Michael Heinrich, cofondatore e CEO di 0G – Serie di interviste

Michael Heinrich, cofondatore e CEO di 0G, è un imprenditore seriale, investitore e dirigente tecnologico, impegnato nella realizzazione di infrastrutture decentralizzate per l’intelligenza artificiale. In 0G guida lo sviluppo di infrastrutture progettate per rendere l’IA più aperta, verificabile e accessibile. Heinrich ricopre anche il ruolo di presidente esecutivo di ZeroStack Corp. ed è stato docente e mentore presso Stanford University per oltre un decennio, contribuendo a programmi che spaziano dall’imprenditorialità al venture capital e all’innovazione. È inoltre Venture Partner e business angel di Pioneer Fund, con investimenti in aziende e progetti tra cui Stripe, Anthropic, Brex, Notion, Filecoin, Worldcoin, Uniswap, Shield AI e Binance. In precedenza, Heinrich ha fondato Garten, azienda di benessere sul luogo di lavoro precedentemente nota come Oh My Green, e ha ricoperto ruoli presso Bridgewater Associates, Bain & Company, SAP Labs, Microsoft e J.P. Morgan, maturando così esperienza nell’imprenditorialità, nella tecnologia, nella finanza, nella strategia e negli investimenti in capitale di rischio.

0G sta sviluppando uno stack infrastrutturale decentralizzato per l’IA, concepito come livello di fiducia per l’intelligenza artificiale, che consente di eseguire, archiviare e verificare i carichi di lavoro dell’IA senza dipendere interamente da fornitori centralizzati. La sua architettura riunisce calcolo verificabile, archiviazione decentralizzata crittografata, inferenza privata dell’IA e una blockchain Layer 1 nativa per l’IA, compatibile con EVM, creando un’infrastruttura per applicazioni che spaziano dagli agenti autonomi di IA e dai modelli decentralizzati ai mercati dell’IA e alle economie delle macchine. La piattaforma è progettata secondo un approccio modulare, che consente agli sviluppatori di usare singoli componenti, come l’archiviazione o il calcolo, in modo indipendente, supportando al contempo applicazioni di IA interamente on-chain, i cui dati, modelli e azioni possono essere sottoposti a controllo e verifica. Con questo approccio, 0G mira a fornire l’infrastruttura di base per un ecosistema di IA più aperto e trasparente, nel quale sviluppatori, imprese e utenti mantengano un maggiore controllo sulle risorse e sui dati dell’IA.

Prima di co-fondare 0G, hai creato e guidato Garten e hai lavorato nei settori del software, della finanza, degli investimenti in capitale di rischio e dell’imprenditorialità. Cosa hai osservato nel campo dell’IA che ti ha convinto a fondare 0G nel 2023, e in che modo le esperienze precedenti hanno plasmato la tua visione dell’azienda?

Nel corso della mia carriera mi sono mosso tra due mondi che raramente comunicano tra loro. All’inizio della mia carriera ho scritto software per SAP e Microsoft. Poi sono passato alla finanza: prima ho studiato i mercati globali dei capitali mentre svolgevo attività di ricerca presso Harvard Business School, poi ho lavorato in Bain e Bridgewater, dove ho vissuto dall’interno la crisi del 2008. Quell’esperienza mi ha portato a fondare Garten, un’azienda di Y Combinator.

Ogni capitolo mi ha insegnato la stessa lezione da una prospettiva diversa: quando un sistema concentra il controllo e ne nasconde il funzionamento interno, chi dipende da quel sistema è l’ultimo a scoprire che si è guastato.

Nel 2023, quindi, ho visto delinearsi nell’IA uno schema a una velocità che non avevo mai osservato in nessun altro mercato. I modelli erano straordinari, ma l’infrastruttura che li sosteneva era concentrata nelle mani di poche aziende e, cosa ancora più importante, non era possibile verificare cosa venisse eseguito, dove finissero i propri dati o quanto costasse davvero il calcolo. Allo stesso tempo, il capitale necessario per partecipare aumentava in modo composto ogni trimestre. Per chi, come me, aveva visto svolgersi la crisi del 2008, sembrava una leva finanziaria costruita su una scatola nera, con tutti convinti che non ci fosse nulla che non andasse.

