Orizzonti futuri

L’infrastruttura invisibile: come l’IA sta riscrivendo il mondo fisico attraverso il computing spaziale e i gemelli digitali

I gemelli digitali industriali ripagano l’investimento, a differenza dei visori per i consumatori: la fabbrica virtuale di BMW, nonché Siemens e PepsiCo, e i 45.000 Vision Pro che IDC prevedeva Apple avrebbe spedito nel quarto trimestre del

AI.info Team · 2026-09-03

Due storie sotto lo stesso nome

Nei comunicati stampa e negli interventi ai convegni, «computing spaziale» e «gemelli digitali» vengono presentati insieme come se fossero un’unica ondata con cui l’IA entra finalmente nel mondo fisico. Non sono la stessa storia, e confonderli nasconde ciò che sta realmente accadendo. La prima storia, quella dei gemelli digitali industriali costruiti su piattaforme come NVIDIA Omniverse e Siemens Xcelerator, è un’autentica trasformazione delle infrastrutture, giustificata dai ricavi, che sta cambiando senza clamore il modo in cui si costruiscono e si gestiscono fabbriche, reti elettriche e catene di approvvigionamento.

L’altra storia, quella del computing spaziale per i consumatori, di cui l’Apple Vision Pro è l’emblema, riguarda una categoria di hardware che finora non ha trovato il suo mercato. Entrambi usano l’IA per sfumare il confine tra fisico e digitale. Solo uno dei due, al momento, ripaga l’investimento su larga scala. La tesi di questo articolo è che la vera trasformazione stia avvenendo nel livello poco appariscente e invisibile delle infrastrutture aziendali, non nel visore che si indossa sul volto, e che per capire perché occorra guardare con onestà tanto ai successi quanto ai fallimenti.

La fabbrica che esiste due volte

La prova più chiara che i gemelli digitali siano passati da concetto di marketing a infrastruttura operativa viene da BMW. La casa automobilistica ha costruito quella che chiama Virtual Factory usando NVIDIA Omniverse e il framework OpenUSD (Universal Scene Description). Non è una dimostrazione: è uno strumento per pianificare la produzione che comprende oltre un milione di metri quadrati di stabilimento simulato, una superficie pari all’incirca a 140 campi da calcio.

FactoryExplorer, la piattaforma sviluppata da BMW, permette ai team di pianificazione di collaborare alla disposizione degli spazi, alla robotica e alla logistica all’interno dello stabilimento simulato anni prima che venga costruito un solo muro. L’azienda ha dichiarato pubblicamente di aspettarsi che questo approccio riduca i costi di pianificazione della produzione fino al 30 per cento. Secondo quanto riferito, una specifica attività — verificare le possibili collisioni tra i nuovi modelli di veicoli e l’ambiente circostante della linea di produzione — è passata da quasi quattro settimane di test fisici a circa tre giorni di simulazione.

BMW ha presentato per la prima volta questo approccio alla conferenza GTC di NVIDIA, mostrando una simulazione del suo futuro stabilimento di Debrecen, in Ungheria, oltre due anni prima che vi iniziasse la produzione fisica. Da allora, l’azienda ha dichiarato che sta estendendo l’approccio della fabbrica virtuale a livello mondiale.

BMW non è sola. NVIDIA ha indicato Caterpillar, Foxconn, Lucid Motors, Toyota, TSMC, Wistron e Belden tra i produttori che stanno costruendo gemelli digitali delle fabbriche basati su Omniverse. La divisione Fii di Foxconn afferma di aver eseguito simulazioni termiche fino a 150 volte più velocemente rispetto ai metodi tradizionali, usando modelli NVIDIA PhysicsNeMo AI integrati con Omniverse. NVIDIA ha raccolto questo approccio in «modelli di riferimento» riutilizzabili — procedure predefinite per costruire gemelli digitali basati su OpenUSD — tra cui uno chiamato Mega, pensato specificamente per testare flotte di robot in un magazzino o in una fabbrica simulati prima che operino in quelli reali.

