Targon

Che cos’è Targon?

Targon (SN4) è un “token di subnet” specializzato all’interno dell’ecosistema Bittensor che prende di mira un problema ristretto ma economicamente ben definito: trasformare il tempo GPU in una commodity verificabile e prezzata dal mercato, riducendo al contempo le assunzioni di fiducia che in genere rendono il calcolo di terze parti inutilizzabile per carichi di lavoro di IA sensibili.

In pratica, Targon è meglio inteso come un marketplace di calcolo incentivato, in cui i miner forniscono hardware, i validator verificano continuamente prestazioni e postura di sicurezza e i buyer inviano richieste di inferenza o altri carichi di lavoro di IA.

Il vantaggio competitivo che rivendica è un focus esplicito sul confidential computing e sulla attestazione remota continua: un tentativo di rendere utilizzabili operatori “non fidati” tramite policy piuttosto che tramite reputazione, come descritto nei comunicati di Manifold Labs sulla Targon Virtual Machine (TVM) e ribadito in un articolo di Intel che inquadra il design intorno a Intel TDX più NVIDIA Confidential Computing.

In termini di struttura di mercato, Targon non è una blockchain di base che compete con piattaforme di smart contract generici; è una zona economica applicativa specifica all’interno dell’architettura di subnet fisse di Bittensor.

All’inizio del 2026, dashboard di terze parti che tracciano le subnet di Bittensor mostrano SN4 come uno dei token di subnet più grandi e più attivamente scambiati per capitalizzazione e profondità di liquidità, con dati di trading a livello di pool visibili su venue come la pagina del pool SN4/TAO di GeckoTerminal e l’attività a livello di subnet e l’aggregazione dello “stato di salute” presentate da strumenti come SubnetRadar.

Detto questo, la “scala” nelle subnet va trattata con scetticismo: liquidità, flussi di staking e instradamento delle emissioni possono produrre domanda riflessiva che assomiglia a trazione di prodotto; il segnale più durevole è se i buyer pagano per il calcolo nel tempo e se i validator possono far rispettare in modo credibile vincoli di qualità e riservatezza in condizioni avverse.

Chi ha fondato Targon e quando?

Targon è strettamente associato a Manifold Labs, che si presenta come un laboratorio di IA di frontiera decentralizzato e costruttore di infrastrutture. Manifold dichiara pubblicamente di essere stata fondata nel 2023 e di avere sede ad Austin, Texas, con investitori tra cui OSS Capital e DCG, come descritto nella stessa pagina “company” Targon/Manifold e nell’annuncio del round di finanziamento Series A.

Gli stessi materiali rendono anche piuttosto chiara la realtà di governance: sebbene le subnet di Bittensor siano “aperte” riguardo a chi può eseguire miner e validator, i proprietari delle subnet esercitano ancora una discrezionalità significativa sul design del meccanismo e sulle release operative, il che introduce una struttura ibrida piuttosto che un protocollo completamente e credibilmente neutrale.

La narrativa del progetto si è inoltre spostata, insieme al più ampio arco di Bittensor, dalla sperimentazione su “open machine intelligence” verso servizi pronti per la produzione.

Il posizionamento iniziale enfatizzava l’inferenza di IA generalizzata e la sperimentazione sulle subnet, ma tra la metà del 2024 e il 2025 la roadmap pubblica ha dato sempre più risalto alla microstruttura del marketplace (price discovery e payout prevedibili) e ai primitive di confidential computing.

Esempi includono la release Targon v2.0.0, che sottolinea un meccanismo riscritto e aggiustamenti anti‑gaming, la release Targon v6.2.1, che introduce un sistema di “ask” in stile order book per i miner, e la comunicazione successiva sull’ambiente di esecuzione riservato continuamente ri‑attestato di TVM in Targon v7.

Questo è coerente con una strategia di differenziazione basata sulla verificabilità e su pretese di sicurezza adatte alle imprese, piuttosto che solo sul costo marginale del calcolo.

