Introduzione: Dalla Fatica Cripto alla Convergenza dell'IA
All'inizio del 2026, il mercato delle criptovalute è entrato in una fase di affaticamento narrativo. Capitale, talento e attenzione si sono sempre più spostati verso l'intelligenza artificiale. Le discussioni un tempo dominanti sul “next 100x” sono state sostituite da conversazioni sui modelli linguistici di grandi dimensioni e sugli strumenti di intelligenza artificiale.
Contro questo sfondo, è emerso un progresso silenzioso ma storico:
Una rete decentralizzata ha addestrato con successo un modello di intelligenza artificiale con 72 miliardi di parametri—senza coordinamento centralizzato.
Questo evento, guidato dalla sottorete SN3 di Bittensor (“Templar”), può rappresentare un punto di svolta strutturale sia nella crittografia che nell'IA.
Parte I: La scoperta tecnica
1. Ridefinire l'architettura della formazione dell'IA
La formazione dell'IA tradizionale segue un modello centralizzato:
▪ Centri dati massivi
▪ Decine di migliaia di GPU
▪ Spesa in capitale da miliardi di dollari
▪ Controllato da un'unica organizzazione
Bittensor introduce un approccio radicalmente diverso:
▪ Partecipanti globali distribuiti (minatori)
▪ Nessun server centrale
▪ Nessuna assunzione di fiducia
▪ Coordinamento incentivato tramite economia dei token
Invece del controllo istituzionale, gli incentivi del token TAO allineano i partecipanti in base alla qualità dei loro contributi (gradienti).
👉 Questo trasforma la formazione dell'IA in un processo libero da permessi, guidato dal mercato.
2. Covenant-72B: Cosa è stato realizzato
La sottorete SN3 ha addestrato con successo Covenant-72B, con:
▪ 72 miliardi di parametri (paragonabili a modelli open-source principali)
▪ 1,1 trilioni di token (~5,5 milioni di libri equivalenti)
▪ Oltre 70 contributori indipendenti a livello globale
▪ 6 mesi di formazione decentralizzata
Risultati delle prestazioni
Rispetto a LLaMA-2 di Meta:
▪ MMLU: 67.35% vs 63.08%
▪ GSM8K: 63.91% vs 52.16%
▪ Seguire le istruzioni: 64.70% vs 40.67%
👉 Questo segna la prima volta che un modello decentralizzato ha superato un peer centralizzato a scala simile.
3. Innovazioni tecnologiche chiave
a. Ottimizzazione SparseLoCo
▪ >146x compressione dei dati di gradiente
▪ Abilita collaborazione globale efficiente
▪ Riduce i colli di bottiglia di larghezza di banda
b. Meccanismo Anti-Cheat Gauntlet
▪ Convalida i contributi senza fiducia
▪ Previene input dannosi o di bassa qualità
c. Efficienza della comunicazione
▪ Solo il 6% di sovraccarico
▪ 94% delle risorse concentrate sulla formazione
👉 Queste innovazioni risolvono i colli di bottiglia principali dei sistemi decentralizzati: fiducia, efficienza e coordinamento.
4. Evoluzione dell'IA decentralizzata
La traiettoria di progresso è significativa:
▪ 2022: modelli da 6 miliardi di parametri (fase sperimentale)
▪ 2023–2024: modelli da 1 miliardo a 10 miliardi (prova di concetto)
▪ 2026: modelli da 72 miliardi che superano i benchmark centralizzati
Questo riflette:
👉 Un aumento di scala di 12 volte in 4 anni
👉 Transizione dalla fattibilità → competitività
Parte II: Valutazione errata del mercato e gap cognitivo
1. Perché il mercato ha reagito in ritardo
Nonostante la scoperta, il prezzo di TAO ha reagito con un ritardo.
Questo rivela un disconnesso cognitivo:
▪ Gli investitori in criptovalute → Non comprendono appieno il significato dell'IA
▪ I ricercatori di IA → Ignorano l'infrastruttura crittografica
👉 Risultato: finestra di inefficienza di 2–3 giorni (arbitraggio cognitivo)
2. L'ecosistema in espansione di Bittensor
Bittensor non è più un singolo concetto—è un ecosistema:
▪ Formazione IA (SN3)
▪ Agenti IA
▪ Mercati di calcolo
▪ Reti di dati
▪ Integrazione della robotica
Con oltre 70 sottoreti, ricorda:
👉 Un equivalente decentralizzato di uno strato di infrastruttura cloud per IA
3. Disallineamento di valutazione
I prezzi attuali del mercato riflettono un malinteso:
▪ Valutato come un progetto a livello applicativo
▪ Funziona come un protocollo a livello infrastrutturale
Intuizione di confronto:
▪ Dominanza di Bitcoin: ~50–60%
▪ Quota di Bittensor nell'IA crypto: ~11.5%
👉 Indica una sottovalutazione strutturale
Parte III: Implicazioni strategiche
1. Cambiamento nelle strutture di potere dell'IA
Storicamente, lo sviluppo dell'IA era controllato da:
▪ Grandi aziende tecnologiche
▪ Infrastruttura ad alta intensità di capitale
Bittensor sfida questo abilitando:
▪ Partecipazione aperta
▪ Proprietà distribuita
▪ Innovazione senza permessi
👉 Questo indebolisce la tesi del monopolio dell'IA centralizzata
2. Il primo reale contributo della crittografia all'IA
A differenza dei precedenti token "narrativa IA":
▪ Nessun prodotto guidato dall'hype
▪ Nessuna integrazione superficiale
Invece:
👉 Un modello IA completamente funzionale
👉 Benchmark verificati
👉 Rilascio open-source
Questo stabilisce:
Crittografia come strato di coordinamento per la produzione nel mondo reale
3. La strada da percorrere
Limitazioni attuali:
▪ Ancora indietro rispetto ai modelli SOTA (gap del 20–30%)
▪ Richiede un miglioramento post-formazione (RLHF)
Catalizzatori futuri:
▪ SN81 (miglioramenti allineamento)
▪ Partecipazione GPU eterogenea
▪ Rete di calcolo espansa
👉 Il divario è ora ingegneristico, non teorico
Conclusione: Un nuovo ruolo per la crittografia
Bittensor dimostra qualcosa di fondamentalmente nuovo:
▪ La crittografia può coordinare il calcolo, non solo il capitale
▪ Gli incentivi possono organizzare la produzione globale di IA
▪ La decentralizzazione può scalare a tecnologie di frontiera
Questo non è solo un altro protocollo.
È una prova che:
👉 I sistemi decentralizzati possono costruire intelligenza
Se Bitcoin ha stabilito denaro decentralizzato,
Bittensor potrebbe stabilire un'infrastruttura di intelligenza decentralizzata.
Ecco perché:
Bittensor non è solo rilevante—potrebbe essere essenziale.
Analisi finale
▪ La scoperta è strutturale, non ciclica
▪ Il mercato non ha ancora valutato appieno la narrativa dell'infrastruttura dell'IA
▪ Forte potenziale per un upside asimmetrico a lungo termine
▪ Rischio chiave: velocità di esecuzione vs giganti dell'IA centralizzati
👉 Questo è un caso classico di errata valutazione dell'infrastruttura in fase iniziale