Alibaba è entrata nella corsa per costruire un’intelligenza artificiale che alimenta i robot, non solo i chatbot. Il colosso della tecnologia cinese questa settimana ha presentato RynnBrain, un modello open source progettato per aiutare i robot a percepire il loro ambiente ed eseguire compiti fisici.
La mossa segnala l’accelerazione della spinta della Cina verso l’intelligenza artificiale fisica mentre l’invecchiamento della popolazione e la carenza di manodopera spingono la domanda di macchine che possano lavorare insieme – o sostituire – gli esseri umani. Il modello posiziona Alibaba al fianco di Nvidia, Google DeepMind e Tesla nella corsa per costruire quella che il CEO di Nvidia Jensen Huang definisce “un’opportunità di crescita multimiliardaria”.
A differenza dei suoi concorrenti, tuttavia, Alibaba sta perseguendo una strategia open source, rendendo RynnBrain liberamente disponibile agli sviluppatori per accelerarne l’adozione, in modo simile al suo approccio con la famiglia di modelli linguistici Qwen, che si colloca tra i sistemi di intelligenza artificiale più avanzati della Cina.
Dimostrazioni video rilasciate dalla DAMO Academy di Alibaba mostrano robot potenziati da RynnBrain che identificano la frutta e la posizionano in cesti: compiti che sembrano semplici ma richiedono un’intelligenza artificiale complessa che governa il riconoscimento degli oggetti e il movimento preciso.
La tecnologia rientra nella categoria dei modelli visione-linguaggio-azione (VLA), che integrano visione artificiale, elaborazione del linguaggio naturale e controllo motorio per consentire ai robot di interpretare l’ambiente circostante ed eseguire azioni appropriate.
A differenza dei robot tradizionali che seguono istruzioni preprogrammate, i sistemi fisici di intelligenza artificiale come RynnBrain consentono alle macchine di apprendere dall’esperienza e adattare il comportamento in tempo reale. Ciò rappresenta un passaggio fondamentale dall’automazione al processo decisionale autonomo negli ambienti fisici, un passaggio con implicazioni che si estendono ben oltre i confini della fabbrica.
Dal prototipo alla produzione
Il timing segnala un punto di flesso più ampio. Secondo i trend tecnologici 2026 di Deloitte rapportoL’intelligenza artificiale fisica ha iniziato a “passare da una sequenza temporale di ricerca a una industriale”, con piattaforme di simulazione e generazione di dati sintetici che comprimono i cicli di iterazione prima dell’implementazione nel mondo reale.
La transizione è guidata meno dalle scoperte tecnologiche che dalla necessità economica. Le economie avanzate si trovano ad affrontare una dura realtà: la domanda di produzione, logistica e manutenzione continua ad aumentare mentre l’offerta di lavoro non riesce sempre più a tenere il passo.
L’OCSE prevede che nei prossimi decenni la popolazione in età lavorativa nei paesi sviluppati ristagnerà o diminuirà a causa dell’accelerazione dell’invecchiamento.
Alcune parti dell’Asia orientale stanno affrontando questa realtà prima di altre regioni. L’invecchiamento demografico, il calo della fertilità e la contrazione del mercato del lavoro stanno già influenzando le scelte di automazione nella logistica, nella produzione e nelle infrastrutture, in particolare in Cina, Giappone e Corea del Sud.
Questi ambienti non sono eccezionali; sono semplicemente in anticipo rispetto ad una traiettoria che probabilmente seguiranno altre economie avanzate.
Quando si tratta specificamente di robot umanoidi – macchine progettate per camminare e funzionare come esseri umani – la Cina sta “avanzando davanti agli Stati Uniti”, con le aziende che pianificano di aumentare la produzione quest’anno, secondo Deloitte.
UBS stima che entro il 2035 ci saranno due milioni di umanoidi sul posto di lavoro, che saliranno a 300 milioni entro il 2050, rappresentando un mercato totale indirizzabile compreso tra 1,4 e 1,7 trilioni di dollari entro la metà del secolo.
Il divario di governance
Tuttavia, con l’accelerazione delle capacità fisiche dell’intelligenza artificiale, sta emergendo un vincolo critico, che non ha nulla a che fare con le prestazioni del modello.
“Negli ambienti fisici, i guasti non possono essere semplicemente riparati a posteriori”, secondo il World Economic Forum analisi pubblicato questa settimana. “Una volta che l’intelligenza artificiale inizia a spostare merci, coordinare la manodopera o utilizzare attrezzature, il vincolo vincolante si sposta da ciò che i sistemi possono fare a come vengono governate la responsabilità, l’autorità e l’intervento”.
Le industrie fisiche sono governate dalle conseguenze, non dai calcoli. Una raccomandazione errata in un chatbot può essere corretta nel software. Un robot che lascia cadere un componente durante la consegna o perde l’equilibrio in una fabbrica progettata per gli esseri umani provoca l’interruzione delle operazioni, creando effetti a cascata sui programmi di produzione, sui protocolli di sicurezza e sulle catene di responsabilità.
