qui si tocca il nodo che il mercato dei token continua a fraintendere. L\u00e0 dove la domanda di inferenza decentralizzata \u00e8 pi\u00f9 solida, viene pagata quasi sempre in valuta tradizionale o in abbonamento, non nel token della rete. L’esempio pi\u00f9 chiaro \u00e8 Prime Intellect: addestramento distribuito, inferenza ospitata e verifica con il suo sistema TOPLOC, circa 100 milioni di dollari di ricavi ricorrenti annui e oltre 6.000 clienti (tra cui Ramp e Zapier) raggiunti in meno di un anno, con una serie A da 130 milioni a valutazione di un miliardo guidata da Radical Ventures con Nvidia e Intel Capital (TechCrunch<\/a>, getLatka<\/a>). Prime Intellect non ha un token quotato: la domanda che genera la cattura come capitale azionario.<\/p>

Lo stesso schema si ripete altrove. io.net ha chiuso contratti enterprise da milioni di dollari e ha introdotto un motore (l’Incentive Dynamic Engine) che lega le emissioni ai ricavi reali, bruciando parte del fatturato in IO, toccando i 4 miliardi di token AI al giorno (Cryptonews<\/a>); Venice monetizza soprattutto tramite abbonamenti e la vendita di capacit\u00e0. Il messaggio per chi investe \u00e8 scomodo: comprare il token non equivale a comprare la domanda di inferenza, perch\u00e9 i clienti migliori pagano in dollari, euro o abbonamenti, non in TAO, RENDER o IO.<\/p>

Il soffitto dei pesi aperti<\/h2>

C’\u00e8 un limite strutturale alla domanda che nessuna ottimizzazione di prezzo pu\u00f2 superare: le reti decentralizzate possono servire solo modelli a pesi aperti. Si affittano Llama, DeepSeek, Qwen, Mistral e simili, perch\u00e9 i loro pesi sono scaricabili e distribuibili su GPU di terzi. I modelli di frontiera chiusi (GPT-5, Claude, Gemini) non si possono noleggiare a nessun prezzo su un’infrastruttura permissionless, perch\u00e9 i loro pesi non lasciano i server del produttore.<\/p>

Questo definisce il tetto del mercato indirizzabile: chi ha bisogno della qualit\u00e0 di frontiera assoluta resta sul cloud proprietario, per definizione. La buona notizia per le reti decentralizzate \u00e8 che i modelli open-source stanno recuperando in fretta, e DeepSeek ha dimostrato che un modello aperto pu\u00f2 competere sui costi con i migliori. La cattiva \u00e8 che il compratore pi\u00f9 pregiato, quello disposto a pagare di pi\u00f9 per l’ultimo punto percentuale di capacit\u00e0, \u00e8 escluso per costruzione. La domanda decentralizzata cresce quanto crescono i pesi aperti, non un millimetro di pi\u00f9.<\/p>

La fiducia: la domanda che dovrebbe esserci e non c’\u00e8 ancora<\/h2>

In teoria l’inferenza decentralizzata dovrebbe generare una domanda enorme di verifica. Quando affidi un prompt a una GPU che non possiedi e non vedi, non hai modo di sapere se ha davvero eseguito il modello che hai pagato o una versione pi\u00f9 piccola e pi\u00f9 economica. Come scrive il team di Prime Intellect nel paper che descrive TOPLOC, \u00abinference providers often make adjustments to computation methods to optimize for cost, efficiency, or specific commercial goals\u00bb (i fornitori spesso modificano i metodi di calcolo per ottimizzare costi, efficienza o obiettivi commerciali) (Prime Intellect<\/a>). Un fornitore che sostituisce silenziosamente il modello o abbassa la precisione taglia i costi e nessuno se ne accorge.<\/p>

Il problema \u00e8 che verificare costa. Vitalik Buterin, nel suo saggio sull’incrocio tra crypto e AI, individua proprio nella verificabilit\u00e0 l’uso pi\u00f9 forte della blockchain per l’intelligenza artificiale, ma avverte che le prove a conoscenza zero applicate all’inferenza aggiungono un sovraccarico dell’ordine delle centinaia di volte (vitalik.eth.limo<\/a>). Le alternative pi\u00f9 leggere (i TEE hardware, gli approcci ottimistici come opML, le firme statistiche come TOPLOC, che riduce la memoria richiesta di mille volte e valida fino a cento volte pi\u00f9 in fretta) riducono il costo ma introducono compromessi su fiducia o latenza.<\/p>

