Il valore complessivo dei token crittografici correlati all'AI è quadruplicato negli ultimi due anni, avvicinandosi ora a una capitalizzazione di mercato di $20 miliardi.
Sebbene rappresenti ancora una piccola porzione - solo lo 0,67% - dei $3,55 trilioni del mercato totale delle criptovalute, la sua crescita riflette aspettative in aumento attorno al ruolo delle infrastrutture AI decentralizzate, denaro programmabile e sistemi di pagamento basati su stablecoin.
Secondo Grayscale Investments, la relativa infanzia del settore delle criptovalute AI spiega le sue dimensioni modeste attuali rispetto ai settori verticali dominanti come la finanza decentralizzata e i servizi finanziari tokenizzati, che rappresentano centinaia di miliardi in valore. Tuttavia, l'azienda suggerisce che questa disparità potrebbe ridursi man mano che i modelli crittografici nativi dell'AI maturano e che i casi d'uso istituzionali diventano più chiari.
A fine maggio 2025, il settore delle criptovalute AI comprende circa 20 token. Il più grande per capitalizzazione di mercato circolante è TAO, l'asset nativo del protocollo di machine learning decentralizzato Bittensor. Nonostante un anno complessivamente rialzista per le criptovalute, il settore AI dei token ha registrato prestazioni individuali contrastanti. TAO è aumentato del 2% dall'inizio dell'anno, mentre ElizaOS è sceso dell'80%, sottolineando la volatilità del settore e la sua natura di fase iniziale.
Tuttavia, la traiettoria complessiva è stata nettamente in salita. Nel 2023, il valore di mercato totale del settore delle criptovalute AI era di soli $4,5 miliardi. Oggi si avvicina a $20 miliardi, suggerendo che l'interesse degli investitori nell'infrastruttura nativa dell'AI, l'addestramento decentralizzato e il coordinamento degli agenti basato su blockchain sta accelerando.
Le Stablecoin come Abilitatori Chiave per gli Agenti AI
Una delle tendenze emergenti più significative è la convergenza dell'AI con l'infrastruttura delle stablecoin. Un recente rapporto di Grayscale dai ricercatori Zach Pandl e Will Ogden Moore sottolinea come le stablecoin - dollari digitali basati su blockchain - potrebbero diventare strumenti fondamentali per gli agenti AI che necessitano di sistemi di pagamento rapidi, senza confini e programmabili.
L'integrazione delle stablecoin nei casi d'uso dell'AI avviene in mezzo a un crescente interesse da parte dei principali attori fintech e tecnologici. Stripe ha recentemente ampliato la sua funzionalità di pagamento in stablecoin a oltre 150 paesi. Meta sta sperimentando binari di pagamento basati su blockchain, e anche grandi banche statunitensi stanno esplorando quadri di depositi tokenizzati compatibili con strumenti AI.
Nel frattempo, Coinbase ha lanciato un "portafoglio intelligente" e uno stack di pagamenti programmabili mirati a consentire ad agenti AI e dell'internet delle cose di condurre microtransazioni in stablecoin. Questi sviluppi sono modellati da progressi normativi, come il disegno di legge sulla struttura del mercato crittografico negli Stati Uniti e l'Atto GENIUS proposto - una legge focalizzata sulla concessione di licenze e sulla governance per le stablecoin supportate da fiat. Se approvata, tale legislazione potrebbe fornire binari legali più chiari per i flussi di pagamento guidati dall'AI.
Bittensor: Halving, Subnets e Compute Decentralizzato
Bittensor rimane il protocollo AI decentralizzato più sviluppato fino ad oggi. Modellato vagamente sul Bitcoin, TAO ha un hard cap di 21 milioni di token e subisce un evento di halving ogni quattro anni. Il primo di tali eventi è previsto entro la fine di quest'anno, riducendo l'emissione e potenzialmente influenzando la dinamica dell'offerta del token.
