DGrid AI

Che cos’è DGrid AI?

DGrid AI è una rete decentralizzata di inferenza AI e servizi per agenti che cerca di collegare offerta di modelli di AI, domanda da parte degli sviluppatori, instradamento, verifica e regolamento su blockchain tramite un unico livello di accesso nativo Web3. In termini pratici, non è una blockchain Layer 1 generica; è un protocollo di infrastruttura AI a livello applicativo costruito intorno al regolamento su BNB Chain, al DGrid AI Gateway, all’accesso in stile DGridRPC, all’esecuzione dell’inferenza tramite nodi, al punteggio Proof of Quality e al token dgai come asset di staking, pagamento, incentivo e governance.

Il problema che affronta è la concentrazione dell’inferenza AI dietro provider di API centralizzati, dove prezzo, uptime, disponibilità dei modelli, policy di moderazione, fatturazione e lock-in degli sviluppatori sono controllati da un piccolo numero di aziende. Il suo potenziale vantaggio competitivo non è solo la proprietà del calcolo grezzo, ma la combinazione di un’API unificata per molti modelli, fatturazione on-chain, responsabilità dei servizi basata sullo staking e un livello di verifica che assegna un punteggio agli output di inferenza invece di chiedere agli utenti di fidarsi di operatori di nodi opachi.

La documentazione del progetto descrive un gateway a più di 200 modelli, la valutazione delle preferenze AI Arena, un marketplace di modelli, la selezione dei modelli Dori, gli strumenti per agenti DClaw e lo staking e la governance basati su dgai, mentre il white paper in formato MiCA inquadra il protocollo come un sistema decentralizzato per inferenza AI e servizi per agenti, piuttosto che come un primitivo DeFi convenzionale. (docs.dgrid.ai)

Il posizionamento di mercato di DGrid AI è iniziale e di nicchia, non dominante. Appartiene alle categorie AI, DePIN, infrastruttura ed ecosistema BNB Chain, e la sua scala va interpretata con cautela perché le metriche affidabili a livello applicativo sono ancora limitate. Al 25 agosto 2026, pagine di mercato di terze parti mostravano una stima dell’offerta circolante di 150 milioni di dgai a fronte di una fornitura massima di 1 miliardo, mentre le classifiche per capitalizzazione di mercato variavano in modo significativo tra gli aggregatori, con la pagina DGrid AI di Decrypt che indicava una posizione di market cap nella fascia alta delle 200 e TVL come “N/A”, e altri aggregatori che riportavano classifiche diverse perché il trattamento dell’offerta circolante e la copertura degli exchange erano incoerenti. Questo è rilevante perché DGrid non è un protocollo di lending o un AMM in cui la TVL è una metrica primaria naturale; per questo asset, gli indicatori di lungo periodo più pertinenti sono il volume di inferenza a pagamento, l’affidabilità dei nodi, le chiavi sviluppatore attive, le richieste andate a buon fine, la profondità del marketplace e la quota di utilizzo regolata tramite dgai. Dashboard pubbliche e verificabili per queste metriche operative non erano ancora paragonabili alle analytics DeFi mature, quindi il volume di trading speculativo non va confuso con il product-market fit. (decrypt.co)

Chi ha fondato DGrid AI e quando?

DGrid AI sembra essere emersa pubblicamente tra il 2025 e il 2026, durante un ciclo di mercato in cui infrastrutture AI decentralizzate, reti GPU e inferenza verificabile sono diventati temi favoriti del venture crypto dopo la rapida commercializzazione dei large language model. La roadmap del progetto colloca la progettazione dell’architettura, il lavoro sul modello economico, lo sviluppo del DGrid AI Gateway, un algoritmo Proof-of-Quality e gli strumenti per la prevendita premium nella prima metà del 2025, seguiti da sito web, white paper, finanziamento seed e prevendita di membership premium nella seconda metà del 2025. Il white paper MiCA identifica DGrid AI Labs Limited, con sede nelle Isole Vergini Britanniche, come entità coinvolta nell’implementazione e elenca Yunpeng Ding, Teng Chen e Chaymaa Khaldi come persone coinvolte nell’implementazione, ma non presenta in modo chiaro una biografia del fondatore tradizionale paragonabile a vecchi progetti Layer 1 con team fondatori pubblicamente noti. I tracker di finanziamento riportano un round seed associato a Waterdrip Capital, IoTeX, Paramita Ventures, Zenith Capital, CatcherVC e investitori correlati, con il database dei round di DefiLlama che registra un seed round da 5 milioni di dollari nel luglio 2026. (docs.dgrid.ai)

