Edizione Spotlight #13: Due Progetti che Attirano la Mia Attenzione
La maggior parte dei trader non si ferma mai a chiedersi come esista realmente un prezzo.
Semplicemente appare. Aggiorni un grafico, appare una figura, effettui un'operazione. Fine del pensiero. Ma quella figura non è magia. È il risultato finale di flussi di dati, incentivi economici, intermediari, livelli di verifica, controlli crittografici e assunzioni umane tutti cuciti insieme. Se un qualsiasi collegamento si rompe, il danno si diffonde rapidamente. Dati errati attivano vendite forzate. Il ritardo crea prede facili. La corruzione trasforma la scoperta del prezzo in teatro.
Ecco perché il focus di questa settimana non sono i cicli di hype o i settori scintillanti.
È la tubatura sotto i mercati. Le cose che nessuno elogia quando funzionano, e tutti incolpano quando non funzionano.
Inizieremo con la base affidabile, poi ci sposteremo sul gioco al rialzo ad alto rischio.
Asset di Focus: Pyth Network (PYTH)
Nel suo nucleo, Pyth sta affrontando un problema che precede interamente la blockchain.
I dati di mercato sono un affare enorme, un ecosistema di circa 50 miliardi di dollari costruito sulla redistribuzione. Le transazioni avvengono sugli scambi. I fornitori di dati li raccolgono. Gli aggregatori li ristrutturano. I distributori confezionano il risultato. Le istituzioni poi pagano più pedaggi per accedere alle informazioni che sono originate a monte.
Pyth salta quella struttura.
Invece di acquistare dati da intermediari, estrae i prezzi direttamente dalla fonte. Le aziende di trading, gli scambi e i market maker pubblicano dati direttamente nella rete. Ci sono più di 128 contributori, inclusi aziende come Jane Street, Cboe e Binance. Questi input sono combinati all'interno di Pyth, verificati attraverso firme crittografiche e poi consegnati a oltre 100 blockchain in tempo quasi reale.
Questo approccio ridefinisce due fondamentali contemporaneamente: chi paga e chi decide.
Oggi, Pyth fornisce più di 2.800 feed di prezzi in tempo reale che coprono criptovalute, azioni, cambi, materie prime e persino punti dati macro. Solo le azioni rappresentano quasi il 60% dei feed attivi, il che rende chiaro una cosa. Questo è andato oltre l'essere solo un oracolo DeFi. Si sta posizionando come un livello di dati finanziari più ampio.
E non si tratta di un'adozione teorica.
Nel Q4, la rete ha gestito circa 886.700 aggiornamenti di prezzo al giorno, rappresentando oltre il 31% di crescita rispetto al trimestre precedente. Gli aggiornamenti totali hanno ora superato i 900 milioni. Quel livello di attività segnala un uso sostenuto, con applicazioni reali che continuano a estrarre prezzi verificati on-chain piuttosto che un'infrastruttura inattiva.
Il mercato tende ancora a fissarsi su TVS, o valore totale garantito, anche se è sceso nel Q4 insieme al calo più ampio. Il TVS di Pyth è sceso da 6,2 miliardi di dollari a 4,2 miliardi di dollari, che a prima vista può sembrare una rilevanza in diminuzione.
Il problema è che il TVS non rivela chi si affida effettivamente all'oracolo. L'attività di transazione sì.
Per volume totale scambiato, Pyth supporta quasi il 60% dei mercati dei derivati DeFi, con un TTV mensile che spesso supera i 100 miliardi di dollari nel 2025. Il trading di derivati non può funzionare con prezzi ritardati o imprecisi. Quando i dati si interrompono, i protocolli subiscono immediatamente perdite. Catturare quella quota di volume non è un caso.
Il cambiamento istituzionale
Il cambiamento più notevole non sta avvenendo all'interno di DeFi stessa.
Sta avvenendo con Pyth Pro.
Rilasciato a settembre, il prodotto fornisce aggiornamenti a livello di millisecondi attraverso più di 2.800 feed di dati, prezzato a 10.000 dollari al mese per i clienti istituzionali. Nel suo primo mese, ha superato 1 milione di dollari di entrate ricorrenti annuali. Solo nel Q4, le entrate hanno raggiunto 352.600 dollari, e l'anno si è chiuso con 54 abbonati paganti.
Ma il significato va oltre il reddito da abbonamento.
Ciò che conta è che le aziende che inizialmente hanno contribuito con dati a Pyth hanno iniziato ad abbonarsi per consumare gli stessi dati. Gli editori si sono trasformati in clienti.
