La hauteur blockchain-plus-GPU circule depuis au moins 2022. La plupart des projets promettaient un calcul décentralisé et livraient des livres blancs. Le panda a regardé, avec un peu d'impatience, que "l'infrastructure de l'IA décentralisée" est devenue une étiquette que vous avez giflé sur tout protocole avec un GPU énuméré quelque part dans une feuille de route. Juin 2026 est différent. Deux points de données en trois mois suggèrent que quelque chose de structurel a changé.
io.net a remis ses incitations symboliques autour de la demande réelle
Le 11 juin 2026, io.net [lançait son moteur dynamique incentive (IDE)] (https://www.coindesk.com/press-release/2026/06/11/io-net-to-burn-up-to-12m-tokens-as-network-closes-usd8m-deal-and-hits-4-billion-daily-ai-tokens), remplaçant son calendrier d'émissions fixes par un mécanisme qui relie les brûlures de jeton directement aux revenus des clients. La première brûlure a eu lieu au troisième anniversaire du réseau.
Selon CoinDesk, io.net prévoit brûler un minimum de 12 millions de jetons $IO au cours de l'année à venir. Les mécaniciens sont plus propres que la plupart des DePIN tokenomics: une fois que les fournisseurs de GPU sont payés un objectif de dollar stable, au moins la moitié du surplus restant rachète et brûle $IO. L'émission diminue lorsque la demande est faible. Brûle rapidement quand les contrats d'entreprise paient.
Le contexte commercial est important. Le même jour, io.net a divulgué un contrat d'entreprise de 8 millions de dollars, une deuxième opération en étapes avancées et un record de 4 milliards de jetons d'IA traités par jour sur son réseau. Ce ne sont pas des mesures de vanité. Ils représentent des charges de travail réelles d'inférence qui paient des frais réels, ce qui entraîne une pression réelle sur le jeton.
Le problème que l'IDE résout est le piège DePIN standard: les protocoles émettent des jetons, que quelqu'un utilise réellement le réseau. io.net parie que lier la contraction de l'offre à la demande stabilisera la valeur de $IO au fil du temps, en supprimant la traînée d'inflation qui a érodé les jeux de calcul de rendement plus tôt. Burning jetons parce que les GPU sont occupés est un meilleur design que de brûler des jetons sur un calendrier et l'espoir que la demande GPU finit par apparaître.
La question de savoir si les mécaniciens tiennent sous le vrai stress reste ouverte. Mais la direction est bonne.
La formation sur l'IA distribuée fonctionne - t - elle réellement?
C'est la question la plus difficile, et Bittensor a donné une réponse crédible en mars 2026.
Selon un [rapport CoinDesk de mars 2026] (https://www.coindesk.com/tech/2026/03/25/bittensor-ecosystem-tokens-value-hit-usd1-5-billion-as-jensen-huang-endorsement-supports-tao-rally), la communauté de sous-réseau de Bittensor a formé le modèle Covenant-72B sur plus de 70 nœuds distribués à l'échelle mondiale qui utilisent du matériel d'Internet. Le modèle a été formé sur 1,1 billion de jetons et a marqué 67,1 sur la référence MMLU, le plaçant dans une gamme compétitive avec la Llama 2 70B de Meta. Les résultats ont été publiés dans un journal arXiv de mars 2026 et vérifiés de façon indépendante.
La version courte : un modèle de 72 milliards de paramètres a été formé sans permission, sans centre de données, sans coordonnateur centralisé, et sans hyperscaleur payant la facture d'électricité.
Le PDG de Nvidia Jensen Huang et l'investisseur Chamath Palihapitiya ont approuvé l'approche de Bittensor sur le Podcast All-In le 20 mars, encadrant la formation distribuée comme un complément crédible aux modèles propriétaires. Ce cadrage avait du poids sur le marché. En quelques jours, l'écosystème du sous-réseau de Bittensor avait atteint un market cap combiné de 1,47 milliard de dollars, le TAO atteignant environ 90 % en un seul mois (de 180 $ à plus de 332).
Rien de cela ne prouve que la formation distribuée remplacera les grappes centralisées. Un écosystème de 1,47 milliard de dollars est modeste à côté de ce qu'un seul hyperscaleur dépense pour un groupe de GPU. Le modèle Covenant-72B était en concurrence avec Llama 2 70B, un modèle Meta publié en 2023. La frontière a progressé. L'écart est encore grand.
Mais la question de la preuve de concept est répondue: les nœuds distribués sur le matériel de marchandises peuvent former un modèle sérieux. Le manque d'efficacité et de qualité est désormais un problème d'ingénierie, et non un problème théorique. C'est une distinction significative.
