Orizzonti futuri

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

I gemelli digitali industriali ripagano l’investimento, mentre i visori per i consumatori no: la fabbrica virtuale di BMW, Siemens e PepsiCo, e i 45.000 Vision Pro conteggiati da IDC nel 2025 prima che Apple cancellasse i modelli successivi

Gabriele Masetti · 2026-09-03

Due storie sotto un solo nome

Nei comunicati stampa e negli interventi alle conferenze, il «calcolo spaziale» e i «gemelli digitali» vengono spesso presentati insieme, come se fossero un’unica ondata dell’IA che finalmente entra nel mondo fisico. Non sono la stessa storia, e confonderli impedisce di vedere che cosa stia accadendo davvero. La prima storia — quella dei gemelli digitali industriali costruiti su piattaforme come NVIDIA Omniverse e Siemens Xcelerator — riguarda una vera trasformazione infrastrutturale, giustificata dai ricavi, che sta cambiando senza clamore il modo in cui si costruiscono e si gestiscono fabbriche, reti elettriche e catene di approvvigionamento.

La seconda — quella del calcolo spaziale per i consumatori, di cui Apple Vision Pro è l’emblema — riguarda una categoria di dispositivi che, finora, non ha trovato il proprio mercato. Entrambe usano l’IA per sfumare il confine tra fisico e digitale. Ma solo una, oggi, ripaga l’investimento su larga scala. La tesi di questo articolo è che la vera trasformazione avvenga nel livello poco appariscente e invisibile delle infrastrutture aziendali, non nel visore che si indossa, e che per capirne il motivo occorra guardare con franchezza tanto ai successi quanto ai fallimenti.

La fabbrica che esiste due volte

La prova più chiara che i gemelli digitali sono passati da concetto di marketing a infrastruttura operativa arriva 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 di pianificazione della 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 innalzata una sola parete. L’azienda ha dichiarato pubblicamente di aspettarsi una riduzione dei costi di pianificazione della produzione fino al 30 per cento. Per una specifica attività — individuare le possibili collisioni tra robot e attrezzature — i tempi sarebbero scesi 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, più di due anni prima dell’avvio della produzione effettiva. Da allora l’azienda ha dichiarato che sta estendendo a livello globale l’approccio della fabbrica virtuale.

BMW non è sola. NVIDIA ha indicato Caterpillar, Foxconn, Lucid Motors, Toyota, TSMC, Wistron e Belden tra i produttori che stanno realizzando gemelli digitali delle fabbriche basati su Omniverse. La divisione Fii di Foxconn riferisce che, grazie all’integrazione con il software ingegneristico di Cadence, le simulazioni termiche vengono eseguite circa 150 volte più velocemente di prima. NVIDIA ha riunito questo approccio in «schemi di riferimento» riutilizzabili — procedure di riferimento già predisposte 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 entrino in quelli reali.

L’azienda colloca tutto questo sotto l’etichetta di «IA fisica»: usare la simulazione non solo per visualizzare un impianto, ma anche per generare i dati sintetici per l’addestramento e l’ambiente di prova di cui robot e sistemi industriali di IA hanno bisogno prima di essere impiegati.

Siemens porta avanti un’iniziativa parallela attraverso Siemens Xcelerator, il suo portafoglio di 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 di NVIDIA Omniverse, riunendo in un unico ambiente visualizzazione 3D, simulazione e dati in tempo reale dalla fabbrica. Siemens lo descrive come «attualmente disponibile in accesso anticipato per clienti selezionati», non come un prodotto generalmente disponibile: un utile promemoria del fatto che presentare uno strumento e metterlo effettivamente a disposizione sono due cose diverse.