La narrativa del progetto si è evoluta da un ampio concetto di “inferenza AI decentralizzata” verso uno stack più strutturato che enfatizza un gateway nativo Web3, la valutazione cieca dei modelli, gli agenti AI, la formazione dei prezzi tramite marketplace, il regolamento on-chain e, in seguito, la governance. Secondo ICO Analytics, l’evento di generazione del token dgai è avvenuto il 17 agosto 2026, mentre il filing MiCA di DGrid indica il 1° giugno 2026 come data di pubblicazione e data di inizio collegata alla documentazione per l’ammissione alla negoziazione, quindi la fase di asset pubblico va considerata recente anche se la roadmap tecnica è iniziata prima. Questo è importante per gli investitori perché le reti di token giovani spesso presentano un’architettura target matura prima che il sistema abbia dimostrato un utilizzo decentralizzato in produzione su larga scala. La narrativa più recente di DGrid riguarda quindi meno la costruzione di una nuova base chain e più l’inserimento di meccanismi di responsabilità nativi crypto, pagamenti programmabili e incentivi di mercato nel consumo di API AI. (icoanalytics.org)

Come funziona la rete DGrid AI?

DGrid AI va compresa meglio come una rete decentralizzata di applicazioni e servizi ancorata al regolamento su chain EVM-compatibili piuttosto che come una blockchain sovrana con proprio consenso. Il token dgai è documentato come token BEP-20 su BNB Smart Chain, con una rappresentazione su Arbitrum One anch’essa menzionata nella documentazione ufficiale del token, il che significa che la finalità delle transazioni e la sicurezza del layer di base dipendono dalle chain sottostanti e non da un set separato di validatori DGrid. All’interno del sistema DGrid, il meccanismo di coordinamento rilevante è descritto come Proof of Quality, o PoQ, e in parte della roadmap come un design di “PoS Quality Proof”, ma non va confuso con un proof-of-work in stile Nakamoto o con un protocollo di consenso proof-of-stake Layer 1 convenzionale. PoQ è un modello di verifica e punteggio a livello applicativo pensato per valutare output di inferenza, affidabilità dei nodi, latenza e conformità ai formati richiesti, mentre lo staking di dgai funge da collaterale per il comportamento di nodi e fornitori di servizi.

Il design tecnico combina il DGrid AI Gateway, l’instradamento decentralizzato, l’esecuzione tramite nodi, i contratti di fatturazione, un livello di data availability per i registri di audit, l’autorizzazione di pagamento per richiesta in stile x402 e i dati di preferenza AI Arena. Gli sviluppatori dovrebbero poter accedere a molteplici modelli di AI tramite un singolo endpoint API compatibile con OpenAI, mentre la rete instrada le richieste in base a tipo di task, budget, latenza e performance storica. I DGrid Node eseguono i carichi di lavoro di inferenza, riportano latenza e dati sulle unità di calcolo e sono soggetti al punteggio PoQ che considera allineamento degli output, coerenza tra nodi, conformità al formato, efficienza dei costi e similarità semantica. Il livello di fatturazione calcola le commissioni usando unità di calcolo e latenza, con pagamenti depositati in escrow e distribuiti tramite smart contract, mentre i nodi malevoli o inaffidabili possono essere penalizzati tramite meccanismi di slashing e blacklisting. Questi controlli sono concettualmente utili, ma il design affronta un problema tecnico difficile comune all’AI decentralizzata: verificare la qualità degli output probabilistici dei LLM non è semplice come verificare una transizione di stato deterministica su blockchain, quindi la credibilità di DGrid dipende dal fatto che PoQ diventi o meno un sistema di valutazione robusto e resistente agli avversari, piuttosto che un semplice sistema euristico di reputazione. (docs.dgrid.ai)

Quali sono i tokenomics di dgai?

Il modello di offerta di dgai è con tetto massimo ma non immediatamente liquido. La documentazione ufficiale afferma che l’offerta totale è fissata a 1 miliardo di token, senza piani per minting inflazionistico post-lancio, mentre i dati di mercato di terze parti alla fine di agosto 2026 utilizzavano comunemente 150 milioni di dgai come stima dell’offerta circolante.

L’allocazione ufficiale assegna il 50% dell’offerta a incentivi per nodi e infrastruttura, il 15% a programmi community, il 10% a incentivi per il team, il 10% agli investitori, l’8% agli airdrop e il 7% alla liquidità iniziale. Gli incentivi per i nodi sono programmati per un rilascio lineare in dieci anni con emissioni che si dimezzano ogni due anni, mentre i token community hanno un lock di sei mesi seguito da due anni di rilascio lineare, e le allocazioni per team e investitori hanno un anno di lock seguito da due anni di vesting lineare.

