io.net (IO) è balzato di oltre il 50% in 24 ore il 6 maggio 2026, entrando tra gli asset più in tendenza su CoinGecko con una capitalizzazione di mercato vicina ai 60 milioni di dollari e un volume di scambi giornaliero prossimo ai 150 milioni di dollari. Quel rapporto volume/capitalizzazione di mercato di circa 2,4x segnala che è in gioco qualcosa di più della semplice speculazione di routine.
Il catalizzatore va più in profondità di un singolo movimento di prezzo giornaliero.
Una carenza globale di capacità di calcolo GPU, alimentata dall’insaziabile domanda di addestramento e inferenza di grandi modelli linguistici, ha aperto un divario strutturale che i provider cloud centralizzati non riescono a colmare abbastanza velocemente.
Decentralized GPU networks, progetti che aggregano hardware inattivo da data center, miner crypto e rig consumer in marketplace di calcolo unificati, si stanno posizionando come la risposta e le on-chain metrics iniziano a confermare questa tesi.
TL;DR
- Il rally superiore al 50% di io.net riflette un reale interesse istituzionale e degli sviluppatori per il calcolo GPU decentralizzato, non solo rotazione speculativa.
- Il mercato globale del calcolo per l’AI dovrebbe superare i 700 miliardi di dollari entro il 2030, e i provider centralizzati affrontano vincoli strutturali di capacità che le reti DePIN sono progettate per sfruttare.
- Dati on-chain, attività degli sviluppatori e benchmark di prezzo suggeriscono che le reti GPU decentralizzate possono offrire risparmi sui costi del 60-90% rispetto ad AWS e Azure per determinati carichi di lavoro AI.
La carenza di GPU che ha creato un’opportunità da 700 miliardi di dollari
La moderna corsa agli armamenti dell’AI è fondamentalmente una corsa hardware. Addestrare un singolo modello linguistico di frontiera richiede oggi decine di migliaia di GPU di fascia alta in funzione per settimane. I chip H100 e H200 di NVIDIA, i cavalli da tiro dell’addestramento AI, sono stati reported da Reuters come quasi esauriti presso i principali provider cloud già a metà 2023, e i tempi di consegna si sono allungati fino a sei mesi o più per tutto il 2024. All’inizio del 2026 l’offerta è migliorata, ma la domanda è cresciuta ancora più velocemente.
I numeri sono impressionanti.
McKinsey estimates che il mercato globale delle infrastrutture per l’AI supererà i 700 miliardi di dollari l’anno entro il 2030, con il calcolo che rappresenta la voce di costo singola più grande. Nel frattempo gli hyperscaler del cloud, Amazon Web Services, Microsoft Azure e Google Cloud, controllano circa il 65% della capacità GPU disponibile nei data center, secondo dati compiled da SemiAnalysis.
Questa concentrazione crea sia un problema di prezzo sia un problema di accesso per le migliaia di piccoli laboratori di AI, startup e istituzioni di ricerca che hanno bisogno di calcolo ma non possono firmare contratti pluriennali con gli hyperscaler.
Il divario tra offerta di GPU e domanda di carichi di lavoro AI è il singolo fattore strutturale più importante a favore delle reti di calcolo decentralizzate nel 2026.
Decentralized Physical Infrastructure Networks, commonly called DePIN, sono emerse come risposta diretta a questo collo di bottiglia. Invece di costruire nuovi data center, le reti di calcolo DePIN aggregano hardware già esistente ma sottoutilizzato: rig da gaming, farm di mining crypto in transizione lontano dal proof-of-work e data center di fascia media in colocation. La documentation di io.net dichiara l’accesso a oltre 100.000 GPU sulla propria rete, una cifra che la renderebbe uno dei più grandi pool di calcolo aggregato al di fuori del livello hyperscaler.