Come funziona la rete Targon?

Targon non è una rete di consenso autonoma; eredita sicurezza del livello base, finalità e contabilità dalla chain Subtensor di Bittensor ed esprime il proprio “consenso” a livello di subnet tramite il punteggio dei validator e l’allocazione delle emissioni.

Nel modello di Bittensor, i validator valutano il lavoro dei miner e assegnano dei pesi, e la chain usa questi pesi per distribuire le emissioni della subnet; l’obiettivo di consenso è più vicino a un “punteggio di utilità ponderato per lo stake” che a un ordinamento delle transazioni in stile Nakamoto, come descritto nella documentazione tecnica di Bittensor sulle emissioni e sul design del consenso, ad esempio nella panoramica sulle emissioni di LearnBittensor e nello scritto sul consenso di Bittensor (per esempio il PDF PoS Utility Consensus).

La “rete” di Targon, quindi, è il comportamento emergente di miner, validator e del codice del meccanismo che definisce cosa significhi “calcolo utile” e come esso venga misurato sotto incentivi avversi.

Ciò che rende Targon tecnicamente distinto all’interno di questo framework è il tentativo di legare le ricompense economiche a un modello di sicurezza basato su esecuzione fidata e attestazione continua, invece di assumere che l’operatore del calcolo sia onesto. I materiali di TVM di Manifold descrivono carichi di lavoro che girano all’interno di macchine virtuali riservate, con isolamento radicato nell’hardware e intervalli ricorrenti di ri‑attestazione, e una dipendenza esplicita da CPU e GPU dotate di capacità di confidential computing, come riassunto in Targon v7 e contestualizzato in modo più formale dalla descrizione di Intel sui ruoli nel confidential computing decentralizzato e sui flussi di attestazione remota nel suo post sul blog Intel Community.

Il vincolo reale del modello di sicurezza è che sposta la fiducia dall’“onestà dell’operatore” alla “filiera dell’hardware e dell’attestazione”, il che non è privo di costi: limita l’hardware idoneo, aggiunge complessità operativa e crea nuove modalità di failure (interruzioni dei servizi di attestazione, problemi di firmware, dipendenza dal vendor) che sono ortogonali ai tipici rischi crypto.

Quali sono i tokenomics di SN4?

SN4 è un “alpha token” creato nel regime Dynamic TAO (dTAO) di Bittensor, in cui ogni subnet ha il proprio token che viene acquisito principalmente scambiando TAO nel pool della subnet e poi mettendo in staking tale alpha presso i validator.

Le meccaniche sono documentate nelle spiegazioni di Taostats sugli alpha token e sullo staking in dTAO, e sono importanti perché la “supply” assomiglia meno a un cap table fisso in stile ERC‑20 e più a un asset di staking mediato da pool, il cui prezzo è funzione dei bilanci del pool, dei flussi di staking e delle aspettative di emissione.

Per SN4 in particolare, l’identificatore canonico on‑chain usato dagli explorer di Bittensor è Subnet 4, con analytics esposti nel metagraph SN4 di Taostats e liquidità a livello di pool e valutazione implicita osservabili su tracker di mercato come il pool SN4/TAO di GeckoTerminal. In questo design, la domanda di tokenomics più rilevante non è la “max supply” in isolamento, ma come l’instradamento delle emissioni e i flussi di staking possano gonfiare o comprimere la valutazione effettiva, in particolare dopo il passaggio di Bittensor alle emissioni basate sui flussi.

L’accumulo di valore per SN4 è mediato dalle emissioni e dalla disponibilità degli staker ad allocare TAO nel pool di SN4, cosa che a sua volta influisce sulle emissioni nel regime post‑2025.

