EO533

ELETTRONICA OGGI 533 - aprile 2026 41 Tecnologia Un tempo confinata nel cloud, l’intelligenza artificiale (AI) sta ora evolvendo verso dispositivi Edge sempre più potenti. Questo cam- biamento rappresenta la trasformazione tecnologica più significativa dall’avvento di Internet, rimodellando radicalmente il modo in cui l’in- telligenza viene fornita e commercializzata su larga scala. Tuttavia, il raggiungimento di una vera intelligenza a livello Edge dipende da due fattori fondamentali: i dati raccolti, archiviati e accessibili sul di- spositivo e l’infrastruttura di memoria che li supporta. Sebbene la teoria dell’AI esista da decenni, la sua adozione diffusa, soprattutto a livello Edge, è diventata possibile solo con l’arrivo di una quantità sufficiente di calcolo e memoria in locale. L’intelligen- za artificiale funge da facilitatore e la sua utilità raggiunge l’apice quando viene impiegata per applicazioni e casi d’uso specifici che ne richiedono l’impiego. A lungo trascurata, l’archiviazione sta ora emergendo come un fattore chiave (e un vincolo) per la scalabilità dell’Edge AI. La memoria flash 3D BiCS Flash di Kioxia, in particolare l’ultima versione, BiCS Flash di ottava generazione, è progettata per fornire la densità, la velocità e la resistenza necessarie per alimenta- re questa prossima ondata di innovazione dell’Edge AI. Edge al centro La migrazione dell’intelligenza artificiale dai data center centralizza- ti a dispositivi Edge sempre più potenti segna un momento cruciale nel mondo della tecnologia. I primi modelli di intelligenza artificiale, limitati ai data center, hanno dovuto affrontare limitazioni significati- ve quali latenza, problemi di privacy e colli di bottiglia della connet- tività, ostacolando i casi d’uso in tempo reale. I sistemi Edge di prima generazione non disponevano della memoria e della larghezza di banda necessarie per carichi di lavoro impegnativi come la visio- ne artificiale o l’imaging medico. Tuttavia, le scoperte tecnologiche hanno modificato tale panorama. La combinazione di architetture di memoria flash avanzate, come BiCS Fash, e processori di machine learning (ML) a basso consumo energetico, consente ora l’inferenza ad alte prestazioni direttamente sul dispositivo. Fondamentalmente, il percorso verso lamonetizzazione dell’intelligenza artificiale non dipende solo dalla creazione di modelli più intelligenti, ma anche dalla loro implementazione inmodo che possano fornire deci- sioni in tempo reale e di alto valore, vale a dire a livello Edge. L’inferenza dell’Edge AI sta rapidamente diventando il meccanismo dominante per l’implementazione nel mondo reale, generando valore commerciale in diversi settori, dall’automotive all’agricoltura. Vendere l’intelligenza ar- tificiale in modo efficace significa abilitarla a livello Edge, consentendo un’elaborazione locale che superi problemi di latenza, prestazioni insuf- ficienti o costi proibitivi associati ai servizi solo cloud. L’Edge AI costituisce anche la base di un mondo connesso in cui l’in- telligenza distribuita si estende sia a livello Edge che al cloud, crean- Rappresentazione dell’elaborazione Edge AI direttamente sul chip