Also Read: Hyperliquid’s HYPE Token Near $41 With $9.7B Market Cap And Active DEX Volume
Cosa fa davvero io.net e come funziona la rete
io.net si descrive come “la più grande rete di calcolo decentralizzata al mondo”, che consente agli ingegneri di machine learning di accedere a cluster GPU distribuiti a una frazione del costo dei servizi centralizzati comparabili. L’architettura è significativamente diversa dal semplice affitto di schede grafiche inutilizzate.
La rete utilizza un modello a livelli. Al livello base, i fornitori di hardware, chiamati “workers” nella terminologia di io.net, connettono le GPU alla rete tramite il client software IO Worker. Questi dispositivi vengono poi organizzati in quelli che io.net chiama “cluster”, ovvero insiemi di GPU raggruppate logicamente che si comportano come un ambiente di calcolo unificato. L’orchestrazione Kubernetes si colloca al di sopra del livello cluster, consentendo agli sviluppatori di avviare job di addestramento distribuiti utilizzando strumenti a loro familiari.
Il protocollo handles in modo automatico la pianificazione dei job, la tolleranza ai guasti e il settlement, astrando la complessità della gestione di hardware eterogeneo.
Il pagamento e l’allineamento degli incentivi avvengono tramite il token IO. I fornitori guadagnano IO per aver fornito calcolo affidabile, mentre i clienti spendono IO, o in alcune configurazioni stablecoin, per accedere ai cluster. Un meccanismo di proof-of-work convalida che le GPU siano davvero online e funzionino correttamente, invece di limitarsi a dichiararlo. Il team ha published documentazione tecnica che descrive come i nodi worker debbano risolvere compiti crittografici di verifica per guadagnare ricompense, creando un segnale di qualità misurabile.
L’architettura a cluster di io.net consente agli ingegneri di machine learning di eseguire carichi di lavoro di addestramento distribuito su centinaia di GPU geograficamente disperse, una capacità in precedenza disponibile solo tramite le API degli hyperscaler.
L’implicazione pratica è che un ricercatore che necessita di 256 GPU per un run di fine-tuning non deve negoziare un contratto enterprise con AWS. Può avviare un cluster su io.net, pagare a ore e terminare il job una volta concluso, senza impegno minimo né vincoli a lungo termine.
Also Read: Why Polygon Just Buried Stablecoin Details Beneath Zero-Knowledge Proofs
Il settore DePIN per il calcolo: principali attori e struttura di mercato
io.net non opera in isolamento. Negli ultimi tre anni è emersa una coorte di reti di calcolo decentralizzate, ciascuna con un posizionamento differenziato.
Render Network (RNDR), in origine focalizzata sul rendering GPU per effetti visivi e media, si è espansa ai carichi di lavoro di inferenza AI e detiene una capitalizzazione di mercato superiore a 1,5 miliardi di dollari, secondo i dati di CoinGecko all’inizio di maggio 2026. Akash Network (AKT) prende di mira carichi di lavoro cloud generici, tra cui il calcolo CPU, e gira su una blockchain basata su Cosmos (ATOM). Gensyn, supportata da a16z, gestisce una rete di addestramento decentralizzata e ha raised 43 milioni di dollari in un round di Serie A. Nosana si concentra in modo specifico sull’inferenza GPU ai margini della rete, puntando ad applicazioni AI sensibili alla latenza.
Le dinamiche competitive meritano di essere comprese con attenzione:
- io.net dà priorità ai cluster di addestramento di machine learning e compete principalmente sul costo, rivolgendosi a ricercatori e startup AI
- Render Network si rivolge ai carichi di lavoro creativi e di inferenza con un ecosistema consolidato di operatori di nodi
- Akash Network si focalizza sul deployment basato su container su risorse CPU e GPU, enfatizzando la permissionlessness
- Gensyn punta specificamente all’addestramento e utilizza un nuovo meccanismo di proof-of-learning per verificare l’integrità del calcolo
Il settore delle GPU decentralizzate ha gestito collettivamente entrate di protocollo stimate in 200 milioni di dollari annualizzati all’inizio del 2026, secondo dati on-chain aggregati da DeFiLlama e Dune Analytics.
