L'IA si sta rapidamente consolidando. Cinque laboratori all'avanguardia (OpenAI, Anthropic, Google DeepMind, Meta e xAI) controllano la maggior parte dei modelli più potenti al mondo, i dati proprietari su cui sono stati addestrati e i cluster di calcolo necessari per addestrarne altri. L'IA decentralizzata è la risposta propria del mondo delle criptovalute.
L'intelligenza artificiale decentralizzata, o DeAI, si basa sull'idea che gli stessi componenti che rendono possibile il funzionamento dell'intelligenza artificiale moderna possano essere coordinati tramite blockchain e incentivi basati su token, anziché da una singola azienda. Il suo obiettivo non è quello di superare OpenAI in termini di addestramento su un cluster di GPU da 10 miliardi di dollari, ma di costruire alternative aperte a quei livelli in cui la decentralizzazione funziona realmente.
Che cos'è l'IA decentralizzata?
L'intelligenza artificiale decentralizzata, spesso abbreviata in DeAI, si riferisce a sistemi di intelligenza artificiale basati su infrastrutture blockchain e coordinati da incentivi sotto forma di token, che distribuiscono la potenza di calcolo, i dati, i modelli e il processo decisionale tra numerosi partecipanti anziché affidarli a una singola azienda.
L'abbreviazione "DeAI" (D maiuscola, AI maiuscola) è ormai diventata uno standard nel settore; la utilizziamo in modo intercambiabile con "IA decentralizzata" in tutto il testo. Il termine è più ampio di qualsiasi singolo progetto. Copre uno stack (mercati di calcolo alla base, reti di dati e modelli al centro, framework di agenti al vertice) collegato da livelli di coordinamento blockchain.
DeAI è nata per contrastare tre tendenze. In primo luogo, la concentrazione dell'IA all'avanguardia in cinque laboratori le cui decisioni interne in materia di allineamento, sicurezza e prezzi hanno ripercussioni su tutti. In secondo luogo, l'opacità dei modelli chiusi addestrati su dati che il pubblico non può vedere e ai quali non ha dato il proprio consenso. In terzo luogo, il disallineamento tra i laboratori di IA e gli utenti sui cui dati si sono addestrati: il valore scorre in una sola direzione, senza che token, quote o ricavi tornino ai contributori.
Nessuno di questi problemi trova una soluzione definitiva con l'introduzione della blockchain. Tuttavia, ciascuno di essi diventa più gestibile quando la proprietà, i pagamenti e le prove possono essere coordinati in un sistema senza autorizzazione.
IA decentralizzata vs. apprendimento federato
I termini "IA decentralizzata" e "apprendimento federato" sembrano correlati, ma risolvono problemi molto diversi. L'apprendimento federato è una tecnica di apprendimento automatico che tutela la privacy, utilizzata dalle principali aziende tecnologiche; la DeAI è invece un movimento nativo del mondo delle criptovalute, basato su blockchain e token.
Nell'apprendimento federato, un modello viene addestrato su più dispositivi (il tuo telefono, i server di un ospedale, il database di una banca) senza che i dati grezzi escano mai dai singoli dispositivi. Solo gli aggiornamenti del modello vengono trasferiti. Google Gboard lo utilizza per la previsione della parola successiva; Apple lo utilizza per l'apprendimento sul dispositivo; i consorzi medici lo utilizzano per addestrare modelli diagnostici senza esporre le cartelle cliniche dei pazienti. Un soggetto centrale, solitamente l'azienda proprietaria del modello, coordina il tutto.
La DeAI è l'opposto del coordinamento centralizzato. Le risorse di calcolo, i dati e, talvolta, lo stesso modello sono di proprietà e gestiti da numerose entità indipendenti. Una blockchain provvede al loro coordinamento; i token premiano i contributi utili.
Le due cose possono essere combinate, poiché le tecniche di apprendimento federato possono essere eseguite all'interno dei sistemi DeAI per garantire la privacy. Tuttavia, l'apprendimento federato da solo non equivale alla DeAI. L'apprendimento federato riguarda le modalità di elaborazione matematica. DeAI riguarda invece la proprietà del sistema.
Come funziona l'intelligenza artificiale decentralizzata
La DeAI non è una singola tecnologia, ma un insieme di tecnologie. Sono quattro i livelli fondamentali, ciascuno con i propri progetti.