Lors du [Sommet Proof of Talk à Paris le 2 juin] (https://www.coindesk.com/tech/2026/06/02/bitcoin-s-compute-power-dwarfs-top-100-supercomputers-by-600-000x-says-bittensor-co-founder), le co-fondateur de Bittensor Ala Shaabana a soutenu que les structures d'incitation décentralisées peuvent mobiliser des ressources mondiales à une échelle qu'aucun laboratoire ne peut égaler, si la couche de coordination est saine. C'est une revendication audacieuse. Il n'est plus purement théorique.
Le blocage centralisé des pivots dans la vue
Pendant ce temps, les grands laboratoires d'IA s'assurent de leurs engagements en open-source de manière qui mérite plus d'attention qu'ils n'obtiennent.
Au début de 2026, une petite start-up appelée Arcee AI [a construit un modèle open-source de 400 milliards de paramètres à partir de zéro] (https://techcrunch.com/2026/01/28/tiny-startup-arcee-ai-built-a-400b-open-source-llm-from-scratch-to-best-metas-llama/) en concurrence avec la famille Llama de Meta, selon TechCrunch. Mistral, Arcee, DeepSeek et une vague de petits joueurs expédient des poids ouverts à une échelle qui aurait semblé improbable en 2023. La capacité LLM open-source n'est plus le goulot d'étranglement.
Le goulot d'étranglement est calculé. Les modèles frontières nécessitent des grappes de milliers de cartes H100 ou Blackwell. Les laboratoires individuels peuvent financer ça. Les réseaux décentralisés ne peuvent pas encore.
Les laboratoires centralisés sont open-sourcing les modèles qu'ils sont sur le point de concurrencer avec leur prochain modèle fermé de toute façon. Ce n'est pas du cynisme, c'est un modèle. La version open-source est réelle et utile. La confronter avec un engagement stratégique au développement distribué est l'erreur à éviter.
La question intéressante est de savoir si les protocoles de calcul décentralisés peuvent grimper l'échelle de référence plus rapidement que les laboratoires centralisés peuvent relever la frontière. Le résultat Covenant-72B suggère que la montée est possible. L'IDE de io.net suggère que le modèle économique est bien conçu. Le résultat n'est pas évident.
Pourquoi les constructeurs de chaînes devraient se soucier des marchés GPU
L'économie cryptographique plus large, traçant un total de market cap de [2,34 billions de dollars au 16 juin] (https://www.coingecko.com/en/global-charts), a besoin d'inférence AI bon marché plus que la plupart des récits actuels le reconnaissent.
Les protocoles DeFi détenant 74,08 milliards de dollars en valeur verrouillée totale exécutent des robots de liquidation, des modèles de risque et des oracles de tarification. Les jeux en chaîne déploient des NPC pilotés par l'IA. Les frameworks d'agents font tourner des portefeuilles qui exécutent les transactions de manière autonome. Chacun de ces cas d'utilisation est une charge de travail d'inférence, et chaque charge de travail d'inférence est un flux potentiel de revenus GPU pour un réseau DePIN.
BSC, où Dadacoin opère, a vu sa TVL croître à [5,32 milliards de dollars avec un gain hebdomadaire de 2,71%] (https://defillama.com/chain/BSC). Cette chaîne gère des contrats intelligents aujourd'hui, pas de l'IA. Mais la prochaine génération d'applications BSC, y compris les moteurs de jeu AI-native comme Zentrix, aura besoin d'infrastructure d'inférence. Les fournisseurs traditionnels de services infonuagiques prix ces charges de travail à des marges que les réseaux de calcul décentralisés sont déjà sous-cotation d'un rapport de 80%. Pour les studios qui construisent des mondes produits selon la procédure ou des NPC réactifs, cette différence de coût est la différence entre un budget de production viable et un budget impossible.
La page du cluster sur agents AI et infrastructure on-chain suit les protocoles d'assemblage de ces couches de coordination. La ventilation de [l'économie du calcul de l'AI et du TPU versus le coin du GPU] (/blog/ai-compute-tpu-depin-wedge) couvre la couche d'infrastructure plus en détail.
Ce que les signaux de lancement IDE de io.net et ce que l'Alliance-72B de Bittensor confirme est que le côté de l'offre de calcul décentralisé est en train de mûrir. Le rattrapage de la demande est la question ouverte pour 2027.
Le panda vérifiera le taux de brûlure dans six mois. Elle est légèrement optimiste. C'est relativement inhabituel.
