Negli ultimi anni, il tema della sovranità digitale europea è stato raccontato soprattutto attraverso tre parole chiave: chip, cloud, intelligenza artificiale (IA). Sono parole assolutamente pertinenti, ma la lista è incompleta. Un continente può finanziare fabbriche di semiconduttori, costruire data center, definire regole sull’IA e promuovere piattaforme cloud continentali; tuttavia, la trasformazione digitale dell’industria si realizza davvero solo quando l’intelligenza affidabile entra nei sistemi fisici: nei sensori, nei controllori, nei robot, nei veicoli, nei dispositivi medici, nei macchinari di produzione, nelle reti energetiche e nelle infrastrutture distribuite.
Questo è il dominio proprio dei sistemi embedded e dello smart manufacturing. Non si tratta di un settore di nicchia per specialisti, ma di uno strato tecnico in cui software, hardware, dati e processi industriali diventano comportamento reale. Se il cloud è il luogo della capacità computazionale concentrata e massimamente scalabile, l’embedded è il luogo della decisione vincolata: bassa latenza, consumo ridotto, sicurezza, affidabilità, localizzazione, privacy, sensibilità al contesto, certificazione, costi, manutenzione, interoperabilità. In una fabbrica, in un’automobile o in un dispositivo biomedicale, l’IA non è un’applicazione astratta: è una funzione che deve necessariamente e strettamente operare entro vincoli fisici, temporali e normativi.
Da qui nasce il punto politico e industriale: la sovranità digitale non si misura soltanto nella capacità di progettare o produrre chip, ma anche nell’integrare tali chip in sistemi complessi, affidabili, verificabili e competitivi. Per l’Italia, Paese manifatturiero e non solo consumatore di tecnologia, questa distinzione è cruciale.
Indice degli argomenti
Dall’hardware ai sistemi embedded: la sovranità digitale oltre i chip
Il dibattito sul Chips Act ha avuto un merito: ha reso evidente che l’economia digitale non vive soltanto di software. I semiconduttori sono la base materiale del cloud, dell’IA, dell’industria automobilistica, delle telecomunicazioni, della difesa, della sanità digitale e dell’automazione industriale. La Commissione Europea descrive il Chips Act e il suo successore, il Chips Act 2.0, presentato nel giugno 2026, come strumenti chiave per rafforzare l’ecosistema europeo dei semiconduttori, rendere più resilienti le catene di fornitura e ridurre le dipendenze esterne. L’obiettivo politico sovraordinato resta aumentare la quota europea nella produzione globale di semiconduttori.
Ma il passaggio successivo è più difficile. Non basta attrarre fabbriche o aumentare la capacità produttiva se manca una domanda industriale in grado di assorbire, orientare e valorizzare tale produzione. Il chip, da solo, non produce sovranità. Diventa sovranità quando entra in una catena di valore (e di competenze) che comprende architetture hardware/software, strumenti di progettazione, sistemi operativi, middleware, sicurezza, standard, test, certificazione e applicazioni industriali.
In questo senso, il tema dell’“embedded e smart manufacturing” rappresenta il naturale completamento delle azioni di politica industriale relative ai chip. Se il Chips Act riguarda la disponibilità della base hardware, i sistemi embedded riguardano la sua trasformazione in funzioni industriali. È proprio qui che si apre uno spazio strategico per l’Italia: presidiare non soltanto la fabbricazione del componente, ma l’intero ciclo che porta dal componente al sistema affidabile, dal prototipo al prodotto, dalla ricerca al mercato.
Dal cloud ai dispositivi: l’intelligenza nello smart manufacturing
La direzione europea è già chiara. La strategia della Digital Decade assegna al cloud-edge continuum un ruolo centrale: entro il 2030 l’Unione Europea punta alla diffusione di nodi edge sicuri e climaticamente neutri e all’ampia adozione, da parte delle imprese, delle tecnologie cloud-edge. Questo passaggio viene spesso letto come infrastrutturale, ma è anche e soprattutto architetturale: l’intelligenza artificiale non sarà mai concentrata in un unico livello, in un unico elemento verticale od orizzontale del sistema complessivo, bensì distribuita in vari modi tra cloud, edge e dispositivi locali.
Il cloud resterà essenziale per l’addestramento di modelli, la gestione di grandi volumi di dati, la simulazione e l’analisi globale. L’edge servirà a portare capacità computazionale vicino a fabbriche, ospedali, reti energetiche, veicoli, infrastrutture urbane. Il dispositivo embedded resterà il punto in cui il sistema percepisce, decide e agisce sul mondo fisico. La continuità tra questi livelli non è un dettaglio tecnico: è la condizione necessaria per far funzionare applicazioni con requisiti stringenti di latenza, sicurezza, disponibilità e consumo energetico.
Un veicolo autonomo o semi-autonomo non può attendere il tempo necessario a ottenere una risposta da un sistema cloud per evitare un ostacolo, né può basare le proprie decisioni sulla disponibilità della connessione di rete. Un sistema di monitoraggio sanitario non può perdere dati critici a causa di una rete instabile. Un robot di servizio non può interpretare l’ambiente in tempi incompatibili con l’interazione umana. Una linea di produzione non può fermarsi perché un algoritmo remoto al momento non è raggiungibile. In tutti questi casi, l’intelligenza deve essere distribuita, coordinata e verificabile.
Sistemi embedded come infrastruttura nazionale dell’industria
I sistemi embedded sono spesso invisibili, ma governano funzioni essenziali. Sono all’interno delle centraline dei veicoli, dei macchinari industriali, dei dispositivi biomedicali, delle reti di sensori, degli apparati di comunicazione, degli elettrodomestici intelligenti, dei sistemi di sicurezza e degli impianti energetici. Sono il punto di contatto tra il digitale e il fisico. Per questo non possono essere trattati come un semplice sottoinsieme dell’informatica o dell’elettronica.
