Nel 2027 il processo di commercializzazione dell’AI fisica subirà un’accelerazione grazie alla riduzione dei costi relativi agli attuatori di precisione e all’hardware per l’Edge computing, nonché alla maturazione dei modelli linguistici di grandi dimensioni (LLM), ridefinendo così il futuro della robotica.

A riportarlo è GlobalData, piattaforma che opera nel campo dell’intelligence e della produttività, e che ha dedicato al tema il suo ultimo rapporto di Strategic Intelligence.

Secondo l’analisi dell’azienda, il 2027 vedrà quindi intensificarsi il percorso già intrapreso nel 2026, anno che ha segnato l’ingresso dell’AI fisica in settori che spaziano dalla produzione discreta e dalla sanità all’estrazione mineraria, all’energia e ai trasporti.

Dall’addestramento statistico all’esperienza reale: il ciclo operativo dell’AI fisica

L’ultimo rapporto di Strategic Intelligence di GlobalData, intitolato “Physical AI”, afferma che l’AI fisica non è una singola tecnologia, ma piuttosto una fusione di molteplici tecnologie, tra cui l’Internet delle cose (IoT), l’IA generativa, l’IA agentica, l’apprendimento automatico, i modelli del mondo, i modelli visione-linguaggio (VLM) e i modelli visione-linguaggio-azione (VLA).

L’AI fisica opera attraverso un ciclo continuo in quattro fasi: percezione, ragionamento e contesto, apprendimento e azione. Questo ciclo percezione-azione utilizza circuiti di retroazione localizzati e adattamento iterativo, ma non ricorre all’apprendimento ricorsivo, ovvero quella tecnica in cui i sistemi evolvono alimentandosi direttamente dei propri output passati.

“L’intelligenza non è più limitata al mondo digitale. Stiamo passando da macchine che seguono ciecamente le istruzioni in modo deterministico a sistemi in grado di percepire, ragionare e agire in modo indipendente”, commenta William Rojas, direttore della ricerca, Strategic Intelligence presso GlobalData.

“L’AI fisica apprende attraverso l’adattamento strutturale, non solo tramite l’addestramento statistico. Acquisisce competenze attraverso l’esperienza nel mondo reale, modulando la forza e il movimento, che ne rimodellano i modelli di controllo”, aggiunge.

Una corsa globale, guidata dall’Asia-Pacifico

Sono pochi i paesi dominanti che definiscono il panorama competitivo dell’AI fisica. Giappone, Cina, Corea del Sud, Taiwan, Singapore e Stati Uniti sono all’avanguardia negli investimenti in ricerca e sviluppo e nell’implementazione effettiva.

Il solo Giappone ha stanziato 10 trilioni di yen (63 miliardi di dollari) per la robotica avanzata e l’AI. Inoltre, Nvidia ha costituito una coalizione con 10 aziende e organizzazioni che vantano una notevole esperienza nel campo della robotica.

La Cina, dal canto suo, sta coordinando i finanziamenti e il sostegno all’AI fisica tra il governo centrale e quelli locali. Il 15° Piano quinquennale delinea l’impegno a promuovere questa tecnologia e a istituire meccanismi di finanziamento e condivisione dei rischi.

“Si tratta di una corsa globale, guidata dall’Asia-Pacifico”, continua Rojas.

“La tradizione del Giappone e della Corea del Sud nel campo della robotica di precisione, unita all’enorme sostegno statale, conferisce alla regione un vantaggio iniziale invidiabile. L’intelligenza artificiale fisica viene considerata un’infrastruttura nazionale fondamentale, non un progetto scientifico”, aggiunge.

La mancanza di una normativa globale armonizzata sull’AI fisica

La normativa in materia di AI non è ancora ben sviluppata e fatica a stare al passo con le innovazioni tecnologiche. Attualmente, i sistemi fisici di AI non sono disciplinati da una legge specifica, ma da quadri normativi preesistenti che si sovrappongono e vengono estesi per adattarsi ai sistemi incarnati.

In pratica, sono gli standard tecnici a tenere insieme il tutto, mentre incombono questioni irrisolte in materia di responsabilità.

“La normativa in materia di AI fisica varia notevolmente da una regione all’altra, mentre a livello globale non esiste una legge specifica”, spiega Nilesh Raghoo, Analista Associato, Strategic Intelligence presso GlobalData.

“Si applicano invece contemporaneamente la normativa sulle macchine, quella sulla sicurezza dei prodotti, quella sulla responsabilità per danno da prodotti difettosi e la normativa orizzontale sull’AI nelle giurisdizioni competenti. Gran parte del lavoro attuale consiste nell’armonizzare tali normative”, conclude.