Questo inverte il tradizionale pipeline di dati. Invece di protocolli crittografici che ottengono i prezzi da fornitori di dati finanziari legacy, le istituzioni stanno ora considerando la distribuzione nativa della blockchain come un'alternativa valida ai terminali legacy raggruppati.
Poi è entrato in gioco il Reserve.
A dicembre, il DAO ha autorizzato il PYTH Reserve, allocando il 33% delle entrate mensili del protocollo per riacquistare PYTH direttamente dal mercato aperto. Il primo riacquisto ha avuto luogo a gennaio, per un totale di circa 2,16 milioni di PYTH.
Per lungo tempo, il ruolo di PYTH era limitato alla partecipazione alla governance e allo Staking per l'Integrità degli Oracoli. Questo è cambiato. Le entrate generate da Core, Pro, Entropy e Express Relay ora fluiscono nel tesoro del DAO, con un meccanismo chiaramente definito che restituisce valore al token stesso.
Questo è un cambiamento significativo.
L'attività di mercato è ora legata a reali entrate, non emissioni di token o incentivi.
Dove si trovano le cose oggi, rimangono domande.
C'è ancora pressione sull'offerta.
La leadership di TVS nel settore degli oracoli non è stabilita.
L'Entropia e l'Express Relay hanno ricevuto meno attenzione nel Q4.
E il più grande sconosciuto è se Pyth Pro può seriamente sfidare i concorrenti di lunga data in un mercato dei dati dominato da fornitori legacy.
Ma per questo Spotlight, il takeaway è semplice.
Pyth non è più solo un oracolo on-chain.
Si sta evolvendo in un backbone di dati finanziari globali che è costruito nativamente su infrastruttura blockchain.
I dati del settore pubblico, come i dati del PIL e le buste paga non agricole, vengono già pubblicati on-chain attraverso le integrazioni di Pyth. Le piattaforme di previsione regolamentate come Kalshi stanno instradando set di dati conformi attraverso la rete. Le istituzioni non sono più limitate a un solo ruolo. Stanno contribuendo ai dati e consumandoli.
Nessuno di questi promette un immediato aumento per il token.
Ciò che crea è una configurazione rara tra gli asset infrastrutturali, dove l'uso può essere tracciato, i flussi di entrate stanno formando e i riacquisti di token sono già in movimento.
Questa non è una negoziazione guidata dalla narrativa.
È una scommessa di convinzione che il livello di dati sottostante i mercati globali cresca in importanza mentre la finanza continua a muoversi on-chain, e che Pyth catturi una quota maggiore di quella infrastruttura rispetto a quanto attualmente prezzato dal mercato.
Focus speculativo: Lagrange (LA)
Alcuni progetti prendono in prestito l'etichetta AI per attirare l'attenzione.
Altri si concentrano sulla validazione dell'AI stessa.
Lagrange rientra nel secondo gruppo, ed è ciò che lo rende una scommessa ad alto rischio.
A un livello fondamentale, Lagrange non sta creando un altro marketplace di inferenze o vendendo accesso al calcolo. Il suo focus è sulla verifica crittografica dell'esecuzione dell'AI. La domanda a cui risponde non è se un output appare buono, ma se il modello è stato eseguito esattamente come dichiarato, utilizzando gli input corretti, mantenendo privati i dati sottostanti.
Quell'infrastruttura di verifica è chiamata DeepProve.
Nel 2025, il team ha mostrato prove di inferenza complete end-to-end per GPT 2, e in seguito ha ampliato la compatibilità a famiglie di modelli più recenti come Gemma3. Quella pietra miliare è importante perché gran parte della narrativa zkML non va mai oltre dimostrazioni semplificate. Dimostrare inferenze per modelli di linguaggio su larga scala opera su un livello completamente diverso.
Non si sono fermati lì. La roadmap si è espansa in zk SNARKs dinamici, generazione di prove incrementali, registrazione di brevetti e ricerche che soddisfano gli standard accademici di crittografia. Da un punto di vista tecnico, questo lavoro è sostanziale.
Ciò che rende LA sia attraente che ad alto rischio, tuttavia, è la direzione verso cui puntano.
Difesa.
Nel 2025 da solo, Lagrange ha superato di gran lunga la teoria.
DeepProve è stato integrato nel pipeline dimostrativo Lattice di Anduril, dove le prove a conoscenza zero sono state collegate a output decisionali autonomi. Il team è entrato anche negli ecosistemi dei fornitori legati a General Dynamics, Raytheon, Lockheed Martin e agli ambienti cloud sovrani di Oracle. Allo stesso tempo, DeepProve è stato posizionato come un livello di verifica per architetture C4ISR, sistemi aerospaziali autonomi e comunicazioni sicure.