Siemens ha inoltre affiancato ai suoi gemelli digitali assistenti basati sull’IA generativa destinati agli impianti produttivi: un Industrial Copilot for Operations progettato per funzionare vicino alle macchine stesse e offrire ai tecnici della manutenzione un supporto decisionale in tempo reale, anziché una dashboard da interpretare a posteriori. PepsiCo ha usato gli strumenti di Siemens per trasformare alcuni stabilimenti produttivi e magazzini statunitensi in gemelli digitali 3D ad alta fedeltà, pensati per modellare le operazioni degli impianti e i flussi della catena di approvvigionamento con un dettaglio sufficiente a stabilire un riferimento misurabile delle prestazioni prima di avviare l’ottimizzazione. Il comunicato diffuso da Siemens al CES quantifica i risultati di questa collaborazione: un aumento del 20 per cento della produttività nell’implementazione iniziale, una riduzione delle spese in conto capitale dal 10 al 15 per cento e l’individuazione fino al 90 per cento dei potenziali problemi prima di 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 fa dei gestori dei servizi elettrici uno dei banchi di prova più importanti, anche se meno appariscenti, per la tecnologia dei gemelli digitali: l’alternativa alla simulazione, spesso, è semplicemente aspettare che si verifichi un guasto e reagire. Xcel Energy, in collaborazione con EY, ha realizzato un gemello digitale integrato con i suoi sistemi operativi principali. Consente agli ingegneri di individuare i trasformatori sovraccarichi, monitorare le anomalie di tensione e migliorare la rendicontazione alle autorità di regolamentazione usando dati quasi in tempo reale anziché affidarsi a ispezioni manuali periodiche.

Southern California Edison ha usato modelli di gemelli digitali basati sull’IA per valutare la vegetazione e il rischio di incendi boschivi. Le analisi confluiscono direttamente nelle decisioni operative su dove potare gli alberi o togliere tensione alle linee, invece di restare un esercizio di analisi 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 disagi ai clienti.

La piattaforma Gridscale X di Siemens viene proposta per deviare automaticamente l’energia elettrica aggirando i punti di congestione, mentre Siemens Energy ha 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.

Il filo conduttore degli esempi relativi alle reti elettriche è più circoscritto, e più difendibile, della retorica sul metaverso industriale che li circonda: non si tratta di costruire un mondo parallelo fotorealistico, ma di combinare i dati dei sensori con un modello basato sulla fisica e sull’IA abbastanza accurato da individuare un guasto qualche giorno o qualche settimana prima che si verifichi.

È un miglioramento reale e misurabile rispetto alla prassi delle ispezioni programmate e della manutenzione reattiva. Ma è anche un’affermazione molto più modesta di «gemello digitale dell’intera rete elettrica». Vale la pena notare che gli esempi più convincenti riguardano una specifica classe di impianti — una flotta di trasformatori, un insieme di generatori di vapore — anziché un’intera azienda 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, innanzitutto, un oggetto o uno spazio reale in un modello 3D utilizzabile? Per anni la risposta sincera è stata «lentamente, e con hardware di scansione specializzato». Due tecniche di IA hanno cambiato la situazione. Neural Radiance Fields (NeRF), introdotta nel 2020, ha mostrato che una rete neurale poteva apprendere una rappresentazione 3D continua di una scena a partire da una serie di normali fotografie 2D e poi generare nuove inquadrature di quella scena con un fotorealismo sorprendente. Il problema era la velocità: addestrare i primi NeRF e generare le immagini poteva richiedere ore.

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

Questo permette di passare dal video di una visita a una stanza o a una linea di produzione a una scena 3D manipolabile in una frazione del tempo richiesto da NeRF, e di renderla in tempo reale anziché dopo una lunga elaborazione offline. Nel 2025, Gaussian Splatting era diventata la tecnica dominante per fornire alle applicazioni di AR, VR e robotica scene ricostruite dal mondo reale, e i ricercatori l’hanno estesa per gestire anche oggetti in movimento e scene dinamiche, non soltanto statiche.

