EO531

mercati ELETTRONICA OGGI 531 - gennaio | febbraio 2026 20 mensioni (LLM), possono generare risposte più naturali, conversazionali e consapevoli del contesto senza inviare tutti i dati vocali al cloud. Anche in questo caso, migliorando la privacy e le prestazioni. I modelli di intelligenza artificiale generativa sono spesso ad alta intensità di calcolo. In che modo la combinazione delle MCU Ensemble di Alif e del runtime ExecuTorch garantisce un’inferenza a bassa latenza e ad alta precisione, mantenendo al contempo l’efficienza energetica necessaria per i dispositivi IoT alimentati a batteria? Una delle proposte di valore di Alif, fin dal pri- mo giorno, è stata quella di fornire caratteristi- che di basso consumo, non solo quando il di- spositivo è in stato di riposo, ma anche quando le applicazioni sono in esecuzione, i dati ven- gono raccolti e i carichi di lavoro computazio- nali vengono eseguiti. Alif ha sviluppato un’ar- chitettura di sistema unica che consente alle applicazioni di funzionare in un dominio “ad alta efficienza” per la parte sempre attiva del ciclo di lavoro, e in modalità “ad alte presta- zioni” quando è necessario svolgere un lavoro computazionale intensivo. Gli acceleratori har- dware per vari compiti, tra cui le operazioni di intelligenza artificiale, l’elaborazione grafica Microcontrollori Ensemble E4, E6 ed E8 di Alif (MCUs), processori embedded o System-on-Chip (SoC) a basso consumo Microcontrollori Ensemble E6/E8: l’hardware per l’AI Edge alimentato da ExecuTorch (PyTorch) e delle immagini, ecc. sono disponibili per en- trambe le modalità di funzionamento, consen- tendo alle applicazioni di completare rapida- mente il lavoro necessario e di trascorrere più tempo in stati a basso consumo. Il vicepresidente senior di Arm, Paul Williamson, ha dichiarato che questa collaborazione dimostra come un ecosistema unificato possa scalare l’intelligenza attraverso l’edge. Al di là della compatibilità tecnica, quanto è importante la partnership con Arm e l’integrazione con il popolare framework PyTorch per la strategia di Alif di accelerare l’innovazione dell’AI nel mondo reale? La rapida espansione delle capacità dell’AI a cui abbiamo assistito negli ultimi anni non mostra segni di rallentamento e, oltre all’har- dware per eseguire i modelli creati, gli stru- menti e il software devono essere in grado di tenere il passo con i progressi compiuti. Piattaforme come ExecuTorch svolgono un ruolo chiave in questo senso, semplifican- do il compito di spostare i modelli dal cloud all’endpoint, e la comprovata esperienza di Arm nel costruire e sostenere vivaci eco-si- stemi software attorno a tecnologie standar- dizzate concedibili in licenza porterà a una sce risposte più rapide e minimizza i requisiti energetici e di larghezza di banda, riducendo o eliminando la necessità di trasmettere i dati al cloud. Ad esempio, è possibile sviluppare dispo- sitivi sanitari indossabili in grado di fornire un coaching sanitario personalizzato. Gli smartwatch e i fitness ring possono utilizzare l’intelligenza artificiale generativa per ana- lizzare i dati biometrici dell’utente (come la frequenza cardiaca, il ritmo del sonno e i li- velli di attività) e fornire coaching personaliz- zato in tempo reale, definizione degli obietti- vi e motivazione. Anche i dispositivi clinici indossabili, come i monitor continui del glucosio o i sensori im- piantabili, possono sfruttare l’intelligenza arti- ficiale per analizzare localmente i dati del pa- ziente per la diagnostica in tempo reale e gli avvisi di allerta. L’elaborazione dei dati a livel- lo locale garantisce inoltre la riservatezza dei dati sensibili dei pazienti e riduce la dipen- denza dalla connettività costante del cloud. Esistono anche diversi casi d’uso nell’elettro- nica di consumo, come gli altoparlanti intel- ligenti di nuova generazione e gli assistenti personali che saranno in grado di andare oltre il semplice comando e risposta. Utiliz- zando modelli linguistici locali di piccole di-