Ciò che unisce queste reti è una tesi comune: i margini del cloud centralizzato sono vulnerabili perché l’hardware sottostante, le GPU NVIDIA, è una commodity, e il valore aggiunto di AWS o Azure risiede nell’affidabilità e negli strumenti, non nel silicio in sé. Se le reti DePIN riescono a eguagliare l’affidabilità offrendo al contempo prezzi inferiori, possono catturare una fetta significativa di un mercato che cresce più velocemente di quanto qualsiasi incumbent possa servire.
Also Read: Bitcoin Flatlines Near $81,000 While Altcoins Deliver Double-Digit Gains
Benchmark di prezzo: come si confronta il calcolo decentralizzato con AWS
Il dato più convincente nella tesi del calcolo decentralizzato è il confronto diretto dei prezzi. Il calcolo GPU viene prezzato a ore sia sulle piattaforme centralizzate sia su quelle decentralizzate, il che rende possibile il confronto diretto.
Un’istanza AWS p4d.24xlarge, che contiene 8 GPU NVIDIA A100, è listed a circa 32,77 dollari l’ora nel mercato on-demand all’inizio del 2026.
Nella pagina dei prezzi pubblicata da io.net, i cluster con configurazioni A100 equivalenti sono listed a tariffe comprese tra 1,50 e 3,50 dollari per GPU all’ora, il che implica un cluster da 8 GPU a 12-28 dollari l’ora, con uno sconto dal 15% al 63% a seconda della configurazione. Per gli equivalenti H100, il divario si riduce ma resta significativo.
Akash Network pubblica un marketplace live in cui le aste di calcolo si chiudono frequentemente all’80-90% in meno rispetto ai prezzi di listino AWS equivalenti per i carichi di lavoro CPU, secondo i dati compiled sulla dashboard di analytics di Akash. I prezzi GPU di Render Network per i task di inferenza sono stati benchmarked in modo indipendente a circa il 70% in meno rispetto ai costi di calcolo comparabili di Azure Machine Learning.
Independent benchmarking suggests decentralized GPU networks can offer 60-90% cost savings versus hyperscaler on-demand pricing for carichi di lavoro di training e di inferenza, un divario che è economicamente significativo per qualsiasi organizzazione che spenda più di 50.000 dollari al mese in calcolo.
La riserva è reale: l’affidabilità, le garanzie di uptime e le funzionalità di supporto enterprise sono ancora meno mature sulle reti decentralizzate. Ma per le startup di IA e le istituzioni di ricerca sensibili ai costi, il compromesso è sempre più attraente. Un laboratorio che brucia 500.000 dollari al mese in calcolo GPU su AWS e riesce a migrare anche solo il 30% dei carichi di lavoro verso reti decentralizzate risparmia 1,8 milioni di dollari all’anno, una cifra che cambia in modo sostanziale la matematica del fundraising.
Also Read: LUNC Returns To The Spotlight With 8.7% Gain And $253M In Daily Trading Volume
Il più ampio slancio di DePIN: cosa mostrano i dati on-chain
Il settore DePIN non è solo una narrativa. Le metriche on-chain mostrano una reale crescita dell’utilizzo su più reti.
Il Developer Report 2025 di Electric Capital found che i protocolli legati a DePIN hanno visto la forza lavoro degli sviluppatori crescere del 34% anno su anno nel 2024, superando la media del settore crypto in generale, pari all’11%.
Il numero di wallet attivi sul sistema di ricompense basato su Solana di io.net è cresciuto da circa 8.000 indirizzi attivi mensilmente nel Q1 2025 a oltre 45.000 nel Q1 2026, secondo i dati viewable sulle dashboard di Dune Analytics mantenute dal team di io.net. Si tratta di un aumento di quasi 5 volte dei partecipanti alla rete in 12 mesi.