L’azienda riunisce tutto questo sotto l’etichetta «IA fisica»: usare la simulazione non solo per visualizzare una struttura, ma anche per generare i dati sintetici di addestramento e l’ambiente di test di cui i robot e i sistemi industriali di IA hanno bisogno prima dell’impiego.

Siemens porta avanti un’iniziativa parallela attraverso Siemens Xcelerator, il suo portafoglio software per la trasformazione digitale. Al CES 2026, il 6 gennaio, Siemens ha presentato Digital Twin Composer, uno strumento per costruire ambienti di «metaverso industriale» su larga scala basati sulle librerie NVIDIA Omniverse, che riunisce visualizzazione 3D, simulazione e dati in tempo reale della fabbrica in un unico ambiente. Siemens lo descrive come «attualmente disponibile in accesso anticipato per clienti selezionati», non come un prodotto disponibile al pubblico: un utile promemoria del fatto che presentare un prodotto e renderlo disponibile sono due cose diverse.

Siemens ha anche affiancato ai suoi gemelli digitali copilot di IA generativa destinati ai reparti produttivi: un Industrial Copilot for Operations progettato per operare vicino alle macchine stesse e fornire agli ingegneri della manutenzione supporto decisionale in tempo reale, anziché una dashboard da interpretare a posteriori. PepsiCo ha usato gli strumenti di Siemens per convertire alcuni impianti produttivi e magazzini selezionati negli Stati Uniti in gemelli digitali 3D ad alta fedeltà, pensati per modellare il funzionamento degli stabilimenti e i flussi della catena di approvvigionamento con sufficiente precisione da stabilire un livello di riferimento misurabile delle prestazioni prima di iniziare l’ottimizzazione. Il comunicato di Siemens per il CES quantifica i risultati della partnership: un aumento del 20 per cento della produttività nella prima implementazione, spese in conto capitale inferiori del 10-15 per cento e fino al 90 per cento dei potenziali problemi individuati prima di apportare qualsiasi modifica fisica. Sono dati del fornitore, non risultati sottoposti a verifica indipendente.

Gemelli digitali per ciò che non si può prototipare

Le fabbriche, almeno in linea di principio, si possono ricostruire. Le reti elettriche no. Questo rende le aziende di servizi pubblici uno dei banchi di prova più importanti, anche se meno appariscenti, per la tecnologia dei gemelli digitali: l’alternativa alla simulazione, spesso, è aspettare che si verifichi un guasto e reagire. Xcel Energy, in collaborazione con EY, ha realizzato un gemello digitale integrato con i suoi principali sistemi operativi, che consente agli ingegneri di individuare i trasformatori sovraccarichi, monitorare le anomalie di tensione e migliorare la reportistica normativa usando dati quasi in tempo reale.

Southern California Edison ha usato la modellazione con gemelli digitali basata sull’IA per valutare i rischi legati alla vegetazione e agli incendi boschivi, aiutando gli ispettori a indicare alle squadre di rilevamento dove recarsi, anziché lasciare che l’analisi restasse un esercizio a sé stante. Eversource ha condotto un progetto pilota di prevenzione delle interruzioni del servizio basato sull’IA che, secondo l’azienda, ha evitato all’incirca 40.000 disservizi per i clienti.

Gridscale X Flexibility Manager di Siemens viene presentato come uno strumento per prevedere le congestioni e aiutare gli operatori a gestire le risorse flessibili nell’intera rete. Siemens Energy ha inoltre realizzato gemelli digitali specifici per i generatori di vapore a recupero di calore, con l’obiettivo di prevedere la corrosione prima che imponga un arresto dell’impianto.

Gli esempi relativi alle reti elettriche hanno un elemento in comune, più circoscritto e più difendibile della retorica del metaverso industriale che li circonda: non sono tentativi di costruire un mondo parallelo fotorealistico, ma di combinare i dati dei sensori con un modello basato sulla fisica e sull’IA in modo abbastanza efficace da individuare un guasto qualche giorno o settimana prima che si verifichi.