Il livello di elaborazione
GPU e altro hardware necessario per addestrare ed eseguire modelli di IA. È proprio qui che DeAI si sovrappone direttamente a DePIN. Reti come Render, Akash e io.net affittano potenza di calcolo GPU decentralizzata a carichi di lavoro di IA, dai singoli appassionati che eseguono operazioni di inferenza alle startup che effettuano la messa a punto su larga scala. La carenza di GPU prevista per il periodo 2024-2026 ha reso questo livello la parte più attiva dell'ecosistema DeAI.
Il livello dati
Set di dati necessari per l'addestramento dei modelli. I mercati decentralizzati dei dati consentono ai proprietari dei dati di monetizzare i propri set di dati senza rinunciare al controllo. Reti di archiviazione come Filecoin e Arweave ospitano i pesi dei modelli, i set di dati di addestramento e i risultati. Il volume è ancora modesto rispetto a quello dei broker di dati centralizzati, ma l'infrastruttura funziona.
Il livello del modello
Modelli open-weight che chiunque può eseguire, ottimizzare o modificare. Le reti di addestramento incentivate tramite token, tra cui spicca Bittensor, premiano i partecipanti che apportano miglioramenti utili ai modelli su compiti specifici. Si noti che il solo concetto di "peso aperto" (Llama di Meta, i modelli di Mistral) non è DeAI. Si tratta di open source. DeAI aggiunge il coordinamento blockchain e l'economia dei token all'apertura.
Il livello di inferenza e degli agenti
Una volta creato un modello, qualcuno deve eseguirlo. Le reti di inferenza decentralizzate distribuiscono tale lavoro tra numerosi operatori di nodi. A questo si aggiunge il livello degli agenti di IA: programmi autonomi che agiscono per conto dell'utente, effettuando sempre più spesso i pagamenti in criptovaluta. Olas e Virtuals Protocol sono i progetti più citati in questo ambito, entrambi ancora in fase di sviluppo.
I principali progetti di DeAI da tenere d'occhio nel 2026
DeAI è una categoria, non un singolo concorrente di OpenAI. Raggruppa i progetti in base a ciò che fanno effettivamente.
Blockchain native per l'IA e reti di addestramento
Bittensor (TAO) è l'esempio più citato. Gestisce 128 "sottoreti" attive, ciascuna delle quali rappresenta un mercato specializzato in un'attività di intelligenza artificiale: pre-addestramento di modelli linguistici, embedding di immagini, previsioni finanziarie, riconoscimento vocale e ricerca.
I miner competono su ciascuna sottorete per ottenere ricompense in token in base alla qualità della produzione. Nel primo trimestre del 2026, NVIDIA ha stanziato 420 milioni di dollari in stake e Polychain Capital ha aggiunto 200 milioni di dollari, portando gli afflussi istituzionali complessivi oltre i 620 milioni di dollari. I ricavi della rete hanno raggiunto i 43 milioni di dollari nell'ultimo trimestre.
L'Alleanza ASI
Fetch.ai, SingularityNET, Ocean Protocol e (successivamente) CUDOS si sono fusi nel 2024 per dare vita all'Artificial Superintelligence Alliance, unificando i token nel FET con l'intenzione di rinominarlo ASI. Il rebranding completo non è mai stato portato a termine su tutte le piattaforme di scambio, pertanto la maggior parte di esse continua a quotare il FET.
Nell'ottobre 2025, Ocean Protocol si è formalmente ritirato dall'alleanza a causa di controversie relative alla governance. I membri rimanenti (Fetch.ai, SingularityNET e CUDOS) continuano a lanciare prodotti, tra cui ASI-1 mini, un LLM nativo Web3 da 7 miliardi di parametri, e un Layer 1 in fase di progettazione chiamato ASI Chain.
Agenti
Olas si concentra sull'economia degli agenti autonomi: programmi indipendenti che effettuano pagamenti reciproci, si coordinano e portano a termine compiti specifici. Virtuals Protocol si concentra sugli agenti di IA destinati ai consumatori, in particolare nei settori dei videogiochi e dei social media. Questo livello è il più recente e si trova ancora in fase di sviluppo.