Il tracker DePIN di DeFiLlama shows ricavi annualizzati combinati nel settore DePIN del compute monitorato pari a circa 180-220 milioni di dollari al Q1 2026, con io.net, Render e Akash che rappresentano la maggior parte dell’attività. La Total Value Locked è una metrica meno utile per le reti di calcolo; a differenza della DeFi, le reti di calcolo non mettono in pool il capitale, ma le metriche di crescita della rete ponderate per token raccontano una storia simile.
I fornitori di GPU attivi mensilmente su io.net sono cresciuti di quasi 5 volte tra il Q1 2025 e il Q1 2026, indicando una reale trazione dal lato dell’offerta oltre la semplice speculazione sul prezzo del token.
Il report a16z Crypto State of Crypto 2025 identified DePIN come uno dei tre settori con i segnali di product-market fit più forti, insieme alle stablecoin e agli asset del mondo reale tokenizzati. Il report noted che i protocolli DePIN condividono il vantaggio strutturale di aggregare asset fisici esistenti invece di richiedere nuova formazione di capitale, caratteristica che li isola parzialmente dai cicli di mercato crypto.
Also Read: Toncoin Rallies 25% After Durov Pledges Telegram Will Replace Foundation As Top Validator
Il legame con Solana e perché la scelta della chain conta per le reti di calcolo
io.net ha preso una decisione architetturale deliberata che lo distingue dalle vecchie reti di calcolo: ha impostato il proprio livello di incentivi e ricompense su Solana (SOL) invece di costruire una blockchain su misura o usare Ethereum (ETH). Questa scelta ha effetti cumulativi sull’economia della rete.
La capacità di throughput transazionale di Solana, in grado di processing oltre 65.000 transazioni al secondo in condizioni ottimali, e le sue commissioni inferiori al centesimo rendono pratico il regolamento di micropagamenti per singole ore di GPU senza che le fee erodano i margini dei fornitori. Un operatore GPU che guadagna 0,20 dollari per un job di calcolo di 10 minuti ha bisogno di un livello di regolamento in cui la transazione costi 0,001 dollari, non 2,00 dollari. La mainnet di Ethereum, anche dopo il Merge, rimane proibitivamente costosa per micro-regolamenti ad alta frequenza di quella granularità.
La scelta connette inoltre io.net al più ampio ecosistema di sviluppatori di Solana. L’ecosistema Solana ha visto una crescita costante dell’attività degli sviluppatori, con Electric Capital che reporting oltre 2.500 sviluppatori Solana attivi mensilmente nel 2025, seconda solo a Ethereum tra tutte le chain. Questa sovrapposizione tra sviluppatori nativi Solana e costruttori di infrastrutture IA/ML crea un naturale canale di acquisizione utenti per io.net.
Regolare i micropagamenti GPU su Solana anziché su Ethereum riduce i costi di regolamento per transazione di una stima del 99%, rendendo economicamente sostenibili i job di calcolo inferiori al dollaro sia per i fornitori che per gli acquirenti.
Il rischio di questo approccio è la concentrazione. Gli outage della rete Solana, che si sono verificati storicamente, sebbene con frequenza decrescente, interromperebbero la distribuzione delle ricompense di io.net anche se i job di calcolo continuassero a funzionare normalmente. La architecture documentation del team riconosce questa dipendenza e descrive meccanismi di fallback, ma rimane un rischio strutturale che gli acquirenti enterprise esamineranno attentamente.
Also Read: Hyperliquid Pushes Toward $10.5B Valuation While HYPE Holds Above $44
Considerazioni normative e di compliance per il calcolo decentralizzato
Le reti di calcolo decentralizzate occupano uno spazio regolatorio interessante. A differenza dei protocolli DeFi che toccano direttamente asset finanziari, le reti di calcolo sono nominalmente attività infrastrutturali, più vicine agli operatori di data center che a exchange o protocolli di lending. Questa distinzione è importante per il modo in cui i regolatori le affrontano.
