A inizio 2026, al CES di Las Vegas, il CEO globale di Siemens Roland Busch ha detto con convinzione che il potenziale trasformativo dell’intelligenza artificiale è almeno pari a quello che l’elettricità ha avuto nel secolo scorso. E ha aggiunto che una tecnologia raggiunge la piena maturità quando smette di essere visibile – quando è talmente integrata nei processi da diventare parte invisibile della realtà. Questo lo scenario “a tendere”. Ma a che punto siamo, nel manifatturiero e nelle infrastrutture energetiche?
La risposta arriva da due prospettive complementari: quella di Stefania Svanoletti, Head of Sales Vertical Markets (Top Customers) della divisione Digital Industries di Siemens Italia, e quella di Lorenzo Milani, Head of Electrical Products della divisione Smart Infrastructure. Due mondi – l’automazione industriale da un lato, le reti elettriche dall’altro – che l’AI sta progressivamente portando a convergere.
Indice degli argomenti
Dall’AI industriale alla Physical AI: dove siamo davvero
“L’intelligenza artificiale nell’ambito industriale è già una realtà”, dice Svanoletti. “Non stiamo parlando di AI generalista. Siamo passati da applicazioni singole, focalizzate su specifiche problematiche, a una forza trasformativa che impatta l’intera catena del valore: dalla progettazione alle operation, fino alla manutenzione”.
La distinzione rispetto ai sistemi consumer non è di marketing ma di sostanza. L’AI industriale opera in ambienti in cui affidabilità e continuità produttiva non sono negoziabili, e deve farlo in tempo reale, con output deterministici.
Per rispondere a questa esigenza Siemens articola il proprio approccio su tre leve: la profondità tecnologica (hardware e, sempre più, software), la competenza di dominio verticale e la costruzione di ecosistemi di partnership. Su questo terzo fronte il riferimento più rilevante è la collaborazione con Nvidia, che fornisce lo stack di industrial AI e gli ambienti di simulazione necessari per addestrare e validare sistemi autonomi prima che vengano dispiegati sul campo.
Un esempio concreto riguarda la Physical AI. Nella fabbrica Siemens di Erlangen è attivo un robot umanoide (HMND) – sviluppato con il supporto computazionale di Nvidia – che si muove in modo autonomo per operazioni di logistica interna. “È possibile grazie alla partnership con Nvidia, che mette a disposizione l’ambiente in cui testare e simulare i dati, permettendo al robot di muoversi autonomamente e di apprendere all’interno della fabbrica”, spiega Svanoletti. Il sistema è già oltre la fase prototipale: l’obiettivo è portare sul mercato tecnologie che abbiano già dimostrato impatto industriale nelle fabbriche Siemens stesse, prima di proporle ai clienti.
La stessa logica si applica all’ambito del software. L’Industrial Copilot for Engineering assiste gli ingegneri nella scrittura di codice PLC e altri codici complessi, liberando gli operatori per attività ad alto valore aggiunto e riducendo i tempi sulle operazioni ripetitive. Un’evoluzione recente va oltre il modello assistivo: Eigen Engineering Agent è un agente vero e proprio: non un copilota che suggerisce, ma un sistema che implementa autonomamente codice di automazione. Il nome non è casuale: “eigen” in tedesco significa “intrinseco”, a indicare un’AI che diventa embedded nei prodotti stessi.
E poi c’è il digital twin, che evolve da strumento di simulazione offline a sistema predittivo e operativo. “Non è più una semplice simulazione offline”, puntualizza Svanoletti. “Prevedo e sono in grado di gestire scenari complessi, agire sul presente sulla base di ciò che il modello mi dice del futuro”. I dati in tempo reale provenienti dall’automazione alimentano il gemello digitale, che restituisce non solo analisi ma indicazioni operative.