La direzione intrapresa da 0G è quindi nata da una domanda di natura finanziaria che non mi dava pace: «Cosa succede quando il fattore produttivo più importante dell’economia non dispone di un mercato trasparente né di una verifica indipendente?». Insieme ai miei cofondatori Thomas Yao, Fan Long e Ming Wu, abbiamo risposto a questa domanda creando 0G.

La risposta è un livello di fiducia per l’IA: uno stack unico che riunisce calcolo privato, i nostri modelli 0gm a pesi aperti, meccanismi di sicurezza come l’allineamento dell’inferenza sparsa e la verifica TEE, archiviazione crittografata e una blockchain progettata appositamente per i carichi di lavoro dell’IA. Qui il lavoro dell’IA, dall’inferenza alle azioni degli agenti, viene verificato e sottoposto a controllo.

Le aziende del settore dell’IA stanno impegnando enormi quantità di capitale in GPU, centri dati ed energia. Cosa sta cambiando radicalmente nell’economia del calcolo e ritieni che l’accesso al calcolo possa diventare importante sul piano strategico quanto l’accesso al capitale o all’energia?

Il calcolo sta già diventando importante sul piano strategico quanto il capitale o l’energia. Nel solo 2025, i quattro maggiori hyperscaler hanno impegnato oltre 500 miliardi di dollari in spese in conto capitale per l’IA e sono avviati a raddoppiare questa cifra quest’anno. Non si tratta più di un budget tecnologico, ma di spesa per infrastrutture nazionali gestita da poche aziende private.

Il cambiamento fondamentale è che il calcolo è diventato il fattore limitante dell’intelligenza stessa. Ogni miglioramento dei modelli, ogni agente, ogni prodotto dipende in ultima analisi dalle ore di utilizzo delle GPU. Quando un singolo fattore condiziona tutto ciò che viene dopo, smette di comportarsi come una merce da acquistare e inizia a comportarsi come un capitale da detenere. Oggi l’accesso al calcolo determina quali aziende, università e paesi possono costruire.

La particolarità è che questo asset non ha un mercato proprio. La capacità di calcolo viene prodotta su vasta scala, noleggiata a livello globale e prezzata ogni giorno, eppure non esiste un modo per detenerne una quota, coprirsi dal rischio o allocarla in modo trasparente. Il capitale ha i suoi mercati. L’energia ha i suoi mercati. Per la capacità di calcolo esistono contratti di approvvigionamento con una manciata di fornitori.

Tutte le risorse scarse seguono lo stesso percorso: prima vengono prodotte, poi prezzate e infine finanziate. È successo con il petrolio. È successo con l’elettricità. È successo con la larghezza di banda. La capacità di calcolo sta entrando proprio ora in questa terza fase e costruire le infrastrutture finanziarie necessarie è uno dei progetti infrastrutturali più caratterizzanti di questo decennio.

0G introduce l’idea che la capacità di calcolo possa essere posseduta, generare rendimenti ed essere utilizzata, invece di essere semplicemente acquistata come servizio cloud. In termini pratici, cosa significa trasformare la capacità di calcolo in un asset e in che modo potrebbe cambiare il rapporto tra fornitori di infrastrutture, sviluppatori e aziende di IA?

Pensiamo a come funziona ogni altro asset produttivo. Le azioni generano dividendi. Le obbligazioni pagano cedole. La Compute Finance, che abbiamo chiamato ComFi, applica lo stesso principio alla capacità di calcolo. Invece di pagare semplicemente per accedere alle GPU, si può detenere una posizione che dà accesso a capacità di calcolo per l’IA che si può effettivamente utilizzare.

In pratica, si mette un asset al lavoro e si riceve in cambio capacità di calcolo per l’IA. Questa capacità può alimentare qualsiasi cosa, dall’esecuzione privata di modelli alla creazione e al lancio di applicazioni di IA. Alla base, il sistema funziona sulla blockchain 0G. Gli utenti mettono in staking 0G, cioè lo bloccano come garanzia, ricevono a0G, coniano iAI e poi impegnano tali iAI per ottenere capacità di calcolo utilizzabile nei servizi di IA.