Questa non è una storia di Web3.
Questa è prossimità all'infrastruttura di difesa degli Stati Uniti.
Ora, è importante rallentare.
Essere elencati come fornitori non equivale ad avere contratti attivi. L'elenco di Vulcan SOF non indica esplicitamente il dispiegamento. Le integrazioni demo non sono le stesse di sistemi in uso attivo. Una grande parte della tecnologia di difesa in fase iniziale esiste nel gap tra capacità promettenti e approvvigionamento effettivo.
Quell'incertezza è dove si trova il rischio.
Dal lato della meccanica del token, LA è più di un asset di governance.
La domanda per il token è legata alla generazione di prove. I clienti pagano per generare prove. I provatori devono puntare LA per partecipare, con lo staking che funge da garanzia di idoneità. La logica economica è semplice. Man mano che il volume delle prove cresce, la domanda di token dovrebbe aumentare.
Finora, la rete ha prodotto milioni di inferenze AI e milioni di prove a conoscenza zero, il che indica un vero slancio tecnico.
Allo stesso tempo, i segnali di avvertimento sono chiari.
La proprietà del token è altamente concentrata, con un numero esiguo di wallet che detiene la maggior parte dell'offerta.
Il numero di detentori rimane basso rispetto alla valutazione.
I sblocchi dei token iniziano a esercitare pressione a partire dalla metà dell'anno.
I rendimenti dello staking sono sufficientemente elevati da attrarre capitale a breve termine piuttosto che partecipanti a lungo termine.
Questo non è un asset infrastrutturale a costruzione lenta come Pyth.
Questa è un'esposizione nella fase iniziale con una ampia dispersione dei risultati e una forte influenza da parte di importanti sostenitori.
Founders Fund ha investito.
Intel lo ha supportato attraverso il suo acceleratore.
Nvidia l'ha incluso nel programma Inception.
Quelle relazioni spiegano perché il token ha raggiunto rapidamente le borse di primo livello. Non garantiscono però una resilienza a lungo termine.
La tesi qui non è che l'AI sia di moda.
È molto più specifica.
Se i sistemi di difesa e gli ambienti cloud sovrani iniziano a richiedere la verifica crittografica dell'esecuzione dell'AI come requisito di conformità, Lagrange è eccezionalmente ben posizionato.
Se quel requisito rimane concettuale o si materializza più lentamente delle aspettative del mercato, LA si comporta come un asset guidato dalla narrativa che affronta la pressione dei sblocchi.
Non c'è molto spazio tra quegli esiti.
Perché questo rientra nella categoria ad alto rischio
Lagrange sta risolvendo un problema che ha senso su un orizzonte pluriennale.
Il mercato, tuttavia, prezza gli asset su una timeline molto più breve.
Quella disconnessione crea una forte volatilità. La tecnologia è legittima. Le integrazioni sono tangibili. L'ambizione è reale. La storia dell'AI verificabile per casi d'uso governativi e di difesa è convincente.
Ma la realtà si applica ancora. I cicli di approvvigionamento si muovono lentamente. L'adozione aziendale richiede tempo. E la meccanica dell'offerta di token è indifferente ai progressi della ricerca. È per questo che LA si trova in questa categoria. Il profilo del payoff è asimmetrico, sia al rialzo che al ribasso. Se l'AI verificabile diventa un'infrastruttura standard per sistemi critici per la missione, questa posizione sembrerà estremamente precoce.
Se non lo fa, o se l'adozione si trascina, il mercato non rimarrà paziente.
Questo è il commercio. Pyth è già integrato in sistemi attivi. Elabora volume, monetizza dati e ricicla attivamente entrate in riacquisti di token. Non ha bisogno di un evento di cambiamento di passo. Ha solo bisogno di continuare l'esecuzione.
Lagrange non ha quel vantaggio. Sta puntando a un risultato più grande più in là nel tempo. Se l'AI verificabile passa dalla discussione al requisito, il momento sembra favorevole. Se no, diventa un altro progetto ambizioso che ha corso avanti rispetto alla sua curva di adozione. Questo è il quadro. Un asset si compone silenziosamente. L'altro sta tentando di ridefinire la traiettoria.
Nomi diversi la prossima settimana. Stesso obiettivo. Separare la sostanza dalle narrazioni superficiali.