Questo rende dgai non inflazionistico a livello di minting ma inflazionistico a livello di offerta circolante per anni dopo il lancio, perché gli sblocchi programmati e le ricompense per i nodi possono aumentare l’offerta liquida anche senza nuova creazione di token. (docs.dgrid.ai)

L’utilità del token è concentrata in staking, pagamento, incentivi e governance. Gli operatori di nodi e i fornitori di servizi AI dovrebbero fare staking di dgai per ricevere traffico di rete, costruire reputazione e collateralizzare la performance, mentre gli utenti pagano in dgai per servizi di inferenza e agent, con prezzi basati su unità di calcolo, latenza e complessità del task.

La documentazione descrive un Bill Contract che gestisce in escrow e distribuisce i pagamenti a nodi, fornitori di servizi, funzioni di treasury e pool di governance, con una commissione di elaborazione del 2% per gas e archiviazione della data availability e il 5% dei pagamenti per task allocato ai partecipanti alla governance. La creazione di valore è quindi dipendente dall’utilizzo: dgai diventa più rilevante economicamente se una domanda reale di inferenza genera flussi di pagamento ricorrenti, se lo staking riduce l’offerta liberamente negoziabile e se le penalità creano un rischio credibile per gli operatori di bassa qualità.

Il meccanismo di burn non è presentato come un ampio burn delle fee paragonabile all’EIP-1559 di Ethereum; è legato principalmente allo stake confiscato per cattiva condotta dei nodi o downtime eccessivo, con intervalli di slashing documentati tra il 5% e il 20% e i token confiscati che vengono bruciati. (docs.dgrid.ai)

Chi sta usando DGrid AI?

I segnali di utilizzo più visibili per DGrid AI sono lato prodotto e lato mercato, ma non sono equivalenti. Sul lato prodotto dal lato della rete, l’infrastruttura offre un AI Gateway, l’AI Arena, un marketplace di modelli, l’interfaccia di selezione modelli Dori, gli strumenti per agenti DClaw e riferimenti di pagamento compatibili con x402; sul lato di mercato, dgai ha mostrato un elevato volume di scambi dopo il lancio su sedi centralizzate e decentralizzate. La distinzione è sostanziale perché il volume sugli exchange può essere guidato da market making, incentivi di listing, attività di airdrop o rotazioni speculative, mentre una reale utilità on-chain si manifesterebbe con richieste a pagamento sostenute nel tempo, sviluppatori ricorrenti, operatori di nodi attivi, volume di compute unit regolato e partecipazione alla governance. Il sito web e la documentazione di DGrid fanno riferimento a migliaia di interazioni giornaliere in parti del sistema e alla partecipazione ad AI Arena, ma tali affermazioni non sono ancora accompagnate dal tipo di analitiche pubbliche indipendenti che permetterebbero agli utenti istituzionali di distinguere la domanda duratura dal coinvolgimento tipico della fase di lancio. (docs.dgrid.ai)

La validazione esterna legittima è attualmente più forte sul fronte del finanziamento e della notorietà nell’ecosistema che su quello dell’adozione enterprise. Il database sui round di finanziamento di DefiLlama e ICO Analytics registrano un seed financing di DGrid AI che coinvolge Waterdrip Capital, IoTeX, Paramita Ventures, Zenith Capital, CatcherVC e altri investitori cripto-native, e il white paper MiCA ufficiale descrive l’iniziativa per ottenere l’ammissione alla negoziazione sulla piattaforma Payward Global Solutions operata da Kraken in Europa. Si tratta di segnali significativi in termini di visibilità e preparazione alla compliance, ma non equivalgono a un’adozione in produzione da parte di grandi imprese o a contratti di approvvigionamento di lungo periodo per servizi di inferenza AI. Finché DGrid non pubblicherà statistiche d’uso sottoposte a revisione, case study aziendali o entrate on-chain verificabili legate direttamente al regolamento delle inferenze, la posizione conservativa è che la base utenti attuale sia composta da un mix di early developer, valutatori della community, partecipanti al token e speculatori di infrastruttura, piuttosto che da una comprovata base di clienti istituzionali per l’AI. (defillama.com)

Quali sono i rischi e le sfide per DGrid AI?