È un miglioramento reale e misurabile rispetto alle ispezioni programmate e alla manutenzione reattiva oggi in uso. Ma è anche un’affermazione molto più modesta di «un gemello digitale dell’intera rete elettrica». Vale la pena notare che gli esempi più convincenti riguardano una specifica categoria di impianti — un parco di trasformatori, un insieme di generatori di vapore — anziché un’intera società operativa.

Il problema della ricostruzione che nessuno aveva risolto fino a poco tempo fa

Alla base sia dei gemelli digitali delle fabbriche sia di quelli delle reti elettriche c’è una questione tecnica più difficile: come si trasforma, in primo luogo, un oggetto o uno spazio reale in un modello 3D utilizzabile? Per anni, la risposta sincera è stata «lentamente, e con apparecchiature di scansione specializzate». Due tecniche di IA hanno cambiato le cose. Neural Radiance Fields (NeRF), introdotta nel 2020, ha mostrato che una rete neurale può apprendere una rappresentazione 3D continua di una scena a partire da una serie di normali fotografie 2D e poi generare nuove inquadrature della stessa scena con un fotorealismo sorprendente. Il limite era la velocità: i primi NeRF potevano richiedere ore per l’addestramento e il rendering.

3D Gaussian Splatting, emersa nel 2023, ha affrontato proprio questo collo di bottiglia. Invece di interrogare una rete neurale in ogni punto dello spazio, rappresenta una scena come un’ampia raccolta di «ammassi» gaussiani 3D, ciascuno con posizione, forma, colore e trasparenza, che possono essere rasterizzati direttamente sullo schermo. In sostanza, tratta la ricostruzione 3D come un problema di rendering molto meno costoso, anziché come un oneroso processo di inferenza neurale.

Questo permette di passare da un video che ripercorre una stanza o una linea di produzione a una scena 3D manipolabile in una frazione del tempo richiesto da NeRF, e di visualizzarla in tempo reale anziché dopo un lungo rendering offline. Entro il 2025, Gaussian Splatting era diventata la tecnica dominante per fornire alle applicazioni di AR, VR e robotica scene ricostruite dal mondo reale. I ricercatori l’hanno inoltre estesa agli oggetti in movimento e alle scene dinamiche, non soltanto a quelle statiche.

Questa fase di ricostruzione a basso costo è il poco appariscente elemento di raccordo che rende i gemelli digitali economicamente sostenibili su larga scala: senza un modo economico per trasformare le riprese di una videocamera in un modello 3D, ogni gemello digitale richiederebbe ancora il lavoro manuale di modellazione CAD che aveva reso questa tecnologia un esercizio di nicchia riservato alle aziende più grandi.

Il visore che doveva dimostrare la tesi

Se i gemelli digitali industriali sono l’argomento a favore del calcolo spaziale come infrastruttura, Vision Pro di Apple doveva essere la dimostrazione del calcolo spaziale come prodotto di consumo: il dispositivo che avrebbe portato un’interfaccia tridimensionale mediata dall’IA su ogni scrivania e in ogni salotto. Non è andata così. Nel 2024, anno del lancio, le spedizioni di Vision Pro si sono attestate intorno alle 390.000 unità, grosso modo in linea con le aspettative per un dispositivo di prima generazione da 3.499 dollari.

Le vendite, però, sono crollate anziché crescere a partire da quella base. IDC prevedeva che Apple avrebbe spedito appena 45.000 Vision Pro nel quarto trimestre del 2025: Luxshare, il partner produttivo di Apple, aveva interrotto la produzione all’inizio del 2025 e il visore era tornato soltanto con un aggiornamento al chip M5 in ottobre. Apple ha ridotto la spesa pubblicitaria per Vision Pro di oltre il 95% su base annua nei principali mercati, e il dispositivo era ancora venduto direttamente in soli 13 paesi.