Quella 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 il flusso video di una telecamera in un modello 3D, ogni gemello richiederebbe ancora il lavoro manuale di modellazione CAD che aveva reso questa tecnologia un’iniziativa alla portata solo delle aziende più grandi.

Il visore che avrebbe dovuto dimostrare la tesi

Se i gemelli digitali industriali sono l’argomento a favore del computing spaziale come infrastruttura, Vision Pro di Apple avrebbe dovuto esserlo per il computing spaziale come prodotto di consumo: il dispositivo che avrebbe portato su ogni scrivania e in ogni salotto un’interfaccia tridimensionale mediata dall’IA. Non è andata così. Nel 2024, anno del lancio, le vendite di Vision Pro si sono attestate intorno alle 390.000 unità, più o meno 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. Secondo IDC, nell’intero 2025 sono state spedite 45.000 unità, circa l’88 per cento in meno rispetto al 2024, tutte nel quarto trimestre: Luxshare, partner produttivo di Apple, aveva interrotto la produzione all’inizio del 2025 e il visore è tornato soltanto in ottobre, con un aggiornamento al chip M5. Apple ha ridotto la spesa pubblicitaria per Vision Pro di oltre il 95 per cento su base annua nei principali mercati, e il dispositivo continuava a essere venduto direttamente in soli 13 paesi.

Poi Apple si è fermata. Il 3 giugno 2026 Ming-Chi Kuo ha riferito che il futuro amministratore delegato John Ternus aveva cancellato sia il successore di Vision Pro sia il più leggero Vision Air, spostando le risorse verso occhiali con IA privi di display per il 2027 e occhiali AR con guide d’onda per il 2029 o più tardi. Mark Gurman di Bloomberg offre una versione meno netta: un Vision Pro 2 in fase di test e la categoria «congelata», non abbandonata. Le due ricostruzioni vanno quindi lette insieme. In ogni caso, il prodotto che avrebbe dovuto dimostrare le potenzialità del computing spaziale per i consumatori non è più al centro dei piani.

La valutazione dell’analista di Morgan Stanley Erik Woodring — secondo cui il costo, il fattore di forma e la scarsa disponibilità di app native per visionOS spiegano perché il dispositivo non abbia mai conquistato il grande pubblico — riassume l’opinione prevalente tra gli analisti: Vision Pro ha colpito i primi utilizzatori e i recensori, ma non è seguita una seconda ondata di domanda.

La linea Quest di Meta, l’altra grande scommessa sul computing spaziale per i consumatori, racconta una storia simile ma distinta. Meta continua a dominare la categoria dei visori VR dedicati, con una quota che si aggira tra i tre quarti e i quattro quinti delle unità vendute in questo ristretto segmento, anche dopo il lancio nel 2024 del più economico Quest 3S.

Le spedizioni di Quest, però, hanno continuato a calare: secondo IDC, nei primi tre trimestri del 2025 Meta ha spedito 1,7 milioni di visori, il 16 per cento in meno rispetto allo stesso periodo dell’anno precedente. A crescere sono stati invece gli occhiali. Nei risultati dell’intero anno pubblicati l’11 febbraio 2026, EssilorLuxottica ha riferito di aver venduto con Meta più di 7 milioni di occhiali smart nel 2025, oltre il triplo rispetto all’anno precedente. Anche la destinazione degli investimenti di Meta è cambiata di conseguenza: mentre Reality Labs perdeva 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 significativamente, mentre la spesa si sarebbe spostata verso i dispositivi indossabili.

È un segnale chiaro di dove si collochi davvero l’interesse dei consumatori per «l’IA più il proprio campo visivo»: non in un visore chiuso che sostituisce ciò che si vede, ma in un formato più leggero, più economico e socialmente più normale, che aggiunge una videocamera, 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 protraevano ben dentro l’anno. Poche settimane prima aveva ridotto la spesa di Reality Labs di circa il 30 per cento. Volere un prodotto e poterlo comprare non sono la stessa cosa, e la categoria che funziona è al momento soggetta a una disponibilità contingentata.

