Subscribe

Latest Blog Post

Chi guadagnerà davvero con la Physical AI?

Samuel Bouchard
by Samuel Bouchard. Last updated on nov 19, 2026
Posted on nov 19, 2026 in Physical AI
15 min read time

Miliardi di dollari stanno affluendo verso aziende che cercano di creare un'intelligenza general-purpose per i robot.

Prendiamo solo cinque aziende che nel 2026 hanno annunciato importanti round di finanziamento incentrati sui modelli:

  • Skild AI: 1,4 miliardi di dollari.
  • Rhoda AI: 450 milioni di dollari.
  • Generalist: 400 milioni di dollari.
  • General Intuition: 320 milioni di dollari.
  • Enigma: 71 milioni di dollari.

Si tratta di oltre 2,6 miliardi di dollari investiti quest'anno in appena cinque aziende che sviluppano diverse forme di intelligenza per il mondo fisico.

E non è finita qui.

FieldAI, che descrive la propria tecnologia come un cervello general-purpose in grado di funzionare su robot e in ambienti diversi, avrebbe recentemente firmato un term sheet per un finanziamento di 700 milioni di dollari con una valutazione di 10 miliardi di dollari. Il finanziamento non è stato ancora formalmente chiuso, quindi non lo includo nei 2,6 miliardi.

Chiaramente, gli investitori credono che la Physical AI possa diventare un mercato molto grande.

E penso che potrebbero avere ragione.

Ma dietro queste valutazioni si nasconde un punto importante:

con il mercato dei robot di oggi, i conti ancora non tornano.

Perché questi investimenti generino rendimenti interessanti, la Physical AI non può limitarsi a conquistare quote nell'attuale settore della robotica.

Deve contribuire a far crescere il settore in modo radicale.

Ed è qui che la storia si fa interessante.

Partiamo dai robot che entrano oggi sul mercato

Secondo l'International Federation of Robotics (IFR), nel 2025 negli Stati Uniti sono stati installati quasi 38.500 robot industriali. Per fare un confronto, nello stesso periodo la Cina ne ha installati circa 354.000 e l'Europa circa 85.000. Ogni regione ha il proprio ecosistema robotico, quindi nel resto di questa analisi mi concentrerò sugli Stati Uniti.

La base installata esistente non è il denominatore giusto per questo esercizio. La maggior parte dei robot già presenti negli stabilimenti non è mai stata progettata in funzione degli attuali modelli di fondazione e potrebbe non diventarne mai cliente.

Consideriamo quindi solo le nuove installazioni.

Supponiamo che un'azienda che sviluppa modelli di Physical AI possa far pagare 3.000 dollari per robot all'anno per la propria intelligenza.

Ora facciamo un'ipotesi estremamente favorevole: ogni nuovo robot industriale installato negli Stati Uniti utilizza lo stesso modello.

38.500 × 3.000 dollari = 115,5 milioni di dollari di nuovi ricavi ricorrenti annui (ARR).

È l'intero mercato annuo statunitense dei robot industriali.

Se attribuiamo a questa azienda dieci anni consecutivi dell'intero mercato al ritmo di installazione attuale, con ogni robot che continua a pagare, otteniamo circa 385.000 robot che generano 1,15 miliardi di dollari di ARR.

Per un solo fornitore. Con il 100% della quota di mercato.

Il mercato attuale dei robot industriali non è ancora abbastanza grande da sostenere il valore su cui gli investitori stanno scommettendo.

Questo non significa che gli investimenti siano sbagliati.

Significa che gli investitori stanno implicitamente scommettendo su un mercato futuro molto diverso.

E se la robotica crescesse di 100 volte?

Portiamo le installazioni statunitensi da circa 38.500 robot all'anno a 3,85 milioni.

Con gli stessi 3.000 dollari per robot all'anno, le nuove installazioni di un solo anno genererebbero:

11,55 miliardi di dollari di nuovo ARR per i modelli.

Ora l'economia appare completamente diversa.

C'è spazio per diversi grandi fornitori di intelligenza, piattaforme robotiche, aziende di applicazioni e livelli infrastrutturali.

Dietro i miliardi investiti nella Physical AI c'è quindi un presupposto di cui, secondo me, non si parla abbastanza:

la tecnologia deve espandere radicalmente il mercato della robotica.

Forse di 10 volte.

Forse di 30 volte.

Potenzialmente di 100 volte.

La domanda non è se la tecnologia abbia mai creato un'espansione di mercato di questo tipo.

L'ha fatto.

La domanda più interessante è: che cosa deve cambiare nella robotica perché questa espansione avvenga?

I mercati crescono in modo esponenziale quando la tecnologia elimina un vincolo

Le più grandi espansioni di mercato guidate dalla tecnologia raramente sono avvenute perché qualcuno ha realizzato un prodotto migliore del 20%.