Poi Apple si è fermata. Il 3 giugno 2026 Ming-Chi Kuo ha riferito che John Ternus, prossimo amministratore delegato, aveva cancellato sia il successore di Vision Pro sia il più leggero Vision Air, destinando le risorse a occhiali con IA senza display per il 2027 e a occhiali AR con guide d’onda per il 2029 o più tardi. Mark Gurman di Bloomberg offre una versione meno netta: a fine settembre Apple stava esplorando quattro concept per un Vision Pro rinnovato e la categoria era «in pausa», non abbandonata. Le due ricostruzioni vanno quindi lette insieme. In ogni caso, il prodotto che doveva dimostrare la validità del calcolo spaziale per i consumatori non è più al centro dei piani.

La valutazione di Erik Woodring, analista di Morgan Stanley — secondo cui il costo, la forma del dispositivo e la scarsità di app native per visionOS spiegano perché non abbia mai conquistato il grande pubblico — riassume il consenso generale degli analisti: Vision Pro ha colpito i primi utilizzatori e i recensori, ma dopo di loro non è arrivata una seconda ondata di domanda.

La linea Quest di Meta, l’altra grande scommessa sul calcolo spaziale per i consumatori, racconta una storia collegata ma diversa. Meta domina ancora la categoria dei visori VR dedicati, con una quota compresa all’incirca tra i tre quarti e i quattro quinti delle unità vendute in quel ristretto segmento, anche dopo il lancio nel 2024 del più economico Quest 3S.

Ma le spedizioni di Quest hanno continuato a diminuire: secondo IDC, Meta ha spedito 1,7 milioni di visori nei primi tre trimestri del 2025, il 16% in meno rispetto allo stesso periodo dell’anno precedente. A crescere sono stati invece gli occhiali. Nei risultati dell’intero esercizio, pubblicati l’11 febbraio 2026, EssilorLuxottica ha dichiarato di aver venduto con Meta oltre 7 milioni di occhiali smart nel 2025, più del triplo rispetto all’anno precedente. Anche l’allocazione del capitale da parte di Meta ha seguito questa direzione: mentre Reality Labs registrava una perdita di 4,03 miliardi di dollari nel primo trimestre del 2026, la direttrice finanziaria Susan Li ha detto agli investitori che gli investimenti nella VR sarebbero diminuiti sensibilmente, con la spesa spostata verso i dispositivi indossabili.

È un segnale chiaro di dove si trovi davvero l’interesse dei consumatori per «l’IA nel proprio campo visivo»: non in un visore chiuso che sostituisce ciò che si vede, ma in un dispositivo più leggero, meno costoso e socialmente più comune, che aggiunge una fotocamera, un microfono e un assistente IA a occhiali che si indosserebbero comunque.

Anche gli occhiali hanno incontrato un ostacolo, ma riguarda l’offerta, non la domanda. Il 6 gennaio 2026 Meta ha sospeso le spedizioni dei Ray-Ban Display, dotati di display, verso Regno Unito, Francia, Italia e Canada, citando scorte estremamente limitate e liste d’attesa che si prolungavano fino a una fase avanzata dell’anno. La sospensione è arrivata poche settimane dopo che Meta aveva ridotto la spesa di Reality Labs di circa il 30%. Volere il prodotto e poterlo comprare non sono la stessa cosa, e la disponibilità della categoria che funziona è, per ora, contingentata.

Rilevare il mondo fisico in tempo reale

Il terzo elemento di questo cambiamento, accanto ai gemelli digitali e ai visori, è il livello dei sensori che mantiene un gemello digitale sincronizzato con l’oggetto che rappresenta: la combinazione di IoT e IA che trasforma un modello 3D statico in qualcosa che rispecchia la realtà attuale, non quella passata. Rolls-Royce ne ha realizzato uno degli esempi meglio documentati: attraverso il programma «IntelligentEngine» su Microsoft Azure, monitora continuamente oltre 13.000 motori aeronautici usando un modello personalizzato per ciascun motore, anziché un unico modello per l’intera flotta. Secondo l’azienda, questo ha permesso di allungare gli intervalli tra gli interventi di manutenzione.