L’attenzione della SEC nell’enforcement crypto si è concentrata sulla questione se un token costituisca un titolo.
Per i token delle reti di calcolo come IO, RNDR o AKT, la domanda è se i detentori di token ricevano una quota dei profitti derivanti dalle operazioni della rete. I tokenomics di io.net sono structured in modo tale che IO sia principalmente un token di utilità utilizzato per pagare il calcolo e per ricompensare i fornitori, non una pretesa sui ricavi del protocollo, distinzione che i team sperano li collochi al di fuori della portata del test di Howey. A maggio 2026 non era stata emessa alcuna linea guida formale della SEC sui token DePIN.
Sul fronte della sovranità dei dati e della compliance, il calcolo decentralizzato crea una complessità reale per gli acquirenti enterprise. Un’azienda che allena un modello su dati dei clienti usando i cluster di io.net non può sapere con certezza in quali giurisdizioni i suoi dati vengono elaborati, perché la rete distribuisce dinamicamente i carichi di lavoro.
Il Regolamento generale sulla protezione dei dati (GDPR) dell’UE e il California Consumer Privacy Act entrambi impose restrizioni sui trasferimenti transfrontalieri di dati personali, creando una potenziale barriera di compliance per i settori regolamentati.
L’adozione enterprise delle reti GPU decentralizzate potrebbe dipendere meno dal prezzo e più dalla capacità delle reti di offrire garanzie conformi di residenza dei dati, funzionalità che gli hyperscaler centralizzati hanno avuto anni per sviluppare.
io.net e diversi competitor stanno developing strumenti di geo-fencing che permettono agli acquirenti di specificare le giurisdizioni dei nodi GPU accettabili per i carichi di lavoro sensibili. Questa capacità, se fornita in modo affidabile, potrebbe risolvere il collo di bottiglia del GDPR e aprire canali di procurement enterprise attualmente chiusi alle reti di calcolo decentralizzate.
L’economia del token IO: offerta, domanda e quadro valutativo
Capire la valutazione di io.net richiede comprendere come il token IO crei e catturi valore all’interno della rete. Il token svolge tre funzioni principali: compensa i fornitori di GPU, consente agli acquirenti di pagare il calcolo ed è messo in staking da alcuni partecipanti per accedere ad allocazioni di cluster premium.
L’offerta totale di IO è capped a 800 milioni di token. A inizio maggio 2026, circa 550 milioni di token erano in circolazione secondo i dati di CoinGecko. L’emissione continua tramite ricompense di blocco distribuite ai fornitori di GPU, creando una costante pressione di vendita da parte degli operatori che convertono i guadagni per coprire i costi di elettricità e hardware. Questo è strutturalmente simile all’economia del mining proof-of-work, in cui i miner sono venditori sistematici.
Il driver dal lato della domanda è più interessante. Man mano che la rete elabora più job di calcolo, più IO deve essere acquistato e speso dagli acquirenti, il che crea pressione di acquisto organica. Se i ricavi annualizzati di calcolo attraverso la rete crescessero dall’attuale fascia stimata di 10-15 milioni di dollari a 100 milioni nei prossimi 24 mesi, scenario che richiede di catturare circa lo 0,01% del mercato GPU degli hyperscaler, le implicazioni per la velocità del token sarebbero sostanziali.
All’attuale run rate di ricavi annualizzati di calcolo di io.net, il token IO è prezzato a circa 4-6x i ricavi, un premio che riflette aspettative di crescita piuttosto che utili correnti, comparabile ai multipli di software cloud in fase iniziale.