Il risultato \u00e8 che oggi quasi nessun compratore paga un premio per l’inferenza verificata: preferisce fidarsi e risparmiare. \u00c8 lo stesso paradosso descritto in Ritual: gli agenti AI autonomi che custodiscono le chiavi<\/a>, dove la verifica prova che il calcolo \u00e8 corretto ma non che sia legittimo. La fiducia \u00e8 la domanda che tutti citano come applicazione decisiva e che ancora non compra quasi nessuno.<\/p>

Tecnologia su, token gi\u00f9: cosa dice il mercato<\/h2>

Se si sovrappongono le due curve, uso e prezzo, il quadro \u00e8 inequivocabile. L’attivit\u00e0 cresce, i token quotati restano vicini ai minimi. La tabella seguente riassume la situazione dei principali asset del settore al 19 settembre 2026.<\/p>

Token<\/th>Prezzo<\/th>Capitalizzazione<\/th>Dal massimo storico<\/th><\/tr><\/thead>
TAO (Bittensor)<\/td>~228 \u20ac<\/td>~2,6 miliardi \u20ac<\/td>-65%<\/td><\/tr>
RENDER<\/td>~1,35 \u20ac<\/td>~700 milioni \u20ac<\/td>-88%<\/td><\/tr>
AKT (Akash)<\/td>~0,48 \u20ac<\/td>~145 milioni \u20ac<\/td>-93%<\/td><\/tr>
IO (io.net)<\/td>~0,12 \u20ac<\/td>~49 milioni \u20ac<\/td>-98%<\/td><\/tr><\/tbody><\/table>
Fonte: CoinGecko, 19 settembre 2026 (EUR\/USD ~1,15).<\/figcaption><\/figure>

Il rimbalzo del TAO negli ultimi mesi va letto con prudenza: \u00e8 alimentato soprattutto dalla prospettiva di ETF sul token (le richieste di Grayscale e Bitwise), cio\u00e8 da un tema di finanziarizzazione, non da un salto della domanda di inferenza. Quando un asset sale per la narrazione di un veicolo di investimento e non per i ricavi sottostanti, il divario tra tecnologia e token non si chiude: cambia solo chi lo detiene.<\/p>

Cosa cambia per l’Italia: Consob, MiCA, AI Act e fisco<\/h2>

Per il lettore italiano la mappa normativa ha due livelli. Sul fronte crypto, MiCA (recepito con il D.lgs. 129\/2024, che designa Consob e Banca d’Italia) regola l’emissione e i servizi su cripto-attivit\u00e0: alla chiusura del periodo transitorio, il 1 luglio 2026, in Italia risultavano nove soggetti abilitati (Consob<\/a>). Ma MiCA non regola il protocollo di calcolo n\u00e9 la GPU che gira in un altro continente: disciplina chi emette e chi offre servizi sul token, non l’atto tecnico dell’inferenza. I derivati su questi asset, poi, ricadono sotto la MiFID II, non sotto MiCA.<\/p>

Sul fronte AI, il regolamento europeo (AI Act) \u00e8 la novit\u00e0 del 2026: dal 2 agosto sono operativi i poteri sanzionatori della Commissione sui modelli di uso generale, con multe fino a 15 milioni di euro o al 3% del fatturato mondiale (Commissione europea<\/a>). Qui si apre una domanda spinosa per l’inferenza decentralizzata: chi \u00e8 il \u00abfornitore\u00bb responsabile quando un modello gira su migliaia di GPU anonime sparse in decine di paesi? La risposta non \u00e8 ancora chiara, e l’incertezza \u00e8 essa stessa un freno alla domanda enterprise, che ha bisogno di sapere chi risponde.<\/p>

Sul piano fiscale, dal 1 gennaio 2026 le plusvalenze cripto sono tassate in Italia al 33%, con la soglia di esenzione da 2.000 euro abolita; fanno eccezione le stablecoin in euro conformi a MiCA (token di moneta elettronica), rimaste al 26%. \u00c8 un dettaglio che pesa proprio sul motore degli agenti: un agente che paga in stablecoin dollaro genera un evento potenzialmente rilevante a ogni conversione, mentre una stablecoin in euro semplifica la vita anche al fisco. Negli Stati Uniti, invece, il quadro resta grigio: l’interpretazione congiunta SEC-CFTC del marzo 2026 non ha detto nulla sui token DePIN e AI, lasciando TAO, RENDER, AKT e IO in un limbo di classificazione, come raccontiamo in SEC senza CLARITY: le regole crypto ora le scrivono i giudici<\/a>.<\/p>

