Cos'è la Physical AI?

La Physical AI è l'AI che esce dallo schermo: non genera più solo testo o immagini, ma percepisce un ambiente reale, decide un'azione e la esegue attraverso un corpo, che sia uno smart robot in fabbrica, un veicolo a guida autonoma o una linea di produzione automatizzata. È l'estensione naturale dell'AI agentica: un agente che invece di chiamare un'API chiama un attuatore. La differenza pratica non è di poco conto: un errore di un agente software si annulla con un rollback, un errore di un agente fisico può danneggiare un macchinario o mettere a rischio una persona, il che rende i margini di sicurezza e i controlli molto più stringenti di quelli richiesti da un chatbot o da un assistente digitale. Il termine copre un ventaglio ampio, ma il filo comune è uno: prima di agire, il sistema deve percepire correttamente l'ambiente e prevedere le conseguenze della propria azione con un margine d'errore molto più basso di quanto tollerato nel software puro.

Leggi anche: World models · Modelli AI che imparano come funziona il mondo e ne prevedono le conseguenze fisiche, invece di prevedere la prossima parola come fa un LLM.

Da dove nasce l'hype (e cosa c'è di vero)

Il termine ha preso piede quando Jensen Huang, CEO di NVIDIA, l'ha indicato al CES 2026 come il prossimo "momento ChatGPT": un salto di capacità nei sistemi che agiscono nel mondo fisico paragonabile a quello che i modelli linguistici hanno rappresentato per il testo. Vale una nota terminologica: spesso si sente parlare anche di "embodied AI" (AI incarnata) come sinonimo quasi intercambiabile. La differenza è sottile, non sostanziale: la Physical AI è il termine ombrello per l'intero stack (dati, modelli, hardware), l'embodied AI ne enfatizza la componente di percezione e controllo del corpo fisico. Nella pratica aziendale, in italiano, è la Physical AI il termine che sta guadagnando terreno.

Prima del robot vengono i dati

Il punto che i titoli sui robot umanoidi tendono a saltare: nessun braccio robotico o veicolo autonomo funziona senza una base di dati solida sotto. Servono sensori che producono flussi affidabili (l'IIoT), un'infrastruttura che elabori quei dati in tempo reale vicino alla fonte (l'edge AI), una rappresentazione digitale dell'impianto per simulare prima di agire (il digital twin) e, a monte di tutto, modelli capaci di prevedere le conseguenze fisiche di un'azione (i world models). La Physical AI non è un progetto di robotica: è un progetto di dati che, arrivato a un certo punto di maturità, abilita anche la robotica. Per un'azienda manifatturiera la domanda utile oggi non è "quale robot comprare", ma "i miei dati di processo sono già pronti per alimentare questi sistemi quando saranno maturi". Nella maggior parte dei casi la risposta onesta è no, e lì si comincia.