Piattaforme per il settore manifatturiero come ThingWorx di PTC e Insights Hub di Siemens seguono uno schema simile: acquisiscono in streaming i dati dei sensori delle apparecchiature fisiche, li sottopongono a un sistema di rilevamento delle anomalie basato sul machine learning e usano il risultato per orientare una decisione sulla manutenzione o sulle operazioni, anziché produrre un rapporto statico. Il tratto comune a queste applicazioni è costante: il valore del gemello digitale non sta nella visualizzazione, ma nel suo ruolo di fonte di dati in tempo reale, aggiornata continuamente, per una decisione che prima veniva presa secondo un calendario prestabilito o dopo che qualcosa si era già guastato.

Che cosa coglie ancora nel segno l’Hype Cycle

Nulla di tutto questo significa che i gemelli digitali siano una tecnologia ormai perfezionata e adottata ovunque. L’analisi di Gartner è esplicita sui costi: costruire quello che definisce un gemello digitale di «Livello 3» — abbastanza sofisticato da prevedere in modo affidabile gli esiti di un sistema complesso e dinamico — può richiedere una spesa iniziale per la predisposizione dell’ambiente che arriva a milioni di dollari. Gartner ha affermato senza mezzi termini che, per molte organizzazioni, il costo è proibitivo rispetto a ciò che la tecnologia offre oggi.

I gemelli digitali dei clienti, a differenza di quelli dei beni fisici, restano saldamente nella fase «Innovation Trigger» secondo Gartner: un riconoscimento del fatto che buona parte del marketing sui gemelli digitali è molto più avanti delle applicazioni effettivamente operative. Le stime delle dimensioni del mercato del settore variano di decine di miliardi di dollari a seconda della società di ricerca e di ciò che viene considerato un «gemello digitale». È, di per sé, il segno di una categoria ancora in via di definizione, anziché matura.

Inoltre, ogni gemello che acquisisce dati operativi in tempo reale eredita l’esposizione ai rischi di sicurezza di quei dati: più sensori e più punti di integrazione significano una superficie d’attacco più ampia. Le aziende di servizi pubblici, in particolare, devono soppesare il valore di un modello del rischio di incendi boschivi rispetto al rischio che quello stesso modello diventi un bersaglio.

La distinzione che conta

Da tutte queste ricerche emerge una conclusione precisa e piuttosto controcorrente. La convergenza tra fisico e digitale guidata dall’IA è reale, ma procede in modo asimmetrico. Dove il rendimento di un gemello si misura in tempi di inattività evitati, costi di pianificazione ridotti o in una specifica attività ingegneristica che diventa sensibilmente meno costosa — una verifica delle collisioni, l’ispezione di un trasformatore, la determinazione dell’intervallo di manutenzione di un motore — le imprese adottano la tecnologia e comunicano risultati che trovano riscontro nelle informazioni rese pubbliche.

Dove invece il rendimento dipende dal fatto che un consumatore si metta un visore davanti agli occhi e vi trovi abbastanza utilità quotidiana da giustificarne il prezzo e il disagio, la tecnologia ha deluso, già due volte, le aspettative suscitate al lancio. E uno dei due progetti è stato ora, secondo quanto riportato, ridimensionato dall’azienda che lo aveva avviato. L’infrastruttura che BMW, Xcel Energy e Rolls-Royce stanno costruendo è invisibile per sua natura — nessuno compra un biglietto per vedere il modello OpenUSD di una fabbrica — ed è proprio questa invisibilità a spiegare perché abbia successo dove l’hardware di consumo più visibile e più pubblicizzato non ci è riuscito.

La prossima fase di questa storia sarà probabilmente meno legata a un visore migliore che a metodi di ricostruzione meno costosi (Gaussian Splatting e i suoi successori), ad applicazioni dei gemelli digitali più circoscritte e rigorose, sul modello degli esempi nel settore dei servizi pubblici anziché della visione del «metaverso industriale», e alla crescente consapevolezza che gli occhiali che le persone indosseranno davvero somigliano meno a maschere da sci e più a quelli che portano già sul viso — ammesso che i produttori riescano a mantenerli disponibili.