Cosa è realmente decentralizzato e cosa no
Il settore della DeAI presenta sia un forte slancio che delle lacune concrete. Una valutazione onesta, punto per punto:
Formazione sul modello Frontier: ancora centralizzata
L'addestramento di un modello delle dimensioni di GPT-5 richiede centinaia di milioni di dollari in risorse di calcolo coordinate, dati proprietari e un team di ingegneri centralizzato. Nessun progetto DeAI opera su questa scala all'avanguardia, né lo farà a breve.
Persino la più grande pietra miliare tecnica di Bittensor (il pre-addestramento collaborativo di Covenant AI con 72 miliardi di parametri, condotto nel marzo 2026) era di gran lunga inferiore rispetto agli sforzi dei laboratori all'avanguardia. Covenant ha successivamente lasciato la rete, definendo la decentralizzazione una "farsa" a causa di controversie sulla governance, un promemoria del fatto che "decentralizzato" può descrivere la matematica senza descrivere il potere.
Compute: una vera decentralizzazione
Le GPU sono fungibili, i lavori sono brevi e la verifica dei risultati è semplice: ecco perché l'offerta si è effettivamente concretizzata in questo settore. Render gestisce circa 1,5 milioni di fotogrammi al mese; Akash ha superato i 5 milioni di dollari di spesa per la potenza di calcolo nel primo trimestre del 2026; io.net aggrega GPU in oltre 130 paesi. La stessa scheda che di notte fa girare un videogioco può eseguire un lavoro di inferenza la mattina dopo, e il cliente non ha bisogno di sapere a chi appartiene.
Inferenza: fattibile e in espansione
L'inferenza è stateless, i processi sono di piccole dimensioni e i risultati sono verificabili: si tratta del naturale passo successivo verso la decentralizzazione dopo la potenza di calcolo grezza. Le reti sfruttano le GPU dei consumatori e dei videogiochi che altrimenti rimarrebbero inattive, quindi un modello di dimensioni contenute come Llama-3-8B può spesso essere fornito a metà del costo di AWS o Azure. Il divario si riduce man mano che le dimensioni del modello aumentano; gestire in modo decentralizzato un modello da 400 miliardi di parametri è ancora più difficile che su un hyperscaler.
Mercati dei dati: ancora agli inizi, ma già una realtà
Reti come Vana per i dati personali e Grass per i dati estratti dal web dimostrano che lo scambio decentralizzato di dati è tecnicamente fattibile. La questione più complessa riguarda la domanda. I laboratori di IA dispongono già di ciò di cui hanno bisogno: dati estratti dal web aperto, oltre ad accordi diretti di alto livello (Reddit–Google, NYT–OpenAI, Shutterstock). I mercati decentralizzati risolvono un problema dal lato dell'offerta che il lato della domanda non ha ancora, anche se la situazione cambierà se i dati di addestramento diventeranno più contesi.
Ricerca e sviluppo incentivata tramite token: operare in nicchie di mercato ristrette
I premi in token funzionano bene per il miglioramento graduale di attività misurabili (precisione della trascrizione vocale, qualità dell'embedding, benchmark di classificazione delle immagini) e le sottoreti di Bittensor producono modelli competitivi proprio in quelle nicchie. Ciò che i token non possono finanziare facilmente è la ricerca innovativa, che richiede anni di capitale paziente, esperimenti costosi e tolleranza al fallimento. Le controversie sulla governance di Bittensor sollevano anche una questione strutturale: la ricerca e lo sviluppo allineati ai token funzionano solo nella misura in cui funziona il protocollo che li circonda.
Conclusione
La domanda interessante riguardo alla DeAI nel 2026 è quali livelli dello stack reggeranno al momento di essere sottoposti a un esame approfondito. L'elaborazione e l'inferenza stanno svolgendo un lavoro concreto e misurabile per i clienti paganti.
I mercati dei dati e dei modelli sono in crescita, ma non hanno ancora dato prova di sé. Il livello di governance (la parte che determina se il termine "decentralizzato" si riferisca alla matematica o al potere) continua a generare polemiche, come l'uscita di Ocean dall'ASI Alliance e quella di Covenant da Bittensor.
DeAI non sostituirà OpenAI nel 2026, e forse non lo farà mai. Tuttavia, sta sviluppando alternative concrete a livello intermedio e periferico dello stack, ed è proprio lì che, alla fine, la maggior parte delle persone interagirà con l'IA.