L’obiettivo è rendere la capacità di calcolo qualcosa che si possa detenere, da cui si possano ottenere rendimenti e che si possa utilizzare, anziché semplicemente noleggiarla a ore da un provider cloud. In base ai parametri iniziali, gli utenti possono impegnare iAI e ricevere crediti di calcolo del valore di oltre 1 $ al giorno, utilizzabili nei servizi di IA 0G supportati. La garanzia sottostante rimane bloccata finché la posizione è attiva e può essere recuperata quando gli iAI vengono bruciati.

Il punto fondamentale è che gli utenti non ricevono denaro contante né un rendimento finanziario. Ottengono invece accesso a capacità di calcolo che possono effettivamente utilizzare.

Questo cambia il rapporto tra fornitori di infrastrutture, sviluppatori e aziende di IA. I fornitori di infrastrutture hanno un nuovo modo per mettere a disposizione la propria capacità di calcolo, al di là dei tradizionali contratti cloud. Gli sviluppatori ottengono una risorsa più prevedibile, sulla quale possono basare la pianificazione e il budget. Le aziende di IA possono assicurarsi capacità di calcolo e pianificarne l’utilizzo, invece di considerarla semplicemente una spesa controllata da una manciata di fornitori.

E poiché funziona sul livello di fiducia 0G, l’utilizzo della capacità di calcolo può essere verificato e sottoposto a audit, anziché basarsi semplicemente su un «fidatevi»

Stiamo proponendo ComFi come categoria aperta per il settore dell’IA, non come marchio proprietario. Ascend e iAI sono le prime implementazioni di questa idea; altre arriveranno sulla rete 0G.

0G Compute opera come un marketplace decentralizzato in cui i fornitori di GPU possono competere per gestire i carichi di lavoro di IA. Quali vantaggi economici può offrire questo modello rispetto al ricorso a una manciata di provider cloud hyperscale, soprattutto quando la domanda di GPU è elevata?

Mettiamo in evidenza tre vantaggi che diventano più evidenti quando le GPU scarseggiano: formazione dei prezzi, elasticità e assenza di vincoli.

1. Formazione dei prezzi: Su 0G Compute, i fornitori stabiliscono i propri prezzi e competono per i carichi di lavoro. Il risultato può essere una riduzione significativa dei costi: l’inferenza con modelli aperti comparabili costa fino al 95 per cento in meno, mentre il nostro livello di archiviazione costa oltre il 90 per cento in meno rispetto ad AWS S3. Una parte del risparmio deriva dalla concorrenza, un’altra dall’utilizzo della capacità inattiva delle GPU e dall’esecuzione di modelli aperti anziché di modelli frontier proprietari su infrastrutture dedicate.

2. Elasticità: La capacità degli hyperscaler viene pianificata con anni di anticipo e assegnata tramite rapporti a lungo termine. Un marketplace può attingere a risorse ovunque, anche da operatori indipendenti, cluster accademici e aziende con hardware inutilizzato. Quando la domanda aumenta improvvisamente, prezzi più alti possono attirare nuova capacità. Una coda fissa, invece, si allunga e basta.

3. Assenza di vincoli: Ogni fornitore della nostra rete mette a disposizione la stessa API compatibile con OpenAI tramite un unico router, che passa automaticamente a un altro fornitore in caso di interruzione del servizio. Oggi questo significa 13 fornitori che offrono centinaia di modelli attraverso un unico endpoint, con oltre 373 miliardi di token elaborati e 27 milioni di richieste di inferenza. Gli sviluppatori possono cambiare fornitore modificando un’intestazione, senza dover avviare un progetto di migrazione.

C’è anche un dato che spesso sfugge. Il nostro modello, 0GM-1.0, è il secondo modello più utilizzato sulla rete negli ultimi 30 giorni, preceduto soltanto da DeepSeek. Quando il modello aperto di una rete decentralizzata compete per utilizzo con i migliori modelli aperti al mondo, significa che il marketplace può funzionare su vasta scala.

Gli hyperscaler sono eccellenti in quello che fanno. Ma quando le GPU sono la risorsa più scarsa nell’IA, disporre di più fonti di capacità di calcolo può offrire un modello di approvvigionamento molto diverso dal semplice attendere che aumenti la capacità degli hyperscaler.

Una delle sfide delle infrastrutture decentralizzate è garantire che un calcolo più economico e distribuito più ampiamente non vada a scapito dell’affidabilità. Come stabilisce 0G se un provider di calcolo ha effettivamente eseguito correttamente un carico di lavoro di IA?