L’impennata di prezzo del 6 maggio, da circa 0,12 a 0,18 dollari intraday, ha portato la market cap di IO da circa 40 milioni a quasi 100 milioni di dollari al picco, prima di stabilizzarsi intorno a 60-70 milioni. Il rapporto volume/market cap di 2,4x durante questo periodo è eccezionalmente alto anche per gli standard crypto, suggerendo sia accumulazione genuina sia slancio speculativo.
I trader dovrebbero notare che i token a piccola capitalizzazione in questo range possono subire drawdown del 50-80% entro 72 ore da un picco senza alcun cambiamento nelle prospettive fondamentali.
Also Read: Saylor Hints Strategy May Sell Bitcoin To Calm Market After $12.5B Loss
Adozione da parte degli sviluppatori: chi sta realmente costruendo sulle reti GPU decentralizzate
L’andamento del prezzo conta meno del fatto che sviluppatori reali utilizzino queste reti per carichi di lavoro reali. Le evidenze qui sono miste ma con una tendenza positiva.
Diversi startup di IA hanno pubblicamentedisclosed l’utilizzo di io.net per l’addestramento di modelli, incluse aziende in fase iniziale che lavorano su computer vision, fine-tuning di elaborazione del linguaggio naturale e modelli generativi di immagini. La maggior parte degli utenti dichiarati sono startup pre-revenue che scelgono io.net principalmente per motivi di costo, sebbene questo sia coerente con il modo in cui si sono sviluppati i primi mercati del cloud: la base clienti iniziale di AWS nel 2006 era in larga maggioranza composta da startup con forti vincoli di cassa, non da imprese.
Hugging Face, il principale repository open source di modelli di IA con oltre 700.000 modelli disponibili pubblicamente, si è integrato con diversi partner di calcolo decentralizzato nel 2025 per consentire ai ricercatori di eseguire inferenza direttamente su reti di GPU di terze parti, incluse infrastrutture compatibili con Render. Questo tipo di integrazione di ecosistema, in cui una piattaforma per sviluppatori ad alto traffico instrada i carichi di lavoro verso provider decentralizzati, è precisamente il meccanismo di distribuzione che accelera l’adozione senza richiedere acquisizione diretta dei clienti.
L’integrazione da parte di Hugging Face di opzioni di calcolo GPU decentralizzato nella propria pipeline di inferenza rappresenta una tappa di distribuzione fondamentale: gli sviluppatori che già utilizzano la piattaforma si imbattono nel compute decentralizzato senza doverlo cercare autonomamente.
Le istituzioni accademiche di ricerca, che affrontano vincoli di budget per il compute molto più severi rispetto ai laboratori di IA commerciali, rappresentano un altro segmento poco servito. Un paper del 2024 pubblicato su arXiv ha documentato esperimenti che utilizzano framework di calcolo decentralizzato per addestrare modelli al 40-60% del costo equivalente del tempo su cluster HPC universitari, con una throughput comparabile per certi tipi di carichi di lavoro. Man mano che i budget di ricerca si restringono a livello globale, questo differenziale di costo diventa un argomento convincente per l’adozione accademica.
Also Read: Solana Reclaims Trader Attention With $3.5B In Daily Volume
Rischi, Sfide E Prospettive Future Per io.net E Il Settore
Nessuna analisi di settore è completa senza una valutazione onesta dei rischi, e le reti di GPU decentralizzate ne affrontano diversi di natura strutturale, non soltanto temporanea.
Il più significativo è la variabilità nella qualità dell’hardware. I cloud centralizzati offrono specifiche hardware garantite con prestazioni definite. Un nodo su io.net può eseguire una NVIDIA RTX 3090 in un PC da gaming nel garage di qualcuno, oppure una A100 di livello data center in una struttura di colocation.
La differenza di prestazioni è enorme e, sebbene gli algoritmi di formazione dei cluster di io.net tentino di abbinare l’hardware ai requisiti del carico di lavoro, gli acquirenti non possono ancora specificare l’hardware con la precisione disponibile su AWS. La documentazione della rete riconosce questo aspetto come una priorità di sviluppo in corso.