La transizione di Bittensor verso un’allocazione basata sui flussi (“TAO flow”) significa che le subnet competono sempre più per afflussi netti di TAO al fine di assicurarsi una quota maggiore delle emissioni di rete, come descritto sia nella documentazione di Taostats su emissioni TAO / TAO flow sia nella più generale pagina sulle emissioni di LearnBittensor.

Per i partecipanti, “mettere in staking SN4” equivale economicamente a una scommessa in due parti: primo, che l’alpha token SN4 non venga strutturalmente diluito rispetto a TAO a causa di dinamiche avverse del pool e deflussi, e secondo, che la selezione dei validator e la performance della subnet generino emissioni in alpha al netto di slippage e commissioni.

La matematica sulle emissioni di miner/validator e le regole di burn di Taostats mettono inoltre in evidenza una sottigliezza: le emissioni non sono puramente fee redistribuite; sono inflazione guidata dal protocollo e instradata da un meccanismo di punteggio, con alcuni incentivi allocati al proprietario che vengono bruciati in certi casi, come descritto nella documentazione di Taostats su emissioni e consenso per i miner.

Chi sta usando Targon?

Separare il turnover speculativo dal “vero utilizzo” è particolarmente difficile nei token di subnet perché le emissioni stesse creano una narrativa di yield nativo che può dominare i flussi, e perché i pool di liquidità possono far sembrare la rotazione di capitale come product‑market fit.

Gli indicatori di utilizzo più difendibili sono quelli legati al volume di carichi di lavoro a pagamento e alla capacità dal lato dell’offerta che sarebbe costoso falsificare. Manifold ha dichiarato un throughput sostanziale di inferenza a pagamento e un’ampia capacità H200 nel suo annuncio Series A, inquadrando Targon come un servizio che gestisce “paid inference tokens” ad alto volume e supportato da una flotta significativa di GPU di fascia alta; queste affermazioni sono auto‑riferite e dovrebbero essere trattate come direzionali piuttosto che certificate, ma sono quantomeno concrete.

On‑chain, il metagraph SN4 offre una vista su UID attivi, numero di validator e partecipazione dei miner a livello di subnet tramite Taostats, il che può aiutare a distinguere una subnet viva da una che è per lo più un pool sottilmente scambiato.

Per quanto riguarda l’adozione istituzionale o enterprise, il record pubblico disponibile è principalmente indiretto: partecipanti ai round di finanziamento e integrazioni nell’ecosistema sono visibili, ma i clienti enterprise nominativi di norma non vengono divulgati. Il posizionamento di Manifold prende di mira esplicitamente la riservatezza a livello enterprise e l’idoneità a carichi di lavoro regolamentati in Targon v7 e nella relativa architettura di confidential computing descritta da Intel, il che suggerisce un intento verso le imprese più che un’adozione già confermata. adozione.

Un modo difendibile di inquadrare il “coinvolgimento istituzionale” è che esistono formazione di capitale e partnership di ecosistema (ad esempio, DCG come partecipante al Series A di Manifold secondo il Series A announcement), ma ciò non si traduce automaticamente in ricavi durevoli, e il design dei token di subnet può mascherare la differenza tra domanda dei clienti e domanda di investitori/staker.

Quali sono i rischi e le sfide per Targon?

Il rischio normativo per SN4 riguarda meno un contenzioso specifico su Targon — non risultano in evidenza, nelle fonti pubbliche fino all’inizio del 2026, cause legali statunitensi ampiamente documentate o lotte formali di classificazione — e più il modo in cui i token di subnet potrebbero essere interpretati alla luce di quadri regolatori in evoluzione su staking, strumenti a rendimento e contratti di investimento.

Poiché i token alpha vengono acquisiti tramite swap, messi in staking sui validator e generano emissioni, possono assomigliare a prodotti a rendimento per l’utente finale anche quando il meccanismo sottostante è più vicino all’inflazione del protocollo e al punteggio di utilità, come descritto nelle spiegazioni di Taostats su staking and alpha mechanics.