È un’ottima domanda, e una di quelle che distinguono un vero mercato del calcolo da un sistema in cui bisogna semplicemente fidarsi di un provider come AWS, Google Cloud o Microsoft Azure. Abbiamo progettato 0G in modo che non sia mai necessario fidarsi sulla parola di un provider.

Il livello privato di 0G opera all’interno di un ambiente di esecuzione attendibile sigillato. L’hardware genera un’attestazione che indica quale modello e quale codice sono in esecuzione e firma ogni risposta con una chiave esistente solo all’interno di quell’ambiente. Un client può verificare la firma confrontandola con l’attestazione e confermare che il modello specificato è stato eseguito sul provider specificato senza modifiche. Né 0G né il provider possono vedere il prompt o la risposta. In tutti i livelli, 0G non conserva prompt o risposte e non addestra i modelli sui tuoi dati.

Nel livello verificato, le richieste vengono indirizzate al modello a monte previsto, così sai quale modello ha risposto anche quando il provider stesso è centralizzato. Questi livelli sono definiti per ogni richiesta e applicati dalla rete. Se una richiesta richiede un provider in grado di offrire la modalità privata e non ce n’è nessuno disponibile, non va a buon fine, invece di passare in modo silenzioso a un livello diverso. I livelli dichiarati con trasparenza contano più di quelli presentati a scopo di marketing.

Il pagamento è subordinato alla prova. I fondi restano bloccati fino alla consegna del risultato firmato. Finora la rete ha registrato oltre 24,9 milioni di prove TEE e il framework supporta anche la verifica ottimistica e quella a conoscenza zero per i carichi di lavoro in cui questi approcci sono più adatti dell’attestazione hardware.

L’affidabilità è gestita in modo semplice, con failover automatico tra provider e dati in tempo reale sullo stato e sulla latenza. La rete sottostante è progettata in modo che la verifica e il regolamento non diventino un collo di bottiglia.

L’economia delle infrastrutture di IA è sempre più intrecciata alla disponibilità di energia elettrica. Con la continua espansione dei modelli e dei carichi di lavoro di inferenza, pensi che l’energia diventerà il principale vincolo per il calcolo IA, più delle GPU stesse? E in che modo le infrastrutture decentralizzate potrebbero contribuire a superare questo collo di bottiglia?

Energia e capacità di calcolo sono decisamente interconnesse: ciascuna influisce sull’altra e i colli di bottiglia legati all’energia si stanno già manifestando. A luglio, nella Virginia settentrionale, oltre 3 GW di domanda dei data center sono stati improvvisamente disconnessi dalla rete elettrica, mettendo in evidenza la pressione che i carichi concentrati dei data center possono esercitare sulle infrastrutture energetiche.

Il consumo di elettricità dei data center dedicati all’IA è destinato a raddoppiare entro il 2030 e l’IEA prevede che il consumo globale dei data center più che raddoppierà, arrivando a circa 945 terawattora entro il 2030, con l’IA come principale motore della crescita. È possibile installare più GPU in meno tempo di quello necessario per costruire le infrastrutture energetiche richieste per alimentarle.

L’IA centralizzata aggrava il problema, concentrando la domanda in un numero ristretto di enormi data center, ciascuno dei quali richiede quantità ingenti di energia e nuove infrastrutture di rete elettrica.

Le infrastrutture decentralizzate possono contribuire ad attenuare questo vincolo crescente, collocando i carichi di lavoro dove sono già disponibili energia e capacità di calcolo. Si può trattare di data center regionali, siti industriali con capacità inutilizzata o fonti di energia rinnovabile che altrimenti resterebbero inutilizzate. Invece di trasferire altra energia a pochi campus di enormi dimensioni, si può spostare il carico di lavoro dove l’energia è già disponibile e sottoutilizzata.

È bene precisare che questo non elimina il vincolo energetico, ma può consentire di sfruttare meglio le infrastrutture energetiche e di calcolo esistenti.

0G utilizza meccanismi quali ambienti di esecuzione attendibili, verifica ottimistica e tecniche a conoscenza zero per rendere verificabile il calcolo dell’IA. Secondo te, in quale ambito la verifica crittografica diventerà più importante quando gli agenti autonomi di IA inizieranno a prendere decisioni ed eseguire transazioni senza una supervisione umana continua?