Reti, data center e sovranità tecnologica: la posta in gioco
Se nell’industria manifatturiera l’AI è già operativa su diversi fronti, nelle infrastrutture energetiche la sfida è altrettanto profonda ma parte da dinamiche di sistema più ampie. Lorenzo Milani sottolinea come la pressione sulle reti elettriche italiane ed europee sia crescente: da un lato l’elettrificazione accelerata di trasporti, edifici e processi industriali; dall’altro la crescita delle rinnovabili, per loro natura intermittenti.
Alcuni dati. A marzo 2026 il 39% dei consumi elettrici italiani è coperto da rinnovabili, di cui il 38% da fotovoltaico. Nel 2025 l’Italia ha installato 6,4 GW di solare, meno dei 6,8 GW del 2024. La Germania nello stesso periodo ne ha installati 17 GW – tre volte il dato italiano. E l’Italia dipende ancora dal gas per il 42% del proprio fabbisogno energetico.
In questo scenario le smart grid – reti intelligenti che integrano sensori, interruttori, algoritmi predittivi e sistemi di controllo avanzati – diventano l’infrastruttura portante. “L’intelligenza artificiale trasforma la grande mole di dati generata dalle reti in decisioni operative e strategiche”, sintetizza Milani: dal forecasting accurato dei consumi alla manutenzione predittiva degli apparati. Siemens è già in grado, con i propri interruttori connessi, di calcolare la vita residua di ogni singolo apparato all’interno delle cabine secondarie, anticipando guasti e fermate.
Un secondo fronte di pressione è quello dei data center, spinti dalla domanda di AI e cloud computing. I numeri che Milani cita sono significativi: oggi nel mondo ci sono 4.240 data center negli Stati Uniti, 369 in Cina, 222 in Italia. Il consumo mondiale potrebbe raggiungere 1.000 TWh entro il 2030, partendo dagli attuali 400 TWh – circa tre volte il consumo annuo dell’Italia. “La maggior parte delle nuove richieste di connessione riguarda aree urbane e industriali che sono già vicine alla saturazione della rete”, avverte Milani. La risposta richiede nuove connessioni in alta e media tensione, potenziamento di cabine e trasformatori, e sistemi di verifica della stabilità di rete.
Il digital twin, tema che accomuna entrambe le divisioni, si conferma come strumento di raccordo tra il livello descrittivo e quello predittivo dell’AI. “Dall’analisi alla previsione cambia l’obiettivo: non solo comprendere e ottimizzare, ma anticipare e pianificare”, dice Milani. Un ambiente virtuale in cui testare strategie prima di applicarle nel mondo reale, riducendo i rischi e aumentando resilienza e sostenibilità delle infrastrutture.
Industrial AI e sovranità tecnologica: la partita che l’Europa può ancora vincere
Su tutto questo si innesta la questione della sovranità tecnologica. Come osserva Svanoletti, mentre sull’AI consumer la partita è già chiusa, consolidata su infrastrutture e attori che non appartengono al perimetro europeo, sull’AI industriale l’Europa ha ancora le sue carte da giocare. “Quando parliamo di sovranità europea nell’ambito dell’AI industriale, non ci rivolgiamo all’AI consumer. Quella è una partita già giocata su infrastrutture lontane dal mondo europeo”, dice Svanoletti. Il terreno su cui l’Europa può competere – e su cui Siemens ha costruito il proprio posizionamento – è quello dei sistemi che trasformano dati industriali di qualità in valore operativo: automazione, reti energetiche, edifici, processi manifatturieri.
Non si tratta di una rivendicazione di bandiera. Il vantaggio competitivo europeo in questo ambito poggia su elementi concreti: un know-how di ingegneria e automazione industriale senza pari, una presenza manifatturiera capillare e, soprattutto, la capacità di generare dati di qualità elevata. “Non dimentichiamo che tutto parte dal dato”, conclude Svanoletti. “Dati di estrema qualità. E su questo l’Europa può giocare – e sta giocando – una grande partita”. È su questo asse – industrial AI come infrastruttura strategica, dati industriali come risorsa sovrana – che si costruisce, secondo Siemens, l’autonomia tecnologica europea nel decennio che viene.