Sono avvenute quando un nuovo paradigma ha eliminato un vincolo fondamentale che frenava la domanda.

Pensiamo al cloud computing.

Prima del cloud, ottenere più capacità di calcolo significava acquistare server, installare infrastrutture e prevedere la capacità futura. Il cloud non ha semplicemente sottratto quote di mercato ai produttori di server. Ha eliminato la necessità di possedere l'infrastruttura prima di poter utilizzare la capacità di calcolo. La domanda è esplosa.

Pensiamo alla fotografia digitale.

La pellicola creava attrito attorno a ogni fotografia: il rullino, lo sviluppo, l'archiviazione e una fotocamera dedicata. Il digitale e poi gli smartphone hanno eliminato la maggior parte di questi vincoli. Il risultato interessante non è stato che i consumatori comprassero più fotocamere tradizionali. L'attività in sé, scattare foto, è diventata onnipresente.

Oppure pensiamo allo smartphone stesso.

La sua importanza non sta semplicemente nell'aver creato un mercato della telefonia mobile migliore. Ha reso informatica, fotocamere, navigazione, pagamenti, intrattenimento e comunicazione sempre disponibili per miliardi di persone. Interi settori sono nati su questo cambiamento.

Lo schema comune è importante:

la tecnologia crea un'enorme espansione del mercato quando cambia ciò che è economicamente possibile e quando elimina gli attriti all'adozione.

Il che ci riporta alla robotica.

Che cosa frena oggi l'adozione dei robot?

Il lavoro fisico di certo non manca.

Basta entrare in quasi qualsiasi stabilimento, magazzino, cantiere, laboratorio, ristorante od ospedale per trovare persone che svolgono compiti fisici.

Eppure, relativamente pochi di questi compiti sono automatizzati.

Perché?

Uno dei motivi principali è che l'automazione tradizionale richiede ingegneria.

Bisogna comprendere l'applicazione.

Bisogna progettare la cella.

Bisogna programmare il robot.

Bisogna limitare la variabilità.

Bisogna gestire i casi limite.

L'integrazione deve garantire un ritorno sull'investimento accettabile.

Questo modello funziona abbastanza bene quando il compito è sufficientemente ripetitivo e i volumi sono sufficientemente elevati.

Ma lascia fuori un'enorme "coda lunga" di lavoro fisico che resta non conveniente da automatizzare e frenata da forti attriti all'adozione.

È uno dei vincoli che la Physical AI sta iniziando ad affrontare.

Un cervello general-purpose elimina un vincolo importante

Immaginiamo che, invece di dover programmare ogni comportamento, un robot possa comprendere un obiettivo, percepire l'ambiente circostante, imparare da una dimostrazione e adattarsi quando le condizioni cambiano.

L'economia dell'automazione cambia radicalmente man mano che l'attrito legato alla programmazione scompare.

Compiti che non avrebbero mai giustificato settimane di ingegneria potrebbero giustificare poche ore di messa in servizio.

Una singola piattaforma robotica potrebbe coprire decine di applicazioni anziché una sola.

Questo può espandere enormemente il mercato.

E spiega perché gli investitori sono disposti a fare scommesse così importanti sui modelli di fondazione per i robot.

Ma c'è una seconda parte importante dell'equazione:

un cervello general-purpose non crea automaticamente un robot general-purpose.

L'intelligenza non può cambiare il carico utile di un braccio.

Non può estenderne lo sbraccio.

Non può rendere affidabile un sistema meccanico che non lo è.

Non può eliminare i requisiti di sicurezza.

Non può eliminare la manutenzione.

E non può rendere un corpo fisico progettato per un ambiente economicamente ottimale in qualsiasi altro ambiente.

La Physical AI può eliminare il vincolo della programmazione. Non elimina i vincoli legati al corpo fisico del robot (embodiment) e all'integrazione di sistema.

Questa distinzione è fondamentale per capire dove si concentrerà il valore.

L'intelligenza generale potrebbe vivere inizialmente in corpi specializzati

Un giorno, gli umanoidi potrebbero offrire un corpo general-purpose economicamente sostenibile.

Se diventeranno abbastanza capaci, affidabili ed economici, la combinazione di un cervello generale e di un corpo generale potrebbe sbloccare un numero straordinario di applicazioni.

Ma questo problema non è ancora risolto.

Nel frattempo, stiamo iniziando a vedere qualcosa di diverso:

sacche di generalizzazione.

Un braccio industriale più intelligente può affrontare una famiglia molto più ampia di compiti di manipolazione.

Un manipolatore mobile può gestire molti flussi di lavoro di magazzino correlati.

Un sistema a doppio braccio può gestire operazioni di assemblaggio e movimentazione sempre più varie.

Un robot per l'edilizia può generalizzare su molte situazioni pur restando ottimizzato per l'edilizia.