La verifica è più importante proprio nel momento in cui una persona smette di sorvegliare. Un copilota ha una persona che ne esamina i risultati. Un agente autonomo, no. Quando un agente è in grado di prendere decisioni, firmare transazioni, detenere fondi o interagire con altri agenti, è necessario sapere quale agente sta agendo, quale modello lo esegue e se ha fatto ciò che avrebbe dovuto fare.

È qui che la verifica crittografica diventa importante. Quando un agente opera all’interno di un ambiente di esecuzione attendibile, è possibile ottenere una registrazione firmata che indica quale modello ha prodotto una decisione e quali input ha utilizzato. La blockchain è un livello di fiducia ideale perché è immutabile, consente solo l’aggiunta di dati e permette di tracciare la provenienza. Fornisce una registrazione condivisa di queste prove, così sviluppatori, revisori e controparti possono verificare cosa è successo senza dover fare affidamento sulla versione dei fatti di un’unica parte.

Lo stesso principio vale quando gli agenti iniziano a interagire tra loro su larga scala. Non è possibile che una persona esamini ogni decisione o transazione. La verifica, la verificabilità e la fiducia devono diventare parte integrante dell’infrastruttura. L’obiettivo è semplice: invece di chiedersi se un agente afferma di aver rispettato le regole, è possibile dimostrare che lo ha fatto.

Oggi gran parte della corsa alle infrastrutture ruota attorno alla costruzione di data center centralizzati sempre più grandi. Il calcolo decentralizzato per l’IA rappresenta un’alternativa a questo modello, oppure ritiene che, in definitiva, le reti decentralizzate e i fornitori di servizi cloud su larga scala diventeranno componenti complementari dello stesso mercato globale del calcolo?

Direi che sono complementari e che la ripartizione dei ruoli sarà molto simile a quella della rete elettrica. I grandi fornitori di servizi cloud svolgono il ruolo della produzione di base. Sono molto efficienti nella gestione di carichi di lavoro ingenti, prevedibili e sensibili alla latenza per le aziende più grandi, e dovrebbero continuare a occuparsene. Le reti decentralizzate possono affiancarli assorbendo la domanda variabile, mettendo a disposizione capacità di calcolo distribuita e altrimenti inutilizzata e consentendo a un numero maggiore di aziende di accedere alla potenza di calcolo delle GPU.

Le reti decentralizzate rappresentano una vera alternativa perché si basano sulla fiducia. La concentrazione è un problema economico, ma anche un problema di visibilità. Quando l’infrastruttura è gestita da poche aziende, sono queste a controllare anche ciò che si può vedere. Un grande fornitore di servizi cloud può promettere di non consultare i tuoi dati. Un ambiente di esecuzione isolato con attestazione pubblica può dimostrarlo. Questa garanzia non aumenta costruendo un data center più grande: deriva dall’integrazione di meccanismi di verifica nell’infrastruttura.

Vediamo già i due modelli operare fianco a fianco. Google Cloud e Alibaba Cloud sono stati tra i partner del lancio della nostra rete principale. Le aziende vogliono poter indirizzare un carico di lavoro verso un grande fornitore di servizi cloud, un provider decentralizzato o le proprie apparecchiature, in base al prezzo, ai requisiti di privacy e al livello di verifica di cui hanno bisogno.

È questa la direzione in cui vediamo muoversi il mercato. Non un modello che sostituisce gli altri, ma un mercato globale del calcolo in cui i carichi di lavoro possono passare da una fonte infrastrutturale all’altra in base alle esigenze del compito.

Man mano che gli agenti di IA diventano attori economici capaci di acquistare servizi e gestire risorse in autonomia, il calcolo stesso potrebbe entrare a far parte di un’economia in cui le macchine interagiscono tra loro e gli agenti acquisiscono dinamicamente le infrastrutture in base al prezzo, alle prestazioni e alla disponibilità?

