Un robot che balla o fa una capriola è un ottimo video. Un robot che entra in un magazzino sconosciuto, riconosce un oggetto, lo afferra senza romperlo e conclude il turno senza assistenza è un'altra storia. È su questa distanza che si sta spostando la competizione nella robotica: costruire un corpo credibile non basta, serve un'intelligenza capace di usarlo quando il mondo non segue il copione.
Un'inchiesta Reuters pubblicata tra il 1° e il 2 novembre racconta il cambio di priorità dei produttori cinesi: meno attenzione alle acrobazie, più investimenti nei modelli che imparano azioni fisiche. Secondo i dati di ITjuzi citati dall'agenzia, le imprese cinesi dell'intelligenza artificiale incorporata hanno raccolto 93,5 miliardi di yuan nel primo semestre 2026, attraverso 322 operazioni. È una misura dei capitali mobilitati, non dei robot già capaci di lavorare autonomamente.
Perché il cervello è più difficile del corpo
Un braccio industriale tradizionale può essere straordinariamente preciso, ma lavora spesso in un ambiente organizzato attorno a lui. La posizione dei pezzi, la sequenza dei movimenti e gli strumenti sono noti. Cambiare mansione richiede configurazione, integrazione e verifiche.
Un umanoide generalista promette qualcosa di diverso: ricevere un'istruzione, osservare la scena e decidere quali movimenti eseguire. Deve riconoscere un cavo flessibile, valutare quanto stringerlo, reagire se scivola e capire quando l'operazione è davvero terminata. Un modello linguistico può descrivere questi passaggi; controllare mani, equilibrio e forza in tempo reale richiede ulteriori capacità.
La distinzione tecnica è importante. I modelli *vision-language-action* collegano immagini e istruzioni a comandi motori; i modelli di ragionamento spaziale aiutano a pianificare le azioni. Google DeepMind ha illustrato questa architettura con Gemini Robotics 2, presentato a luglio. Le dimostrazioni mostrano progressi nella destrezza e nella coordinazione, ma sono risultati del laboratorio che sviluppa il sistema, non una certificazione indipendente di affidabilità in qualunque stabilimento.
L'ingrediente scarso sono le esperienze fisiche
I chatbot possono apprendere da grandi archivi digitali. Per insegnare a una macchina a manipolare oggetti servono anche esempi di contatto, movimento, attrito, errore e recupero. Un filmato non racconta sempre quanta forza è stata applicata o cosa abbia percepito il robot mentre afferrava un oggetto.
Reuters descrive strategie diverse: persone che dimostrano gesti, sensori indossabili che registrano movimenti e pressione, robot guidati da operatori e ambienti simulati. L'unità Robbyant di Ant Group dichiara di avere usato 160.000 ore di materiale, comprese 50.000 ore di movimenti robotici guidati da esseri umani. Sono dati comunicati dall'azienda, non una misura pubblica del successo in produzione.
La simulazione consente di moltiplicare gli esperimenti senza rischiare continuamente macchinari e persone, ma introduce un problema: un oggetto virtuale non cade, si piega o oppone resistenza esattamente come quello reale. Il passaggio dalla simulazione alla fabbrica richiede dunque prove sul campo.
Anche la ricerca accademica misura questo divario. La BEHAVIOR Challenge 2026 di Stanford propone cento attività domestiche articolate in scene simulate e mette a disposizione ventimila dimostrazioni teleoperate, per un totale di 1.950 ore. Non è la prova che i robot sappiano già svolgere quei lavori: è un modo per confrontare sistemi che devono pianificare, manipolare e completare sequenze lunghe.
I primi lavori reali sono molto meno spettacolari
Le applicazioni promettenti non assomigliano necessariamente a un assistente domestico universale. Nell'inchiesta Reuters, il produttore di batterie CATL riferisce che robot dotati di tecnologia Spirit AI inseriscono cavi flessibili durante i test dei pacchi batteria, con una percentuale di inserimenti riusciti superiore al 99%. Robbyant descrive invece robot impiegati nella preparazione degli ordini in due farmacie di Shanghai, dove il personale controlla i medicinali prima della spedizione.
Sono esempi concreti, ma vanno letti per ciò che sono: prestazioni dichiarate in compiti circoscritti, con condizioni operative e supervisione che possono differire molto da un ambiente domestico imprevedibile. Una percentuale elevata su un singolo inserimento non dimostra la capacità di svolgere un turno completo senza interventi.
Il vero valore economico arriva quando una macchina ripete un'attività utile con continuità, senza richiedere un tecnico per ogni variazione. Per un'azienda contano i pezzi corretti per ora, gli arresti, i danni evitati, la manutenzione e la sicurezza, non il numero di gesti mostrati in una presentazione.
Cinque milioni di robot non significano cinque milioni di umanoidi
Le dimensioni del mercato aiutano a evitare un equivoco. Secondo l'International Federation of Robotics, nel 2025 nel mondo operavano circa cinque milioni di robot industriali e ne sono stati installati oltre seicentomila nuovi. La Cina ha rappresentato 354.000 installazioni. Si tratta soprattutto del mercato consolidato dell'automazione industriale, non di una flotta di robot simili a persone.
Nel rapporto sui servizi professionali, la stessa federazione stima invece circa settemila umanoidi di dimensioni superiori a 140 centimetri venduti globalmente nel 2025 per impieghi professionali e commerciali. La cifra non è confrontabile direttamente con lo stock di robot industriali: cambiano categoria, periodo di misura e definizione.
La IFR sottolinea che molte applicazioni degli umanoidi restano specializzate e spesso dipendono dalla teleoperazione. Sicurezza, costi di addestramento e manutenzione, capacità di manipolazione e convenienza economica frenano la diffusione. È una fotografia meno cinematografica, ma più utile per capire a che punto sia davvero il settore.
Cosa cambia per le imprese italiane
L'Italia è già un mercato importante per la robotica industriale, ma il rapporto IFR registra circa 7.800 nuove installazioni nel 2025, l'11% in meno rispetto all'anno precedente. Non è un indicatore diretto della domanda di umanoidi: mostra piuttosto che anche l'automazione convenzionale dipende da investimenti, cicli industriali e ritorni economici.
Per un'impresa che valuta nuovi sistemi, la domanda iniziale non dovrebbe essere se il robot abbia due gambe. È se serva davvero un corpo umanoide per muoversi nello spazio disponibile oppure se un braccio fisso, una macchina dedicata o una piattaforma mobile siano più affidabili e semplici da mantenere.
Bisogna inoltre chiedere al fornitore come siano stati misurati i tassi di successo, quanta supervisione umana serva, quali attività richiedano nuovo addestramento, come vengano gestiti gli errori e chi risponda della sicurezza. Una dimostrazione preparata è un buon punto di partenza, non una prova di convenienza.
Il prossimo salto si misurerà lontano dalle telecamere
La sfida tra sviluppatori statunitensi e cinesi riguarda ormai dati, software, capacità di calcolo e accesso agli ambienti dove addestrare le macchine. Chi riuscirà a trasferire una competenza da un robot a un altro e da una fabbrica a un'altra potrà ridurre il costo di ogni nuova installazione. Per ora, però, nessuna singola dimostrazione basta a dimostrare quella generalità.
Il segnale da seguire nei prossimi mesi non sarà un'altra capriola, ma una serie di prove ripetibili: compiti diversi, luoghi non preparati, tempi di intervento umano dichiarati e risultati verificati da soggetti indipendenti. È lì che l'intelligenza artificiale smetterà di essere soprattutto una promessa montata su due gambe e diventerà, forse, uno strumento di lavoro.