L’Industrial Edge AI sta entrando in una nuova fase. Secondo l’International Federation of Robotics, nel 2025 il numero di robot industriali operativi a livello mondiale ha raggiunto il record di cinque milioni, mentre le installazioni annuali hanno superato le 600.000 unità. L’organizzazione ha inoltre riferito che, nello stesso anno, le spedizioni di robot di servizio professionali sono aumentate del 24%. Questi dati non significano che ogni applicazione AI abbia superato la fase pilota, ma dimostrano che la Physical AI, ovvero l’AI integrata in macchine capaci di percepire il mondo fisico e agire al suo interno, viene già impiegata in ambienti operativi.
Per gli OEM quindi, non si tratta più soltanto di stabilire se un modello AI possa essere eseguito su un dispositivo Edge, occorre capire se il sistema completo sia in grado di coordinare diversi workload, connettersi all’infrastruttura industriale, soddisfare i requisiti di sicurezza applicabili ed evolversi nel corso di più generazioni di prodotto. Quattro evoluzioni potrebbero rendere queste domande sempre più rilevanti nel 2027.
I workload AI stanno convergendo in sistemi coordinati
I primi progetti di Edge AI possono concentrarsi su una singola funzionalità chiaramente identificabile: un modello di rilevamento degli oggetti, un algoritmo di navigazione o un’attività di ispezione. Un sistema commerciale potrebbe dover supportare funzioni aggiuntive, un robot mobile autonomo può combinare percezione, sensor fusion, pianificazione del percorso, logica applicativa e controllo con vincoli temporali stringenti, mentre una piattaforma di ispezione può elaborare diversi flussi di immagini scambiando nel frattempo dati con le apparecchiature di produzione e con un sistema di livello superiore.
Questi workload presentano esigenze differenti in termini di capacità di calcolo, memoria, larghezza di banda, latenza e consumo energetico. Scegliere una piattaforma in base alle prestazioni di picco di un singolo modello può quindi generare difficoltà di integrazione quando si integra l’applicazione completa.
Gli OEM dovrebbero considerare il partizionamento dei workload fin dalle prime fasi del processo di progettazione. CPU, GPU, NPU e risorse di controllo dedicate possono svolgere ruoli differenti. Considerarle come componenti di un’unica architettura può aiutare i team di engineering ad assegnare i workload e a limitare la necessità di creare sottosistemi di elaborazione separati per le nuove funzioni. Questo approccio può facilitare l'incremento di nuove capacità senza richiedere una riprogettazione anticipata del sistema.
La convergenza IT/OT sta ridefinendo l’Edge industriale
L’International Federation of Robotics identifica la convergenza tra information technology e operational technology come una delle tendenze che stanno plasmando la robotica. Lo stesso cambiamento sta trasformando anche l’automazione industriale, poiché le macchine intelligenti diventano nodi connessi all’interno dell’architettura di dati e controllo della fabbrica.
Questo non significa trasferire ogni workload nel cloud. L’inferenza in tempo reale, il processo decisionale e il controllo potrebbero dover rimanere locali, mentre dati e servizi selezionati si connettono a sistemi più ampi.
I team devono definire con precisione questi confini: quali funzioni richiedono autonomia locale, quali dati devono lasciare la macchina e come può proseguire il funzionamento quando cambia la connettività. La piattaforma di elaborazione AI deve inoltre interfacciarsi con telecamere, sensori, reti industriali e apparecchiature di controllo attraverso le interfacce richieste dall’applicazione.
L’obiettivo è una topologia resiliente, capace di preservare la reattività locale e, allo stesso tempo, consentire a dati e servizi di spostarsi dove possono generare il massimo valore.
La sicurezza lungo il ciclo di vita come requisito di progettazione
La sicurezza non può più essere considerata un elemento da aggiungere poco prima del lancio. Un prodotto industriale connesso può rimanere operativo per anni, durante i quali le vulnerabilità, le dipendenze software e le aspettative normative continueranno a cambiare.
L’EU Cyber Resilience Act rende più esplicita questa responsabilità lungo il ciclo di vita. Introduce requisiti di cybersecurity che riguardano la pianificazione, la progettazione, lo sviluppo e la manutenzione dei prodotti con elementi digitali. Gli obblighi di segnalazione si applicano dall’11 settembre 2026, mentre gli obblighi principali a partire dall’11 dicembre 2027.
Per gli OEM, le implicazioni vanno oltre la documentazione di conformità. La piattaforma sottostante deve supportare una base software che possa essere mantenuta per tutta la vita prevista del prodotto. I processi di sicurezza, la gestione delle vulnerabilità e la capacità di aggiornamento diventano quindi elementi da considerare nell’architettura.
Affrontare questi aspetti fin dalle prime fasi può contribuire a ridurre il rischio di scoprire, quando lo sviluppo è già avanzato, che lo stack software del prototipo non è in grado di supportare i requisiti di sicurezza e manutenzione del prodotto commerciale. L’idoneità alla gestione dell’intero ciclo di vita sta quindi diventando un criterio di selezione e approvvigionamento della piattaforma, non soltanto una questione operativa successiva al deployment.