DGrid AI presenta esposizione regolatoria su più fronti. Il suo white paper MiCA afferma che dgai è un cripto-asset diverso da un token di moneta elettronica o da un token collegato ad attività e dichiara esplicitamente che non si qualifica come “utility token” ai sensi di MiCA perché il suo utilizzo previsto va oltre l’accesso a un bene o servizio fornito esclusivamente dall’emittente. Lo stesso documento afferma inoltre che dgai non conferisce diritti giuridicamente azionabili di proprietà, partecipazione agli utili, governance o analoghi diritti finanziari tradizionali, ma tale disclaimer non elimina il rischio di classificazione in altre giurisdizioni. Negli Stati Uniti, il trattamento dei cripto-asset resta specifico al caso e può dipendere da come i token sono venduti, commercializzati, utilizzati e governati; nelle ricerche condotte per questo approfondimento non è emersa alcuna azione di enforcement specifica della SEC o della CFTC su DGrid, ma l’assenza di una causa non equivale a un’autorizzazione regolamentare positiva. Il rischio di centralizzazione è inoltre significativo perché il progetto è in una fase iniziale, le allocazioni del team e degli investitori sono ancora soggette a vesting, la partecipazione dei nodi non è ancora dimostrata su larga scala e la dipendenza da BNB Chain e da fornitori centralizzati di modelli AI o di API potrebbe limitare la decentralizzazione effettiva della rete. (static.dgrid.ai)

La minaccia competitiva è grave perché DGrid si colloca all’intersezione di diversi mercati affollati. Compete con aggregatori centralizzati di API AI e con i cloud provider hyperscale su costo, affidabilità, ampiezza dei modelli ed esperienza degli sviluppatori; con reti decentralizzate di calcolo e AI sugli incentivi in token e l’offerta di nodi; e con i marketplace di modelli sulla distribuzione e la monetizzazione. La sua affermazione tecnica secondo cui il Proof of Quality può fornire inferenze verificabili deve inoltre resistere a comportamenti avversariali, collusione, manipolazione dei benchmark, attacchi Sybil e alla soggettività intrinseca di molte uscite degli LLM. Dal punto di vista economico, il rischio maggiore è che la domanda di dgai non cresca in scala con l’utilizzo se gli utenti preferiscono la fatturazione in stablecoin, l’instradamento centralizzato o modelli di abbonamento off-chain, oppure se gli incentivi ai nodi generano emissioni senza corrispondenti entrate reali. In tale scenario, la rete potrebbe avere un’economia di token funzionante ma una sostanza economica debole, con ricompense che riciclano l’offerta di token invece di riflettere una domanda esterna pagante. (docs.dgrid.ai)

Qual è la prospettiva futura per DGrid AI?

Il futuro di DGrid AI dipende meno dalla liquidità a breve termine del token e più dalla capacità di trasformare la roadmap in un utilizzo misurabile dell’infrastruttura.

La roadmap verificata indica per il 2026 una fase di governance ed espansione dell’ecosistema che include un launchpad per agenti, l’attivazione della governance on-chain e dell’AI DAO 1.0, e il lancio di un Model & Agent Market e di DGrid Scan. Tra le milestone precedenti del 2026 figurano il rilascio del DGrid AI Gateway, l’integrazione di modelli di livello enterprise, l’AI Arena, ricompense premium, integrazione x402, pagamenti multi-chain e accesso multi-chain al gateway.

Queste milestone delineano una tesi di prodotto coerente, ma la parte difficile è l’esecuzione: DGrid deve dimostrare che l’instradamento decentralizzato può eguagliare l’affidabilità delle API centralizzate, che il PoQ può valutare gli output in un modo ritenuto affidabile dagli utenti, che il regolamento in dgai non è semplicemente uno strato di frizione aggiuntivo e che gli operatori di nodi possono fornire capacità duratura senza una dipendenza eccessiva da sussidi. (docs.dgrid.ai)

Le prospettive per l’infrastruttura sono quindi asimmetriche ma non ancora provate. Se DGrid riuscirà a pubblicare dati trasparenti sul volume delle richieste, l’uptime dei nodi, il regolamento delle commissioni, gli eventi di slashing, la fidelizzazione degli sviluppatori e i ricavi del marketplace, potrà diventare un layer di middleware credibile per applicazioni AI crypto-native che necessitano di pagamenti programmabili e inferenze verificabili. Se tali metriche resteranno opache, l’asset sarà valutato principalmente sulla base della liquidità sugli exchange e della forza della narrativa, che sono fondamenta più deboli per un protocollo il cui valore dichiarato è un’infrastruttura AI verificabile.

Non è giustificata alcuna previsione di prezzo; la questione rilevante per gli investitori istituzionali è se DGrid sarà in grado di dimostrare che l’inferenza AI decentralizzata non è solo tecnicamente possibile, ma economicamente preferibile rispetto ai gateway di modelli centralizzati.