Secondo gli esperti, le prove ZK offrono un vantaggio ai DePIN in un contesto di crescente domanda di fiducia nell'IA

La base di riferimento da 7,6 trilioni di dollari

Un recente rapporto di Goldman Sachs sposta il dibattito dall'esistenza o meno della domanda di intelligenza artificiale (AI) a quali fattori dal lato dell'offerta determineranno il costo effettivo della realizzazione. Il rapporto prevede 7,6 trilioni di dollari di spesa in conto capitale per l'AI come base di riferimento, ma sottolinea che questa cifra è altamente sensibile alle "variabili oscillanti", tra cui la vita utile dei chip per l'AI.

Questa longevità è vista come il fattore più critico perché la rapida innovazione potrebbe rendere obsoleti in tre anni i chip standard, che in genere durano da quattro a sei anni, causando un'impennata dei costi. Al contrario, un "modello a livelli" in cui i chip più vecchi vengono riutilizzati per compiti più semplici, come l'inferenza, potrebbe stabilizzare i costi.

La complessità dei data center e l'elasticità della domanda di calcolo sono altre variabili che potrebbero influenzare l'ammontare degli investimenti in infrastrutture di IA nei prossimi cinque anni. Anche la carenza di capacità della rete elettrica, di manodopera specializzata e di apparecchiature elettriche è vista come un fattore che allunga i tempi di realizzazione.

Un rapporto separato, nel frattempo, inquadra questa spesa infrastrutturale sbalorditiva come la pietra angolare di una "economia delle macchine" emergente. In questo paradigma, gli agenti di IA diventano gli attori economici primari, eseguendo transazioni ad alta frequenza e gestendo l'allocazione delle risorse in modo indipendente. Gli autori del rapporto sostengono che i sistemi finanziari tradizionali, caratterizzati da cicli di regolamento lenti e da rigidi quadri normativi "know your customer" (KYC), siano fondamentalmente inadeguati alla velocità del commercio mediato dagli agenti.

Infrastruttura decentralizzata e compromesso sulla latenza

Di conseguenza, posiziona le criptovalute e i protocolli decentralizzati come le "binari economici" essenziali e senza autorizzazione necessari per facilitare questo cambiamento. Tuttavia, gli scettici rimangono diffidenti, chiedendosi se le reti di infrastrutture fisiche decentralizzate (DePIN) possano davvero mitigare i requisiti di capitale in forte aumento dell'IA.

Vadim Taszycki, responsabile della crescita presso StealthEX, osserva che, sebbene le reti decentralizzate possano offrire significativi risparmi sui costi, devono affrontare limitazioni fisiche. Mentre un provider decentralizzato come Akash potrebbe noleggiare una GPU H100 a 1,48 dollari l'ora rispetto ai 12,30 dollari di Amazon Web Services, il compromesso è la velocità. "I grandi provider cloud possono farlo [fast work] perché le loro GPU si trovano una accanto all'altra in un unico edificio, collegate da cavi speciali che trasferiscono i dati in microsecondi", ha detto Taszycki. Ha spiegato che le reti decentralizzate, che collegano GPU in diversi paesi tramite Internet pubblico, aggiungono millisecondi di ritardo. Questa latenza rende l'orchestrazione decentralizzata competitiva per i lavori in batch e la messa a punto, ma inadatta a gestire chatbot live su larga scala, dove l'esperienza utente dipende da risposte quasi istantanee.

Leo Fan, fondatore di Cysic, ha fatto eco a queste considerazioni, insistendo sul fatto che l'inferenza decentralizzata non è adatta per carichi di lavoro a bassa latenza. Fan ha sostenuto, tuttavia, che la latenza è un parametro di riferimento sbagliato per confrontare le piattaforme decentralizzate e gli hyperscaler come AWS.

"Il vero problema non è il calcolo distribuito, ma l'individuazione, la pianificazione e l'attestazione. Il punto cruciale non è il prezzo per token, ma la verificabilità", ha affermato Fan. Ha osservato che gli ambienti di esecuzione affidabili (TEE) e le attestazioni a conoscenza zero (ZK) consentono alle reti decentralizzate di competere in settori in cui la fiducia e la verifica contano più della "latenza di coda".

Credito on-chain e il divario di finanziamento

Al di là dell'elaborazione, l'attenzione si sta spostando su come vengono finanziati questi progetti ad alta intensità di capitale. Sebbene il credito privato tradizionale disponga di ampio capitale, spesso trascura le operazioni più piccole o non standard. Il credito on-chain offre vantaggi distinti, come consentire agli investitori al dettaglio di partecipare ai ricavi dei data center che in precedenza erano limitati ai soci accomandanti istituzionali. Inoltre, piattaforme come Maple e Centrifuge possono sindacare prestiti compresi tra 5 e 50 milioni di dollari, una fascia spesso ignorata da società come Apollo a causa degli elevati costi di sottoscrizione rispetto alle commissioni. Infine, il credito on-chain consente nuovi modelli "pay-per-inference", in cui i ricavi variano in base all'utilizzo delle GPU. Tali modelli si inseriscono più naturalmente nelle strutture di condivisione dei ricavi tokenizzate rispetto ai rigidi contratti di locazione tradizionali ventennali.

Nonostante questo potenziale, gli esperti identificano quattro "ostacoli" che rimangono chiusi all'adozione istituzionale: l'applicabilità legale nei tribunali fallimentari, la mancanza di un'infrastruttura oracolare a prova di manomissione per la gestione dei covenant, l'incertezza normativa per le tranche da miliardi di dollari e prodotti fiscali e contabili non standardizzati.

Il consenso suggerisce una tempistica realistica di 12-24 mesi affinché le operazioni sindacate di medie dimensioni prendano piede sulla blockchain, mentre il debito mezzanino prevalentemente on-chain richiederà probabilmente dai tre ai cinque anni. Le prime innovazioni arriveranno probabilmente dagli operatori di secondo livello piuttosto che dai leader del settore come Coreweave.