Gli OEM stanno progettando piattaforme di prodotto, non singoli dispositivi
Molti prodotti industriali si evolvono in famiglie. Un produttore di sistemi robotici può aver bisogno di diverse configurazioni di carico utile o di sensori. Un fornitore di sistemi di machine vision può dover gestire numeri differenti di telecamere, livelli di prestazioni o attività di ispezione. Una piattaforma HMI può essere adattata a più macchine.
Ricostruire l’architettura hardware e software per ogni variante aumenta l’impegno di engineering, le attività di validazione e i costi del ciclo di vita. Rende inoltre più difficile pianificare le future generazioni di prodotto.
Un approccio modulare può cambiare questo equilibrio economico. Un concetto di carrier riutilizzabile, una base software coerente e opzioni di calcolo scalabili possono aiutare i team a riutilizzare parti del proprio lavoro su prodotti correlati. Non tutti i componenti potranno essere trasferiti senza modifiche e ogni progetto finale richiederà comunque una validazione specifica per l’applicazione. Il potenziale valore consiste nel ridurre le riprogettazioni non necessarie.
La modularità diventa così più di una scelta relativa al form factor. Può contribuire a preservare gli investimenti di engineering, abbreviare lo sviluppo delle varianti di prodotto e creare un percorso più gestibile per gli aggiornamenti futuri.
Dalle tendenze alle decisioni sulla piattaforma
Questi quattro cambiamenti possono offrire ai team di engineering e di prodotto un metodo pratico per valutare una piattaforma Industrial Edge AI.
È in grado di coordinare la combinazione di workload AI, applicativi e time-sensitive richiesta dal sistema completo? Può connettersi ai sensori, alle reti e all’infrastruttura di controllo necessari senza compromettere il funzionamento locale? La sua base software può essere mantenuta e protetta durante l’intero ciclo di vita del prodotto? L’architettura può essere riutilizzata o adattata per le varianti future?
Le prestazioni AI di picco restano importanti, ma rappresentano soltanto uno degli elementi da considerare. Una piattaforma destinata alla produzione deve integrare capacità di calcolo, I/O, manutenibilità del software e modularità. Valutare questi elementi come un unico sistema aiuta a individuare i rischi di integrazione prima che si trasformino in costose riprogettazioni.
Una base orientata alla produzione per l’Industrial Edge AI
Questi criteri di progettazione non riguardano soltanto il futuro. A seguito delle prime valutazioni ingegneristiche, SECO sta rendendo disponibile a OEM e team di sviluppo selezionati un primo lotto limitato di campioni ingegneristici del SOM-SMARC-Dragonwing-IQ8. SECO è la prima azienda a rendere disponibile agli OEM, per attività di valutazione, un sistema su modulo SMARC industriale basato su Qualcomm Dragonwing™ IQ8 Series.
Basato sul processore Qualcomm Dragonwing™ IQ-8275, il modulo è progettato per offrire fino a 40 TOPS di accelerazione AI tramite la NPU Qualcomm® Hexagon™. Gigabit Ethernet, 2.5 Gigabit Ethernet, PCIe Gen4, interfacce per telecamere e supporto CAN sono progettati per fornire la connettività necessaria a valutare architetture di visione, networking e industriali specifiche per l’applicazione, senza trattare la capacità di calcolo AI come un componente isolato.
Nell’ambito dell’ecosistema Works with Arduino™, SOM-SMARC-Dragonwing-IQ8 è strutturato per supportare un percorso più continuo dallo sviluppo applicativo su Arduino® VENTUNO™ Q alla progettazione di un prodotto industriale. Anziché sostituire semplicemente una scheda con un’altra, ciascuna piattaforma valorizza i propri punti di forza: Arduino e Arduino® App Lab mirano ad accelerare la prototipazione e la validazione, mentre SECO offre progettazione di carrier board, integrazione software e supporto per i requisiti di lungo periodo del prodotto finale. Clea OS è progettato per offrire una base per la gestione dei dispositivi orientata alla sicurezza e per la manutenzione del software nel lungo periodo.
Progettare per il ciclo di vita del prodotto, non soltanto per la prima dimostrazione
L’opportunità del 2027 non consiste semplicemente nell’inserire più AI all’interno di una macchina, ma nel creare un’intelligenza progettata per rimanere supportabile con l’evoluzione del prodotto. Valutare tempestivamente l’intera architettura può aiutare gli OEM a ridurre il rischio di riprogettazione e a riutilizzare una parte maggiore del proprio lavoro di engineering nei sistemi futuri.
Con la disponibilità di un primo lotto limitato di campioni ingegneristici di SOM-SMARC-Dragonwing-IQ8, OEM e team di sviluppo selezionati possono valutare se la tecnologia Dragonwing IQ8, la connettività industriale e una base software orientata al ciclo di vita siano adatte al loro prossimo prodotto Industrial Edge AI o Physical AI.
Richiedi un campione