Il quadro del WEF identifica tre livelli di governance necessari per un’implementazione sicura: governance esecutiva che definisce la propensione al rischio e gli aspetti non negoziabili; governance del sistema che incorpora tali vincoli nella realtà ingegnerizzata attraverso regole di arresto e controlli del cambiamento; e una governance in prima linea che conferisca ai lavoratori una chiara autorità per ignorare le decisioni sull’intelligenza artificiale.
“Con l’accelerazione dell’intelligenza artificiale fisica, le capacità tecniche convergeranno sempre più, ma la governance no”, avverte l’analisi. “Coloro che considerano la governance come un ripensamento potrebbero vedere i primi guadagni, ma scopriranno che la scala amplifica la fragilità”.
Ciò crea un’asimmetria nella competizione USA-Cina. I cicli di implementazione più rapidi della Cina e la volontà di sperimentare sistemi in ambienti industriali controllati potrebbero accelerare le curve di apprendimento.
Tuttavia, i quadri di governance che funzionano in contesti di fabbrica strutturati potrebbero non tradursi in spazi pubblici in cui i sistemi autonomi devono gestire comportamenti umani imprevedibili.
Segnali di implementazione anticipata
Gli attuali impieghi rimangono concentrati nei settori dello stoccaggio e della logistica, dove le pressioni del mercato del lavoro sono più acute. Amazon ha recentemente implementato il suo milionesimo robot, parte di una flotta diversificata che lavora a fianco degli esseri umani. Il suo modello AI DeepFleet coordina questo enorme esercito di robot attraverso l’intera rete di distribuzione, che secondo Amazon migliorerà l’efficienza dei viaggi del 10%.
La BMW sta testando robot umanoidi nella sua fabbrica della Carolina del Sud per compiti che richiedono destrezza che manca ai tradizionali robot industriali: manipolazione di precisione, presa complessa e coordinazione a due mani.
La casa automobilistica sta inoltre utilizzando la tecnologia dei veicoli autonomi per consentire alle auto di nuova costruzione di spostarsi autonomamente dalla catena di montaggio attraverso i test fino all’area di finitura, il tutto senza assistenza umana.
Ma le applicazioni si stanno espandendo oltre i tradizionali contesti industriali. Nel settore sanitario, le aziende stanno sviluppando sistemi di chirurgia robotica basati sull’intelligenza artificiale e assistenti intelligenti per la cura dei pazienti.
Città come Cincinnati stanno utilizzando droni dotati di intelligenza artificiale per ispezionare autonomamente le strutture dei ponti e le superfici stradali. Detroit ha lanciato un servizio navetta autonomo gratuito per anziani e persone con disabilità.
La dinamica competitiva regionale si è intensificata questa settimana quando la Corea del Sud ha annunciato un’iniziativa nazionale da 692 milioni di dollari per produrre semiconduttori per l’intelligenza artificiale, sottolineando come l’implementazione fisica dell’intelligenza artificiale richieda non solo capacità software ma capacità di produzione di chip nazionali.
NVIDIA ha rilasciato diversi modelli con il marchio “Cosmos” per la formazione e l’esecuzione dell’intelligenza artificiale nella robotica. Google DeepMind offre Gemini Robotics-ER 1.5. Tesla sta sviluppando la propria intelligenza artificiale per alimentare il robot umanoide Optimus. Ciascuna azienda scommette che la convergenza delle capacità dell’intelligenza artificiale con la manipolazione fisica sbloccherà nuove categorie di automazione.
Man mano che gli ambienti di simulazione migliorano e l’apprendimento basato sull’ecosistema accorcia i cicli di implementazione, la domanda strategica si sta spostando da “Possiamo adottare l’intelligenza artificiale fisica?” a “Possiamo governarlo su larga scala?”
Per la Cina, la risposta potrebbe determinare se il suo vantaggio di pioniere nell’implementazione della robotica si tradurrà in una leadership industriale sostenuta o se diventerà un avvertimento sulla scalabilità dei sistemi più velocemente dell’infrastruttura di governance necessaria per sostenerli.
(Foto di Alibaba)
Vedi anche: EY e NVIDIA per aiutare le aziende a testare e implementare l’intelligenza artificiale fisica
Vuoi saperne di più sull’intelligenza artificiale e sui big data dai leader del settore? GuardareFiera dell’intelligenza artificiale e dei big data che si svolge ad Amsterdam, in California, e a Londra. L’evento completo è parte di TechEx ed è situato in concomitanza con altri importanti eventi tecnologici, cliccaQui per ulteriori informazioni
AI News è alimentato da Media TechForge. Esplora altri prossimi eventi e webinar sulla tecnologia aziendale Qui.
Fonte: www.artificialintelligence-news.com
