L’automazione della manifattura europea sta entrando in una fase nuova, segnata dalla diffusione della robotica industriale e dalle potenzialità della physical AI. Durante l’evento “AI, HPC & Quantum – Reshaping the Technology Landscape”, organizzato da E4 Computer Engineering a Milano, Rod Evans, vicepresidente EMEA per supercomputing e intelligenza artificiale di Nvidia, ha illustrato come queste tecnologie stiano cambiando i modelli produttivi, dall’automotive alla gestione dei processi complessi.

Dall’AI percettiva alla physical AI

Evans ha ripercorso l’evoluzione dell’intelligenza artificiale, ricordando come il 2012, con la comparsa di AlexNet, abbia segnato l’inizio di una fase di crescita esponenziale. Negli ultimi dieci anni, la capacità dei modelli si è moltiplicata «un milione di volte» rispetto ai miglioramenti dei processori tradizionali, che nello stesso periodo avevano registrato un aumento di cento volte.

A questa accelerazione hanno contribuito diverse fasi: dai modelli generativi all’agentic AI, in grado di automatizzare attività di servizio, fino al salto verso la reasoning AI, che introduce capacità di ragionamento e risposte più efficaci con incrementi di cento volte nelle prestazioni rispetto al passato. La tappa successiva è la physical AI, ovvero l’applicazione dell’intelligenza artificiale a sistemi fisici come robot e veicoli autonomi.

Automotive e digital twin: fabbriche che cambiano

Il settore automobilistico è uno dei primi ad aver recepito la trasformazione. Secondo Evans, il passaggio alla produzione di veicoli elettrici ha reso necessario ridisegnare gli stabilimenti. Non è più sufficiente gestire catene “just in time” per componenti meccanici: occorre ripensare le fabbriche con l’ausilio di digital twin, modelli virtuali che simulano i processi produttivi e consentono di ottimizzare l’intera linea.

La robotica trova spazio anche nella mobilità autonoma. Evans ha citato il caso di Waymo, attiva negli Stati Uniti e negli Emirati, sottolineando come gli utenti percepiscano i veicoli senza conducente come una soluzione sicura, al punto da preferirli per spostamenti familiari. Questa fiducia sociale rappresenta un passaggio importante per l’integrazione delle tecnologie di guida autonoma nei contesti urbani.

Sanità e assistenza personalizzata

L’applicazione dell’intelligenza artificiale alla salute mostra come l’automazione non riguardi solo le fabbriche. Evans ha descritto simulazioni in cui un sistema AI interagisce con un paziente, riconoscendo allergie, prescrizioni e parametri vitali, fino a fornire consigli personalizzati per la convalescenza. Un’esperienza che egli stesso ha dichiarato di utilizzare in un programma di dimagrimento seguito attraverso un assistente AI attivo 24 ore su 24.

La rilevanza di questi strumenti, ha spiegato, cresce in Europa, dove l’invecchiamento della popolazione rende urgente garantire assistenza più capillare senza sovraccaricare il personale medico.

L’arrivo della robotica generalista

Uno dei passaggi più rilevanti del keynote riguarda la prospettiva della robotica generalista. Evans ha mostrato come i nuovi modelli, grazie a grandi quantità di dati sintetici e reali, siano in grado di ampliare il numero di azioni apprese dai robot, riducendo la necessità di interventi manuali ripetuti.

La tecnologia, denominata Cosmos Physical AI World, consente di generare scenari simulati da cui i robot apprendono nuove competenze. «Un piccolo team di operatori può fare il lavoro che prima richiedeva migliaia di dimostrazioni umane», ha sottolineato.

Secondo Evans, robot umanoidi potrebbero entrare nelle fabbriche già dal 2026, in particolare in risposta ai problemi di assenteismo e alla scarsa attrattività di mansioni ripetitive. La robotica industriale viene così presentata non come sostituto del lavoro umano, ma come supporto per garantire continuità produttiva e al tempo stesso migliorare la qualità del lavoro.

L’AI Factory come fabbrica di intelligenza

La prospettiva si allarga oltre la singola linea di produzione. Evans ha descritto la nascita dell’AI Factory, un’infrastruttura concepita come un data center che non si limita a immagazzinare dati, ma produce modelli di intelligenza utilizzabili in ambiti diversi.

Per l’Europa, questa visione coincide con un obiettivo strategico. Nel febbraio 2024 la Commissione europea ha lanciato un piano per l’AI che prevede la creazione di AI factory e gigafactory, con l’obiettivo di annunciarne tra cinque e otto nel giro di un anno. Una delle prime potrebbe sorgere in Italia, dove si attende un bando a breve.

Il ruolo dell’industria tecnologica è duplice: definire gli standard con cui realizzare queste infrastrutture e supportare i soggetti che intendono candidarsi alla loro gestione. In questo senso, Nvidia si è detta impegnata a fornire assistenza sia a livello istituzionale sia ai potenziali costruttori.

L’Italia e il contributo di E4

Il richiamo alla sovranità digitale è stato centrale anche nell’apertura dell’evento da parte di Cosimo Damiano Gianfreda, CEO di E4 Computer Engineering. Gianfreda ha sottolineato che HPC, intelligenza artificiale e quantum computing costituiscono i tre pilastri dello sviluppo europeo e ha annunciato l’intenzione di partecipare ai bandi sulle AI factory. «Entriamo nella logica della digital sovereignty, iniziamo a fare qualcosa in Italia e in Europa con elementi chiave» ha dichiarato.

E4, con sede in Emilia-Romagna, è coinvolta in 19 progetti europei e nazionali e si propone come esempio di come un’impresa italiana possa contribuire non solo alla ricerca, ma anche alla costruzione di componenti tecnologiche destinate a ridurre la dipendenza da fornitori extraeuropei.

Efficienza e sostenibilità della robotica industriale

Un tema cruciale è quello dell’impatto energetico. Evans ha ricordato che l’addestramento di modelli di intelligenza artificiale ha visto una riduzione di 350 volte nel consumo energetico in otto anni, grazie all’evoluzione delle architetture hardware.

I nuovi sistemi, previsti entro il 2027, introducono soluzioni come il raffreddamento a liquido diretto e l’aumento della densità di calcolo per mantenere sostenibile la crescita della potenza computazionale. La fase di inferenza, cioè l’applicazione dei modelli a problemi concreti, è al centro di questa ricerca di equilibrio: migliorare la velocità di risposta e ridurre i costi operativi significa rendere la robotica industriale più accessibile e sostenibile.