Percepire il mondo fisico in tempo reale

Il terzo elemento di questo cambiamento, accanto ai gemelli digitali e ai visori, è lo strato di 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 riflette la realtà attuale, non quella passata. Rolls-Royce ha realizzato uno degli esempi più documentati: attraverso il programma «IntelligentEngine» su Microsoft Azure monitora continuamente più di 13.000 motori aeronautici, usando modelli individuali 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 l’industria manifatturiera come ThingWorx di PTC e Insights Hub di Siemens seguono uno schema simile: raccolgono in streaming i dati dei sensori installati sulle apparecchiature fisiche, vi applicano il rilevamento delle anomalie tramite machine learning e fanno confluire il risultato in una decisione di manutenzione o operativa, anziché in un rapporto statico. Lo schema che emerge da queste applicazioni è costante: il valore del gemello digitale non sta nella sua capacità di visualizzare, ma nel suo ruolo di fonte aggiornata in tempo reale e continuamente per una decisione che prima veniva presa a scadenze fisse o dopo che qualcosa si era già guastato.

Cosa coglie ancora nel segno l’Hype Cycle

Tutto questo non significa che i gemelli digitali siano una tecnologia ormai matura e diffusa ovunque. La stessa analisi di Gartner è esplicita sui costi: realizzare 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 configurazione iniziale dell’ambiente dal costo di milioni di dollari. Gartner ha affermato chiaramente che, per molte organizzazioni, la spesa è proibitiva rispetto ai benefici che offre oggi.

I gemelli digitali dei clienti, a differenza di quelli dei beni fisici, restano saldamente nella fase che Gartner chiama «Innesco dell’innovazione»: un’ammissione del fatto che molto del marketing sui gemelli digitali precede di parecchio le applicazioni effettivamente funzionanti. Le stime sulle dimensioni del mercato del settore variano di decine di miliardi di dollari a seconda della società di ricerca e di cosa venga considerato un «gemello digitale». È anche questo il segno di una categoria ancora in via di definizione, anziché matura.

E 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 di 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

L’insieme di queste ricerche porta a una conclusione precisa e in qualche modo controcorrente. La fusione tra mondo fisico e digitale guidata dall’IA è reale, ma procede in modo asimmetrico. Quando il ritorno di un gemello si misura in tempi di fermo evitati, minori costi di pianificazione o una specifica attività ingegneristica che diventa sensibilmente meno costosa — una verifica delle collisioni, l’ispezione di un trasformatore, un intervallo di manutenzione di un motore — le imprese adottano la tecnologia e riportano risultati coerenti con le informazioni rese pubbliche.

Quando invece il ritorno dipende dal fatto che un consumatore si metta un visore sul viso e vi trovi abbastanza utilità quotidiana da giustificarne il prezzo e la scomodità, la tecnologia ha deluso le aspettative fissate al lancio già due volte. E una delle due scommesse è stata ora ritirata dall’azienda che l’aveva fatta. L’infrastruttura che BMW, Xcel Energy e Rolls-Royce stanno costruendo è invisibile per scelta progettuale — nessuno compra un biglietto per vedere il modello OpenUSD di una fabbrica — ed è proprio questa invisibilità a spiegare perché riesca dove l’hardware per i consumatori, più visibile e più pubblicizzato, non è riuscito.

È meno probabile che la prossima fase di questa storia sia un visore migliore, e più probabile che sia fatta di ricostruzioni meno costose (Gaussian Splatting e i suoi successori), di impieghi dei gemelli digitali più circoscritti e disciplinati, modellati sugli esempi delle aziende di servizi pubblici anziché sulla cornice del «metaverso industriale», e di una crescente consapevolezza: gli occhiali che le persone indosseranno davvero assomigliano meno a maschere da sci e più a quelli che hanno già sul viso — sempre che i produttori riescano a tenerli disponibili.