L’intelligenza artificiale ha già dimostrato di essere uno strumento straordinariamente efficace nell’elaborare informazioni e rispondere a domande. Ma sempre più persone si chiedono quale possa essere il suo impatto concreto nella vita quotidiana. La risposta è già sotto i nostri occhi: stiamo entrando nell’era della Physical AI, una nuova fase evolutiva in cui l’intelligenza artificiale esce dallo schermo e interagisce direttamente con il mondo fisico.
La Physical AI consente alle macchine di percepire l’ambiente circostante, comprenderlo, ragionare e interagire in modo naturale con esso. Con l’accelerazione di questa trasformazione stanno cambiando anche le modalità con cui vengono progettati, distribuiti e scalati i sistemi intelligenti, con implicazioni rilevanti per l’edge computing, la latenza e lo storage locale ad alte prestazioni.
La Physical AI è già parte della nostra realtà: veicoli autonomi, droni e robot ne rappresentano gli esempi più concreti. Si tratta di tecnologie estremamente sofisticate, ma la prossima frontiera è ancora più ambiziosa: quella dei robot umanoidi.
Indice degli argomenti
Dall’Edge AI collaborativa alla nuova frontiera della robotica
Le origini della robotica mobile risalgono ai primi anni Settanta, quando vennero sviluppati i primi robot destinati principalmente ad attività di saldatura e movimentazione dei materiali. Basati su sistemi operativi real-time (RTOS), questi robot garantivano un funzionamento affidabile in contesti in cui era fondamentale una pianificazione estremamente precisa delle operazioni. Il controllo era centralizzato e la capacità di archiviazione locale era molto limitata: pochi kilobyte (KB) di memoria RAM, mentre i dati venivano trasferiti e conservati su computer esterni.
Dal 2019 l’intelligenza artificiale ha compiuto un’evoluzione significativa, passando da un’architettura fortemente centrata sul cloud a un modello distribuito, in cui inferenza e processi decisionali vengono eseguiti direttamente all’Edge, ovvero in prossimità della sorgente dei dati e in tempo reale. Questo paradigma, definito Collaborative Edge AI, è essenziale in tutti quei contesti in cui anche pochi millisecondi possono fare la differenza, come nel caso della guida autonoma.
Un esempio concreto è rappresentato dagli Autonomous Mobile Robot (AMR) impiegati nei magazzini automatizzati, capaci di pianificare autonomamente i percorsi ed evitare ostacoli dinamici grazie all’intelligenza integrata. Con l’aumento delle capacità di elaborazione locale cresce inevitabilmente anche il fabbisogno di storage on-edge. Allo stesso tempo, la necessità di accedere ai dati con latenze sempre più ridotte rende lo storage flash ad alte prestazioni un componente essenziale per garantire il corretto funzionamento di questi sistemi. Se un tempo i robot disponevano di pochi kilobyte di memoria, oggi integrano capacità di archiviazione dell’ordine dei gigabyte.
Si apre una nuova era: quella dei robot umanoidi
Secondo le previsioni, entro la metà degli anni Trenta saranno operativi circa 1,4 milioni di robot umanoidi, una stima destinata probabilmente a crescere alla luce dell’accelerazione degli investimenti nel settore. Questo nuovo paradigma della Physical AI si basa su soluzioni di storage flash NVMe ad alte prestazioni.
A differenza dei sistemi tradizionali, infatti, i robot umanoidi non si limiteranno a utilizzare dati precaricati: continueranno ad apprendere e ad affinare le proprie capacità direttamente attraverso l’esperienza, senza che ogni comportamento debba essere programmato manualmente. Questo processo di apprendimento continuo comporterà una crescita costante della quantità di dati memorizzati localmente e, di conseguenza, della capacità di archiviazione necessaria.
Un robot potrà, ad esempio, imparare quanta pressione può sopportare un frutto delicato prima di danneggiarsi oppure comprendere cosa accade quando un bicchiere non è posizionato correttamente su un tavolo. Ogni interazione con il mondo reale arricchisce il patrimonio di conoscenze del sistema, che costruisce nuovi modelli sulla base dei dati già disponibili.
Anche la registrazione in tempo reale dei flussi provenienti da più telecamere, utilizzati per il rilevamento di anomalie e per la riproduzione delle simulazioni, richiederà capacità di archiviazione sempre maggiori.
Lo storage Edge verrà utilizzato principalmente per supportare i processi decisionali e il caching locale, mentre i dati più rilevanti saranno trasferiti ai data center per l’archiviazione a lungo termine e l’addestramento centralizzato dei modelli di intelligenza artificiale.
Superare il paradosso dello storage
Non esiste tuttavia una soluzione unica valida per tutti gli scenari: ogni tipologia di robot umanoide presenta esigenze differenti in termini di capacità di archiviazione.
Un robot umanoide destinato ad applicazioni industriali deve memorizzare grandi dataset basati su modelli Vision-Language-Action (VLA), dati provenienti da sistemi multicamera e sensori LiDAR (Light Detection and Ranging), modelli di AI per l’inferenza locale, registri dei movimenti ad alta frequenza e dati di telemetria relativi alla manutenzione. In questi casi possono essere necessari diversi terabyte di unità SSD NVMe, come quelli offerti da Sandisk per supportare i diversi casi d’uso della Physical AI.
I robot umanoidi general purpose, definiti anche embodied humanoid robots, eseguono localmente modelli fondazionali multimodali e world model che integrano linguaggio, visione artificiale e controllo motorio. Per ridurre la latenza, questi sistemi eseguono direttamente all’edge Large Language Model (LLM) e modelli di diffusione. Di conseguenza, possono richiedere una capacità di storage locale fino al doppio rispetto ai robot industriali, mentre i robot destinati ad ambienti critici o ad alto rischio possono necessitare di capacità ancora superiori.
Una quota significativa dei dati raccolti dai robot umanoidi verrà comunque trasferita ai data center per le attività di addestramento e inferenza dei modelli di AI. Questa evoluzione sta trasformando profondamente anche l’architettura dei data center: i carichi di lavoro dell’intelligenza artificiale richiedono un accesso ai dati sempre più rapido e frequente, accelerando l’evoluzione verso data lake ad alte prestazioni.
In questo contesto, tecnologie di archiviazione come le unità SSD ad alta capacità basate sulla tecnologia UltraQLC stanno assumendo un ruolo sempre più strategico. La loro capacità di coniugare densità di archiviazione elevata, efficienza e prestazioni consente di rispondere alla crescente domanda di capacità generata dai workload di AI, sia all’Edge sia nei data center che supportano l’addestramento e l’inferenza dei modelli.
Con la Physical AI destinata a diventare uno dei settori tecnologici a più rapida crescita, lo sviluppo e il successo dei robot umanoidi dipenderanno sempre più da un’infrastruttura di storage flash in grado di garantire prestazioni, capacità e affidabilità.