Un secondo ambito di esposizione, correlato ma distinto dalla regolamentazione, è la dipendenza da hardware di confidential computing e da infrastrutture di attestazione fornite da grandi vendor; se cambiamenti nelle politiche limitano l’export, l’offerta o l’uso enterprise di determinate classi di GPU, il “moat” di Targon può trasformarsi in un collo di bottiglia operativo piuttosto che in un vantaggio competitivo, punto implicito nei requisiti hardware articolati in Targon v7 e nella discussione di Intel sulle capacità CPU/GPU richieste nel suo overview su TDX + NVIDIA Confidential Computing.

Anche i vettori di centralizzazione non sono banali. Le subnet possono avere set di validator relativamente piccoli in un dato momento; la composizione validator/miner di SN4 è osservabile sul metagraph di Taostats, e numeri ridotti aumentano i rischi di governance e di liveness se operatori chiave escono o colludono.

A livello di protocollo, Bittensor si è mosso verso una pressione più esplicita di competizione e pruning — regole di registrazione e deregistrazione, e limiti alle subnet — il che crea un rischio esistenziale per ogni subnet che cada in flussi negativi prolungati o in pessimi ranking.

La logica della chain per registrazione/deregistrazione delle subnet e ciò che accade agli alpha in caso di deregistrazione è descritta nella documentazione sulla registrazione/deregistrazione delle subnet di Taostats, e il regime di emissioni basato sui flussi descritto nei tao flow docs può affamare brutalmente le subnet con deflussi netti.

Le minacce competitive arrivano anche dall’esterno di Bittensor: provider cloud e marketplace di confidential computing che offrono primitive simili possono competere su esperienza utente, disponibilità geografica, compliance e SLA; ad esempio, Phala promuove uno stack di confidential computing TDX + NVIDIA con pricing pubblicato e strumenti di attestazione nei suoi materiali, come la confidential AI page, sottolineando che la differenziazione di Targon deve essere qualcosa di più del semplice “esistono i TEE”.

Qual è l’outlook futuro per Targon?

I “traguardi futuri” più credibili sono quelli già ancorati a release tecniche pubblicate e a aggiornamenti di breve periodo dichiarati, piuttosto che a retorica vaga di roadmap.

Le stesse disclosure di Manifold indicano un continuo irrobustimento dello stack di confidential computing, incluso l’inserimento pianificato di ulteriori tecnologie TEE e un supporto hardware più ampio, con un percorso di upgrade esplicito discusso nel Series A announcement e nell’inquadramento architetturale di Targon v7.

Parallelamente, i cambiamenti a livello Bittensor influenzano in modo sostanziale l’economia di SN4 indipendentemente dall’ingegneria specifica di Targon: il passaggio post‑2025 alle emissioni basate sui flussi e alla meccanica dTAO, descritto nella tao flow documentation di Taostats e nella spiegazione delle emissioni di LearnBittensor, implica che Targon deve mantenere flussi netti in ingresso e una utilità percepita per difendere la propria quota di emissioni; non è più sufficiente mantenere semplicemente un pool liquido o una narrativa convincente.

L’ostacolo strutturale è che Targon sta cercando di essere contemporaneamente un marketplace, un prodotto di sicurezza e una subnet incentivata da token.

Ognuno di questi livelli introduce i propri possibili punti di fallimento: il design di mercato può essere manipolato, i TEE possono essere fragili o dipendenti dal vendor, e gli incentivi token possono attirare capitali indifferenti alla qualità del prodotto fino al momento in cui improvvisamente non lo sono più.

La vitalità del progetto, quindi, probabilmente dipenderà meno da release incrementali di funzionalità e più dalla capacità di tradurre la confidenzialità verificabile in carichi di lavoro paganti ricorrenti, robusti rispetto ai cambiamenti nel regime di emissioni, e dalla capacità del set di validator e del disegno dei meccanismi di controllare in modo continuativo miner di bassa qualità o avversariali senza collassare in una coordinazione centrale.