Quando l’intelligenza diventa fisica

La cosiddetta physical AI combina modelli, sensori, robot e sistemi di controllo per far operare l’intelligenza in ambienti materiali. A differenza di un assistente testuale, un robot deve percepire condizioni variabili e agire entro vincoli di sicurezza. Il suo apprendimento dipende da simulazioni e dati raccolti durante operazioni reali, ma il rapporto tra installazioni, dati e capacità AI non è automatico.

Secondo la International Federation of Robotics, alla fine del 2025 le fabbriche del mondo ospitavano circa cinque milioni di robot industriali operativi, il 9% in più rispetto all’anno precedente. Nel 2025 sono state installate oltre 600.000 nuove unità. La Cina ha installato 195.000 robot nel proprio mercato, in aumento del 15%; i produttori cinesi hanno raggiunto il 55% delle vendite domestiche, rispetto al 57% dell’anno precedente.

I dati descrivono un cambiamento rilevante: la Cina è contemporaneamente un grande mercato e un produttore sempre più presente nel proprio ecosistema industriale. Non dimostrano, però, che ogni robot raccolga dati utilizzabili per addestrare modelli generali, né che tali dati siano accessibili ai produttori. Proprietà, interoperabilità, qualità e diritti d’uso restano variabili distinte.

Una macchina automatizzata segue spesso compiti definiti. Un sistema di physical AI ambisce invece a generalizzare tra materiali, oggetti o condizioni non identiche a quelle viste in precedenza. Per arrivarci servono sensori affidabili, dati di qualità, simulazioni e feedback sull’esito delle azioni.

Chi produce o utilizza robot può raccogliere esperienze preziose: variazioni dei materiali, tentativi falliti, correzioni e tempi di processo. Ma la quantità non basta. Un insieme di dati privo di etichette, contesto o consenso può essere poco utile o non riutilizzabile. La questione strategica è chi può trasformare l’esperienza di fabbrica in conoscenza condivisa e in prodotti migliori.

Per un’impresa europea, la dipendenza può riguardare il robot, il software, l’assistenza e l’accesso ai dati. Valutare un fornitore richiede quindi di chiedere dove vengono elaborati i dati, chi può riutilizzarli, come si esportano e che cosa accade se il servizio cambia. Nei settori ad alta qualità di processo, dall’occhialeria alla meccanica di precisione, la competenza manifatturiera può diventare una risorsa per addestrare sistemi più adatti a compiti specialistici, se viene documentata e governata.

La competizione non si misura soltanto contando i robot o le aziende che li producono. Conta anche la capacità di collegare dati operativi, risultati e diritti d’uso. Le imprese europee stanno trattando l’esperienza delle proprie linee produttive come un asset strategico?

I dati IFR riguardano robot industriali e installazioni; non sono una misura diretta dei dataset AI, della loro qualità o della sovranità tecnologica. La relazione tra automazione e apprendimento dei modelli è qui presentata come questione da verificare, non come esito già dimostrato.