A febbraio, Bittensor ha lanciato l'upgrade dTAO, abilitando la formazione di subnets investibili - mini-reti personalizzate ottimizzate per compiti specifici di machine learning. Dal lancio, oltre il 7% dell'offerta circolante di TAO è stato impegnato in queste sottoreti, suggerendo una crescente partecipazione degli sviluppatori in ambienti di addestramento decentralizzati.
Le subnets funzionano come primitive economiche e tecniche, consentendo ai partecipanti di finanziare, curare ed estrarre valore da reti neurali governate indipendentemente. Gli analisti di Grayscale vedono questa architettura modulare come un abilitatore chiave per scalare l'AI in sistemi decentralizzati senza fare affidamento su fornitori di computing centralizzati come Amazon Web Services.
Formazione Distribuita e Mercati GPU
Oltre a Bittensor, diversi altri protocolli crittografici focalizzati sull'AI stanno esplorando meccanismi di addestramento distribuiti. Un esempio è Prime Intellect, che ha addestrato modelli con oltre 30 miliardi di parametri utilizzando GPU inattive fornite da partecipanti globali.
Se questo approccio si dimostra scalabile, potrebbe ridurre i costi elevati associati all'addestramento di modelli AI centralizzati e ridurre la dipendenza dalle infrastrutture dei grandi player tecnologici.
Altri progetti, come Gensyn e Nous Research, stanno anch'essi costruendo mercati decentralizzati di GPU e potrebbero introdurre token entro la fine dell'anno. Queste piattaforme mirano a supportare lo sviluppo di modelli AI in ambienti in cui i contributori sono ricompensati in criptovalute per la condivisione del computing o dei dati, invece di affidarsi a un'infrastruttura aziendale centralizzata.
Monetizzazione dei Dati e Casi d'Uso Non Finanziari
Un altro settore emergente nell'intersezione AI-cripto è la monetizzazione dei dati. Grass, un protocollo che aggrega e vende dati raccolti dal web ai laboratori AI, avrebbe raggiunto decine di milioni di dollari in entrate annualizzate - senza offrire un token. Il progetto evidenzia come le reti decentralizzate possano attingere alla domanda esistente da parte degli sviluppatori AI generando entrate concrete da fonti non finanziarie.
L'economia dei dati sta diventando sempre più importante poiché i sistemi AI richiedono set di dati grandi, diversificati e aggiornati regolarmente per addestrare modelli in modo efficace. Il percorso di Grass mostra che gli strumenti di approvvigionamento e monetizzazione dei dati cripto-nativi possono coesistere con i broker di dati tradizionali, potenzialmente aprendo nuovi mercati per la partecipazione al dettaglio nel ciclo di addestramento AI.
Allo stesso modo, Virtuals - una piattaforma che offre accesso tokenizzato agli agenti AI - ha registrato $30 milioni in commissioni di trading annualizzate. Tale trazione indica una domanda iniziale per economie basate sugli agenti, dove i modelli AI agiscono in modo autonomo e partecipano al commercio utilizzando token digitali.
Considerazioni Finali
Nonostante l'ottimismo, il settore affronta rischi chiari, tra cui incertezze normative, sfide nell'esecuzione tecnica e narrazioni esagerate. Gran parte dell'attuale capitalizzazione di mercato è speculativa e legata a future aspettative di crescita del protocollo o all'utilità del token.
Tuttavia, la convergenza di AI, cripto e denaro programmabile sembra allineata strutturalmente con le tendenze tecnologiche a lungo termine. Se nuovi quadri normativi come l'Atto GENIUS o un disegno di legge sulla struttura del mercato crittografico fornito di direttive più chiare per le operazioni AI-cripto, potrebbe seguire un'adozione istituzionale.
Per ora, il settore crittografico AI rimane sperimentale e volatile - ma sempre più visibile. Man mano che le applicazioni nel mondo reale crescono e l'infrastruttura matura, la fase successiva potrebbe vederlo passare da una categoria di nicchia a una componente più integrata sia degli ecosistemi cripto che AI.