Nella nostra rete abbiamo già visto alcuni esempi di questo fenomeno, seppur su piccola scala. La maggior parte delle richieste tramite 0G Compute non proviene da una persona che fa clic su un pulsante. Sono applicazioni e agenti che chiamano un’API, pagano ogni richiesta attingendo a un saldo prefinanziato e vengono indirizzati al provider più adatto al compito. Circa 43.000 portafogli hanno pagato in questo modo per eseguire inferenze e oltre 300 progetti sono stati sviluppati su 0G. Ghast AI, da sola, ha elaborato più di 100 miliardi di token tramite 0G Compute. NeoSoul gestisce milioni di agenti su 0G e BNB Chain, un’altra rete blockchain. Scegliere un provider meno costoso per un’elaborazione in blocco e un ambiente di esecuzione privato per un’attività sensibile è una decisione di instradamento che oggi viene già presa.

Perché esista una vera economia delle macchine mancano alcuni elementi che gli esseri umani danno per scontati: l’identità, un modo per riservare risorse in anticipo e un’unità di conto. Agli agenti serve un’identità valida tra diversi servizi: è ciò che Agentic ID di 0G è stato progettato per offrire. Serve loro anche un modo per assicurarsi in anticipo la capacità di calcolo, invece di pagare ogni singola richiesta, così da poter pianificare e operare in autonomia.

Questo è uno dei motivi per cui abbiamo creato Compute Finance. Quando la capacità di calcolo può essere guadagnata partecipando alla rete e utilizzata nei servizi di IA, è possibile finanziare un agente una sola volta e lasciargli attingere alla capacità di calcolo di cui ha bisogno, senza che una persona debba ricaricare un account cloud. Ascend e Infinite AI sono le prime implementazioni. L’economia delle macchine sarà costruita su queste basi da persone che ancora non conosciamo.

Il requisito di sicurezza non è negoziabile. Ogni decisione presa da una macchina deve lasciare una traccia verificabile e prevedere misure di protezione integrate. Un’economia delle macchine senza prove delle transazioni è solo un modo più rapido per perdere denaro e provocare un disastro di sicurezza non dichiarato.

Guardando ai prossimi cinque anni, come prevede che evolverà il mercato del calcolo per l’IA? Le aziende continueranno a pensare soprattutto in termini di noleggio di GPU e capacità cloud, oppure ci stiamo avviando verso un mercato globale più liquido, in cui la capacità di calcolo possa essere posseduta, scambiata, monetizzata e allocata dinamicamente?

Non credo che il noleggio scomparirà, così come il leasing non è scomparso con la maturazione del finanziamento delle attrezzature. Ma non è più l’unica opzione e non sarà più l’unico modo in cui gli operatori più importanti considereranno la capacità di calcolo come una risorsa.

Con l’evolversi del settore, mi aspetto che la capacità di calcolo sviluppi un’infrastruttura finanziaria simile a quella di ogni altro fattore strategico. Le aziende deterranno posizioni in capacità di calcolo, così come stipulano contratti per l’energia o detengono valuta estera. I provider venderanno capacità su un mercato aperto, invece di negoziare un contratto alla volta. Il prezzo della capacità di calcolo dipenderà dal carico di lavoro e dal livello di fiducia, perché l’inferenza privata verificata e quella non verificata sono prodotti diversi. Inoltre, una quota crescente degli acquirenti sarà costituita da agenti, non da team addetti agli acquisti.

È a questo che serve Compute Finance (ComFi). Abbiamo lanciato Ascend e annunciato Infinite AI in occasione del primo anniversario della nostra rete principale, perché ormai la sequenza è chiara. La capacità di calcolo viene prodotta e valutata. Il passo successivo è creare un livello finanziario in cui i diritti sulla capacità di calcolo possano essere detenuti, guadagnati, spesi e scambiati, lasciando ogni unità una traccia verificabile. Abbiamo scelto deliberatamente di fare di ComFi una categoria aperta, anziché un marchio proprietario, perché un mercato con un solo partecipante non è un mercato.

Ciò che rende possibile tutto questo non è una GPU migliore. È il livello di fiducia: la prova di ciò che è stato eseguito, la prova di chi lo ha eseguito e il regolamento che ne consegue. Una volta che il calcolo è verificabile, diventa sufficientemente fungibile da poter essere finanziato. Una volta finanziabile, diventa liquido. I prossimi cinque anni saranno il periodo in cui il settore smetterà di considerare la risorsa più importante dell’economia come una semplice voce di bilancio.

Grazie per la splendida intervista. I lettori che desiderano saperne di più possono visitare 0G.