Possono le reti telefoniche decentralizzate guidare la rivoluzione dell’intelligenza artificiale?

Il consumo energetico e idrico dei grandi data center che alimentano la rivoluzione dell’AI è sempre più sotto scrutinio: campi di calcolo mastodontici richiedono investimenti e risorse tali da sollevare dubbi sulla sostenibilità e sulla convenienza economica.

Esiste però una possibile alternativa già nelle nostre tasche: miliardi di smartphone inattivi dispongono di processori, memoria e connettività e rappresentano un serbatoio di capacità di calcolo potenzialmente utilizzabile per carichi di lavoro distribuiti.

La proposta delle reti decentralizzate

Stanno emergendo reti decentralizzate che puntano a trasformare i telefoni cellulari in un livello infrastrutturale diffuso, riducendo la dipendenza da data center centralizzati e costosi. Una delle realtà attive in questo ambito, Acurast, afferma di aver integrato nella propria rete oltre 335.000 smartphone, con circa 40.000 unità operative in media quotidianamente per compiti che spaziano dal web scraping alla cybersecurity, fino all’inferenza per modelli di AI e all’hosting di agenti.

Alessandro De Carli ha dichiarato:

“I telefoni offrono caratteristiche di sicurezza hardware che eccellono in scenari di computing confidenziale e ambienti isolati: possono installare ed eseguire eseguibili in modo sicuro. Inoltre sono molto efficienti per carichi CPU-intensive o per attività che richiedono ampia distribuzione e accesso non filtrato a internet.”

Secondo Acurast, la capacità aggregata dei dispositivi attivi nella loro rete sarebbe paragonabile alla potenza di circa 2.340 server ad alte prestazioni, prendendo come riferimento un modello di server progettato per AI e HPC, il ASUS RS720A-E11.

Proxy, routing e modelli ibridi

Altri progetti, come Phase, hanno introdotto funzionalità che permettono ai proprietari di smartphone di fornire connettività e validazione per agenti basati su blockchain. L’approccio prevede l’uso delle connessioni mobili o residenziali degli utenti come proxy per traffico che altrimenti verrebbe bloccato o limitato quando proviene da centri dati.

Kirill Eves ha spiegato:

“I siti tendono a bloccare o limitare il traffico automatizzato originato dai data center; per questo utilizziamo connessioni mobili e domestiche come proxy. In una fase successiva indirizzeremo richieste semplici verso modelli eseguiti sui telefoni della rete o verso grandi fornitori esterni in base a complessità del compito, capacità del modello, performance e costi.”

La strategia di Phase prevede tariffe basate sul volume di richieste e sul traffico: 0,5 USDT ogni 1.000 richieste e 1 GB di traffico. L’obiettivo dichiarato è poi ampliare la rete includendo anche desktop, server e GPU.

Dati reali e affidabilità

Per alcuni osservatori, le reti decentralizzate sono più adatte alla raccolta e verifica di dati dal mondo reale che all’esecuzione diretta di grandi modelli di AI. Sensori e telefoni possono fornire informazioni localizzate non sempre presenti nei dataset centralizzati, a patto che i dati siano accurati e resistenti a manipolazioni.

Markus Levin ha commentato:

“Una rete decentralizzata utile va valutata sulla base dei problemi concreti che risolve e per i quali i clienti sono disposti a pagare, non solo sul prezzo del token o sul numero di nodi.”

Esperimenti controllati offrono risultati promettenti: uno studio sostenuto da Google presso la University of California, San Diego ha dimostrato che un cluster di 20 smartphone dismessi poteva assorbire i picchi computazionali di una classe universitaria di oltre 75 studenti con tempi di correzione superiori a quelli del cloud tradizionale dell’ateneo. Tuttavia, quei dispositivi erano gestiti in un ambiente controllato, non dispersi geograficamente come avverrebbe in una rete pubblica.

Nel mondo reale una rete distribuita deve fare i conti con dispositivi che si disconnettono, si surriscaldano, scaricano la batteria, cambiano rete e presentano grandi differenze di potenza di calcolo e memoria. In rete blockchain come Ethereum, la capacità aggregata è spesso limitata dal tempo necessario per comunicare tra nodi e dalle capacità del dispositivo meno performante.

La sfida economica e gli incentivi

Dal punto di vista economico, usare l’hardware esistente riduce i costi in conto capitale rispetto alla costruzione di nuovi data center, ma restano voci di spesa come connettività, coordinamento e meccanismi di incentivo per chi mette a disposizione il proprio dispositivo.

Le ricompense per i partecipanti variano: secondo Acurast, il compenso dipende dall’uptime del dispositivo, dalle specifiche hardware (benchmark), dalla quantità di ACU in stake e dalla domanda attiva di calcolo da parte degli sviluppatori. Gli operatori competono per un fondo di ricompense alimentato da inflazione, piuttosto che ricevere pagamenti diretti dai clienti.

Kirill Eves ha spiegato:

“Una parte dei ricavi del servizio verrà usata per acquistare token PHASE sul mercato aperto e ridistribuirli agli operatori di nodo in base al loro contributo alla rete.”

Garantire che la remunerazione compensi il consumo di banda, il degrado delle prestazioni del dispositivo e l’usura rimane però complesso. Il vero nodo della questione non è tanto l’esecuzione dei modelli su telefoni, quanto fare in modo che l’economia e la gestione di decine di migliaia di dispositivi rendano il servizio affidabile e competitivo rispetto al cloud tradizionale.

Prospettive e implicazioni per il mercato europeo

Per l’Europa e in particolare per il mercato italiano, la possibilità di sfruttare risorse locali e distribuite può ridurre l’esigenza di investimenti in infrastrutture energetiche aggiuntive e offrire alternative per la sovranità digitale. Tuttavia, aspetti normativi legati alla privacy, alla sicurezza dei dati e alla tutela dei consumatori richiederanno regole chiare e controlli efficaci.

Investitori e operatori dovranno valutare non solo la tecnologia ma anche la sostenibilità economica dei modelli di ricompensa, la resilienza della rete e i costi indiretti legati alla gestione di dispositivi eterogenei e geograficamente dispersi.

In sintesi

• L’uso di smartphone come risorsa di calcolo distribuito può ridurre la dipendenza da grandi data center, ma richiede meccanismi di coordinamento e incentivazione robusti per essere competitivo sul piano economico.
• Per gli investitori, i progetti che dimostrano modelli di ricompensa sostenibili e governance trasparente offrono opportunità, mentre le soluzioni prive di incentivi chiari rischiano di non raggiungere la massa critica necessaria.
• Dal punto di vista energetico e regolatorio, l’adozione su larga scala in Europa potrebbe favorire una minore pressione sulle reti elettriche locali, ma impone standard di privacy e sicurezza che le imprese italiane ed europee dovranno integrare fin dalle fasi iniziali.