Dall’Hype alla Realtà: le Innovazioni Emergenti nel 2025 in DePIN e Intelligenza Artificiale.

DePIN: reti decentralizzate di infrastrutture fisiche

Sebbene i progetti DePIN, in teoria, cerchino di fornire un'utilità reale alle crypto, sono pochi quelli che risolvono davvero problemi concreti, hanno un modello di business sensato capace di sconvolgere le aziende esistenti e non possono essere facilmente falsificati. La maggior parte sono semplicemente soluzioni in cerca di un problema. Un'eccezione notevole è una rete di tracciamento dei voli chiamata Wingbits. Perché? Perché affronta un problema del Web2 risolvendolo con incentivi Web3. Chiunque abbia mai monitorato un volo come BA117 da Londra a New York, potrebbe aver usato siti come FlightAware o Flightradar.

Figura 1: Mappa tracciamento voli Wingbits

Fonte: Wingbits - Trasformare il tracciamento dei voli.

Le aziende di tracciamento voli generano milioni di ricavi vendendo dati di volo a compagnie aeree e a compratori come analisti finanziari che monitorano i movimenti di jet privati per fusioni e acquisizioni. Queste aziende guadagnano anche da pubblicità e abbonamenti sulle loro piattaforme. Tuttavia, la loro spesa in conto capitale non include costi significativi per infrastrutture e hardware. Questo perché la tecnologia di sorveglianza aerea, chiamata ricevitori ADS-B, è un hardware che richiede antenne e Raspberry Pi, acquistati e configurati da appassionati di aviazione. Questi appassionati si aspettano poco in cambio, spesso ottenendo solo un abbonamento gratuito alla loro piattaforma di tracciamento voli preferita.

Il problema principale è che gli appassionati non sono incentivati a massimizzare la qualità dei dati per queste reti. Senza incentivi marginali, i ricevitori ADS-B sono spesso mal posizionati — per esempio, negli angoli del soggiorno o sovrabbondanti in aree urbane densamente popolate, causando una copertura debole nelle zone rurali.

Figura 2: (LHS) Ricevitore ADS-B tradizionale, (RHS) miner Wingbits

Fonte: Wingbits - Trasformare il tracciamento dei voli.

Wingbits sta rivoluzionando il tracciamento dei voli incentivando gli appassionati a installare stazioni strategicamente, in base all'altitudine, utilizzando un sistema simile all'indice spaziale gerarchico esagonale di Uber. Questo approccio garantisce una copertura ottimizzata, dati di qualità superiore e, soprattutto, ricompense eque per i contributori della rete. Hanno coperto il 75% delle reti più grandi con solo 1/11 del numero di stazioni Wingbits. Questo alto livello di efficienza, combinato con un previsto dispiegamento di oltre 4.000 stazioni, si prevede supererà nettamente le reti tradizionali di tracciamento voli, fornendo dati di migliore qualità ai clienti finali.

La prossima conversazione a cena in famiglia per spiegare questo concetto sarà facile, poiché ora possiamo indicare un caso d'uso reale, guidato da incentivi crypto, che le persone comuni possono comprendere.

Crypto x AI

Similmente ai cicli di mercato, la domanda di potenza di calcolo vive picchi e cali. Le GPU possono essere costose e le restrizioni di offerta le rendono ancora più care. Sfruttare la potenza di calcolo inattiva dei dispositivi consumer non è un concetto nuovo, ma risolvere la sfida della sincronizzazione tra dispositivi multipli lo è. Exo Labs è un progetto pioniere che sta ottenendo importanti risultati nel edge computing, permettendo agli utenti di eseguire modelli su dispositivi consumer comuni, come MacBook domestici. Ciò significa che i dati sensibili restano sotto il tuo controllo, riducendo i rischi associati all'archiviazione o all'elaborazione basate su cloud.

Figura 3: Un modello a 9 livelli diviso in 3 frammenti, ciascuno eseguito su un dispositivo separato

Fonte: Transparent Benchmarks - 12 Days of EXO, EXO Labs.

Exo Labs ha sviluppato una nuova infrastruttura software chiamata pipeline parallel inference, che consente a un grande modello linguistico (LLM) di essere suddiviso in “shard,” permettendo a diversi dispositivi di eseguire parti separate del modello pur rimanendo connessi sulla stessa rete. Questo approccio offre vari vantaggi quali riduzione della latenza, maggiore sicurezza, efficienza dei costi e soprattutto benefici per la privacy.

Approfondendo la privacy emerge Bagel AI, un progetto che ha sviluppato ZKLoRA (Zero-Knowledge Low-Rank Adaptation), un approccio che preserva la privacy per il fine-tuning degli LLM. Questa innovazione permette la creazione di modelli specializzati per industrie quali i servizi legali, la sanità e la finanza, consentendo l'utilizzo di dati sensibili per l'apprendimento rinforzato senza rischiare perdite di informazioni riservate.

Sebbene la preservazione della privacy sia un argomento caldo, una sfida maggiore per la maggior parte degli LLM è il problema delle allucinazioni, una risposta generata dall'AI che contiene informazioni false o fuorvianti presentate come fatti. Un manager di portafoglio mi ha detto una volta: “La saggezza risiede nel sintetizzare punti di vista contrastanti per scoprire la verità sfumata tra due estremi.” Blocksense è un progetto che ha sviluppato un approccio proprietario chiamato consenso zkSchellingCoin. Questo metodo mira a sovrapporre verità soggettive da più fonti – per esempio, diversi LLM – per arrivare a un'unica verità comune. Ad esempio, immagina di eseguire la stessa query su ChatGPT, Claude, Grok e Llama. Se un modello fornisce un output errato, è statisticamente improbabile che tutti e quattro i modelli generino lo stesso risultato falso confrontandoli tra loro.

Figura 4: Panoramica del consenso zkSchellingCoin

Fonte: Blocksense Network - Lo zk Rollup per Oracoli programmabili.

Il consenso zkSchellingCoin potrebbe essere applicato anche per aggiungere verificabilità all'inferenza AI. Per esempio, come possiamo confermare che un agente AI abbia correttamente bridgeato USDC nel vault con il rendimento più alto al momento dell'esecuzione? La fiducia nell'AI sarebbe notevolmente rafforzata con un ulteriore livello di verifica. Se riuscissimo a risolvere questo senza compromettere costi o latenza, potrebbe portare a una svolta importante nei casi d'uso reali.

Il percorso dall'hype alla realtà in DePIN e AI mostra che l'innovazione genuina risiede nel risolvere problemi concreti con soluzioni pratiche ed efficienti. Progetti come Wingbits e Exo Labs dimostrano come blockchain e AI possano creare un impatto significativo — sia rivoluzionando il tracciamento dei voli con incentivi strategici, sia sbloccando il potenziale dei dispositivi consumer per un computing sicuro ed economico. Con progressi come ZKLoRA per un'AI che preserva la privacy e zkSchellingCoin per una verità verificabile, queste tecnologie emergenti sono pronte ad affrontare sfide critiche, aprendo la strada a un futuro più decentralizzato, efficiente e con fiducia verificata.

Bullish Capital Management ha investito in Wingbits ed Exo Labs, menzionati in questo rapporto. Questo articolo è solo a scopo informativo e non costituisce consulenza finanziaria. Si prega di fare le proprie ricerche e considerare la propria situazione finanziaria prima di investire. Gli investimenti in criptovalute possono essere volatili e comportare una perdita totale.