Un robot da laboratorio può diventare estremamente adattabile senza bisogno di gambe.

L'intelligenza diventa sempre più generale.

I corpi fisici restano ottimizzati in base all'economia e alle applicazioni.

Questo crea diversi punti possibili in cui catturare valore.

Quindi, chi guadagna davvero?

Per gli investitori citati nell'introduzione, una risposta ovvia è: l'azienda con il miglior modello di fondazione.

Potrebbe rivelarsi corretta.

Se un modello funziona su molti corpi fisici diversi, migliora rapidamente con la scala e diventa difficile da sostituire, l'economia potrebbe essere spettacolare.

Ma non è l'unica possibilità. Sbloccare un'applicazione non significa automaticamente catturare il valore creato.

Il valore potrebbe concentrarsi nel livello infrastrutturale che supporta i modelli di fondazione: calcolo, simulazione, pipeline di dati e strumenti di deployment che rendono la Physical AI utilizzabile su larga scala.

Potrebbe concentrarsi nella piattaforma robotica, se un particolare corpo fisico diventa lo standard per implementare la Physical AI (la scommessa alla base di molti investimenti negli umanoidi).

Potrebbe concentrarsi nel livello senso-motorio, perché l'intelligenza crea valore solo se una macchina è in grado di percepire, reagire e interagire in modo affidabile con il mondo fisico in tempo reale.

Potrebbe andare a chi possiede il più potente volano di dati reali, in cui ogni sistema installato migliora l'installazione successiva.

Potrebbe concentrarsi nel livello delle applicazioni e del deployment, dove la tecnologia si trasforma infine in ROI per il cliente.

E alcune aziende cercheranno deliberatamente di controllare tutti questi livelli contemporaneamente.

Questa strategia full-stack, che sfrutta componenti hardware e software standard, potrebbe essere particolarmente efficace nel breve termine.

Quando le interfacce tra i livelli sono ancora immature, gli standard sono in via di definizione e i clienti vogliono risultati concreti anziché componenti tecnologici, integrare in un unico pacchetto cervello, corpo fisico, applicazione, deployment e raccolta dati può rendere molto più facile generare valore.

Permette inoltre a un'azienda di catturare una parte maggiore del valore economico di ogni installazione.

È uno dei motivi per cui alcune delle aziende di Physical AI più ambiziose di oggi non puntano a diventare solo fornitori di modelli o solo produttori di robot.

Cercano di trasformare in prodotto l'intero percorso, dall'intelligenza al lavoro produttivo, il più rapidamente possibile, usando le installazioni per accelerare il proprio volano di dati reali. Diverse di loro si affidano ai componenti Robotiq per andare più veloci mantenendo un'affidabilità di livello industriale.

Seguire il vincolo

Se la Physical AI si limita a rendere un po' più intelligenti le decine di migliaia di robot industriali installati ogni anno negli Stati Uniti, gli attuali livelli di investimento saranno difficili da giustificare.

Se porta le installazioni nell'ordine delle centinaia di migliaia, l'economia cambia.

Se porta il mercato a milioni di nuove macchine intelligenti all'anno, non stiamo più parlando di un mercato di robot industriali.

Stiamo parlando di una nuova piattaforma di calcolo per il lavoro fisico. Una piattaforma su cui può prosperare un intero ecosistema di hardware, software, applicazioni e servizi.

Credo che siamo già su questa strada. Ne vediamo prove chiare nel modo in cui i nostri clienti implementano e scalano la Physical AI.

Un cervello general-purpose potrebbe eliminare uno dei maggiori vincoli che oggi frenano la robotica.

Semplicemente, non eliminerà tutti i vincoli in una volta.

Quindi, oltre a chiedersi:

Chi ha il miglior cervello per robot?

credo che gli investitori dovrebbero porsi altre due domande:

Quale vincolo sta eliminando ora la Physical AI?

E poi:

Una volta risolto quel vincolo, quale sarà il prossimo collo di bottiglia che impedirà di moltiplicare ancora per 10 l'adozione?

A volte l'azienda che risolverà il prossimo collo di bottiglia sarà uno specialista.

A volte sarà la stessa azienda che punta sul full-stack.

In entrambi i casi, bisogna seguire il vincolo.

Perché è molto probabile che sia lì che nascerà il prossimo grande bacino di valore della Physical AI.

Note sui dati: i dati sulle installazioni di robot industriali negli Stati Uniti nel 2025 provengono dall'International Federation of Robotics. I dati sui finanziamenti si basano su comunicati aziendali e notizie di stampa relativi a Skild AI, Rhoda AI, Generalist, General Intuition ed Enigma. Il finanziamento di FieldAI si basa su notizie relative a un term sheet firmato e non è incluso come finanziamento concluso.

Leave a comment

Related posts