Come valutare la domanda (per chi costruisce e per chi investe)<\/h2>

Che siate sviluppatori in cerca di un fornitore o investitori in cerca di un token, la stessa griglia aiuta a separare la sostanza dal rumore. Sei domande, in ordine di importanza:<\/p>

  • Traffico verificato o dichiarato?<\/strong> Cercate numeri confermati da terze parti (per esempio OpenRouter o dati on-chain), non solo il cruscotto del progetto.<\/li>
  • Quale motore di domanda?<\/strong> Prezzo, privacy, assenza di censura o agenti: i primi due si difendono meglio del terzo da soli.<\/li>
  • Chi paga e in che valuta?<\/strong> Ricavi in euro, dollari o abbonamenti valgono pi\u00f9 di un volume gonfiato dalle emissioni del token.<\/li>
  • Rapporto sussidio\/ricavi.<\/strong> Se le emissioni superano i ricavi esterni di 20-40 volte, come per Chutes, il prezzo basso \u00e8 un sussidio, non un vantaggio strutturale.<\/li>
  • Dipendenza dai pesi aperti.<\/strong> Il servizio \u00e8 utile solo finch\u00e9 i modelli open-source bastano al vostro caso d’uso.<\/li>
  • Verifica e conformit\u00e0.<\/strong> Esiste un meccanismo di prova (TEE, opML, TOPLOC)? E il fornitore \u00e8 inquadrabile ai fini MiCA e AI Act?<\/li><\/ul>

    Applicata con onest\u00e0, questa griglia porta quasi sempre alla stessa conclusione del mercato: l’infrastruttura \u00e8 migliore dei suoi token, la domanda \u00e8 vera ma selettiva, e il compratore che conta oggi paga in valuta, non in speranza. Non \u00e8 un verdetto contro la decentralizzazione, \u00e8 un invito a guardare i clienti prima delle capitalizzazioni.<\/p>

    Domande frequenti<\/h2>

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

    \u00c8 l’esecuzione di modelli di intelligenza artificiale (la fase di uso, non di addestramento) su una rete di GPU di terzi coordinata da una blockchain o da un protocollo, invece che sui server di un unico grande cloud. Si accede in genere tramite endpoint compatibili con le API di OpenAI, cos\u00ec da poter cambiare fornitore modificando una sola riga di codice.<\/p>

    L’inferenza decentralizzata conviene davvero rispetto a OpenAI o Google?<\/h3>

    Sul noleggio di GPU lo sconto \u00e8 reale, dal 40% all’85% rispetto ai grandi cloud, ma \u00e8 un vantaggio fragile: nel 2026 la guerra di prezzo tra i fornitori centralizzati, innescata da DeepSeek, ha abbassato in fretta anche il costo dell’inferenza tradizionale. Il prezzo attira, ma da solo non fidelizza il cliente.<\/p>

    I miei dati sono pi\u00f9 al sicuro sull’inferenza decentralizzata?<\/h3>

    Non automaticamente. Lo sono se il fornitore usa il calcolo riservato, cio\u00e8 ambienti hardware isolati (TEE) con prova crittografica di esecuzione, come fa Phala con GPU NVIDIA in enclave sicuri. Senza queste garanzie, affidare un prompt a una GPU sconosciuta espone agli stessi rischi di qualunque servizio di terzi, se non maggiori.<\/p>

    Comprare il token (TAO, RENDER, IO, AKT) espone alla domanda di inferenza?<\/h3>

    Solo in parte. La domanda pi\u00f9 solida oggi viene pagata in valuta tradizionale o in abbonamento e catturata come capitale azionario: Prime Intellect, per esempio, ha superato i 100 milioni di dollari di ricavi annui senza un token quotato. I token del settore hanno perso tra il 65% e il 98% dai massimi mentre l’uso cresceva, segno che valore d’uso e prezzo possono muoversi in direzioni opposte.<\/p>

    Come viene tassata e regolata in Italia l’inferenza decentralizzata?<\/h3>

    Le plusvalenze cripto sono tassate al 33% dal 1 gennaio 2026, senza pi\u00f9 la soglia di 2.000 euro, mentre le stablecoin in euro conformi a MiCA restano al 26%. Consob e Banca d’Italia vigilano su emittenti e servizi ai sensi di MiCA, i derivati ricadono sotto la MiFID II e l’AI Act europeo aggiunge obblighi per i modelli di uso generale dal 2 agosto 2026.<\/p>