L’affidabilità della rete è la seconda sfida strutturale. I carichi di lavoro di IA enterprise spesso girano per giorni o settimane senza interruzioni. Se un nodo abbandona un cluster a metà addestramento, il checkpointing del job deve recuperare automaticamente lo stato. I sistemi di tolleranza ai guasti di io.net sono funzionali ma non sono ancora stati collaudati sul campo alla scala degli hyperscaler commerciali, che dispongono di anni di dati operativi per ottimizzare i propri sistemi di recupero dai guasti.
Il rischio normativo, discusso nella sezione sette, rimane attuale. Una determinazione regolamentare secondo cui IO costituisce un titolo finanziario creerebbe un rischio immediato di delisting dagli exchange e probabilmente deprimerebbe l’attività della rete da parte dei partecipanti con base negli Stati Uniti. Il posizionamento legale del team non è stato pubblicamente validato da alcun regolatore.
I tre fattori di rischio più probabili a ostacolare l’adozione delle reti di GPU decentralizzate sono la variabilità della qualità dell’hardware, i gap di affidabilità a livello enterprise e la classificazione normativa irrisolta dei token di rete.
Vale anche la pena notare la concorrenza da parte degli stessi hyperscaler. AWS, Google e Microsoft hanno tutti annunciato programmi per espandere la disponibilità di GPU e ridurre i prezzi on-demand. I prezzi dei TPU Pod di Google Cloud sono diminuiti in modo significativo dal 2024. Se i provider centralizzati riducono il divario di prezzo al 30-40% anziché al 70-90%, la proposta di valore principale delle reti decentralizzate si indebolisce. Il vantaggio competitivo di lungo periodo del settore DePIN deve in ultima analisi poggiare sugli effetti di rete e sull’aggregazione strutturale, non solo su un arbitraggio di costo temporaneo.
Read Next: Exclusive: Tokenized Equities Could Bypass Nasdaq And NYSE Within Five Years, Says Abra CEO
Conclusione
Il rialzo del 50% di io.net del 6 maggio 2026 va compreso non come un momento da memecoin, ma come il riflesso di un reale interesse di mercato in una delle tesi di settore strutturalmente più convincenti della cripto. La carenza globale di compute per l’IA è reale, il differenziale di prezzo tra reti di GPU centralizzate e decentralizzate è documentato e sostanziale, e i segnali di adozione da parte degli sviluppatori, sebbene iniziali, sono coerenti con una categoria che sta evolvendo verso un reale product-market fit.
Il settore del compute GPU decentralizzato, con io.net, Render Network, Akash e Gensyn come pilastri, sta affrontando collettivamente un collo di bottiglia che nessuna quantità di venture capital può risolvere rapidamente: l’indisponibilità fisica di compute GPU a un livello di prezzo accessibile alle migliaia di laboratori di IA, istituzioni di ricerca e startup che non si chiamano OpenAI o Anthropic.
Quel collo di bottiglia non sta per scomparire. Le stesse previsioni di produzione di NVIDIA e i piani di spesa in conto capitale degli hyperscaler suggeriscono che l’offerta di GPU rimarrà limitata rispetto alla domanda almeno fino al 2027.
I rischi di breve periodo sono reali: la volatilità del token, i gap di affidabilità, l’incertezza normativa e la concorrenza degli hyperscaler meritano tutti un’attenzione seria. Ma la tesi strutturale di medio periodo per le reti di compute decentralizzate è tra le più solide nel settore DePIN. Investitori e sviluppatori dovrebbero monitorare le metriche di adozione da parte degli sviluppatori, la crescita nel volume dei job di compute e le disclosure dei clienti enterprise più da vicino rispetto al solo prezzo del token. Il prezzo seguirà i fondamentali, e i fondamentali si stanno muovendo nella direzione giusta.
Read Next: WOJAK Climbs 39% In 24 Hours With $11M Trading Volume