La loro specificità risiede nei vincoli aggiuntivi rispetto alla mera funzionalità. Un sistema embedded deve infatti rispettare tempi di risposta, consumi, costi, dimensioni, condizioni operative, requisiti di sicurezza, aggiornabilità e, spesso, le normative di settore. L’intelligenza artificiale aggiunge potenza, ma anche complessità: modelli difficili da interpretare, requisiti computazionali variabili, dati distribuiti, rischi di attacco, necessità di validazione e di aggiornamento continuo.
La conseguenza è semplice: se l’IA industriale viene introdotta come una scatola nera in sistemi non progettati per accoglierla, ne derivano fragilità strutturali e funzionali. Se invece viene progettata insieme all’architettura embedded, al middleware, ai protocolli di comunicazione e ai meccanismi di verifica, può diventare un fattore di competitività. La differenza tra queste due traiettorie risiede nella distinzione tra dipendenza tecnologica e capacità industriale.
Smart manufacturing e fabbriche cyber-fisiche intelligenti
La smart manufacturing non coincide con l’installazione di qualche sensore in più o con l’adozione di un cruscotto di controllo. È la trasformazione della fabbrica in un sistema cyber-fisico: macchine, dati, modelli digitali, operatori, robot, supply chain e piattaforme di calcolo cooperano in modo continuo. L’Europa ha già individuato nei data spaces per la manifattura uno strumento per favorire l’accesso, la condivisione e il riuso affidabili dei dati industriali. Ma i dati industriali diventano valore solo se sono collegati ai processi fisici che li generano e li utilizzano.
Questo significa che la smart manufacturing richiede architetture multilivello. A livello locale servono sensori, attuatori, controllori, microcontrollori, FPGA, acceleratori, reti industriali, sistemi real-time. A livello di edge servono gateway intelligenti, orchestrazione, digital twin e analisi quasi in tempo reale. A livello di cloud servono modelli, ottimizzazione globale, integrazione con la supply chain e manutenzione predittiva. Il valore nasce dall’orchestrazione, non dal singolo strato.
E qui si collega il tema dell’Industry 5.0. La Commissione europea ha descritto Industry 5.0 come un’evoluzione che affianca alla produttività industriale obiettivi di sostenibilità, di centralità della persona e di resilienza. Questa impostazione è particolarmente coerente con l’embedded computing: i sistemi intelligenti devono essere efficienti, ma anche sicuri, comprensibili, manutenibili e progettati per migliorare il lavoro umano, non solo per sostituirlo.
Progettare sistemi embedded sicuri, verificabili e adattivi
Portare intelligenza nei dispositivi edge e nei sistemi embedded richiede una nuova generazione di strumenti di progettazione. La complessità sta crescendo più rapidamente della capacità di validare manualmente ogni configurazione. Non si tratta solo di scrivere codice più efficiente, ma di automatizzare parti del ciclo di progetto: scelta dell’architettura, mappatura hardware/software, analisi delle prestazioni, verifica temporale, gestione dell’energia, sicurezza, aggiornamento e test.
Gli ambienti di progettazione dovranno diventare più adattivi. Un’applicazione automotive privilegia la sicurezza funzionale e la risposta in tempo reale; un dispositivo indossabile privilegia il consumo e l’autonomia; un robot collaborativo richiede controllo, percezione e interazione sicura; una linea industriale richiede disponibilità, interoperabilità e manutenzione. Non esiste un unico parametro da ottimizzare. Esiste un compromesso progettuale che deve essere esplicito, misurabile e riproducibile.
La sicurezza diventa un asse trasversale. Un sistema embedded compromesso può produrre effetti fisici: fermare una linea, alterare una misura sanitaria, interferire con un veicolo, compromettere un impianto. Servono isolamento spaziale e temporale, virtualizzazione tramite hypervisor, trusted execution environment, controllo della supply chain, aggiornamenti sicuri, analisi dei tempi e protocolli di comunicazione affidabili. L’IA non riduce queste esigenze: le amplifica.
Sovranità tecnologica tra embedded, standard aperti e filiere globali
Parlare di sovranità tecnologica non significa immaginare un’autarchia digitale. Farlo sarebbe irrealistico e controproducente. Le catene del valore dei semiconduttori, del software industriale, dei componenti elettronici e delle piattaforme cloud sono intrinsecamente globali. Il punto non è chiudere il mercato, ma evitare dipendenze non governabili e costruire capacità europee nei punti critici.
Nel caso dei sistemi embedded, i punti critici sono molteplici: strumenti di progettazione, architetture aperte, accelerazione hardware/software, protocolli interoperabili, sicurezza del sistema, competenze di validazione, accesso ai dati industriali, piattaforme di test e dimostratori. L’apertura tecnologica può far parte della sovranità se consente la verificabilità, il riuso, la trasparenza e la formazione di competenze locali. Software open source, open hardware, tracciabilità della supply chain e standard aperti non sono slogan: sono strumenti strategicamente necessari per ridurre l’opacità e le situazioni di lock-in.
Il rischio opposto è diventare integratori passivi di tecnologie progettate altrove. Un Paese manifatturiero che non controlla le architetture embedded dei propri prodotti e processi perde capacità negoziale, capacità di innovare e capacità di tutelare la sicurezza e la qualità. Per questo l’embedded computing dovrebbe essere considerato un tassello strategico della politica industriale, non solo un elemento possibile della ricerca accademica.
Il nodo italiano per sistemi embedded e smart manufacturing
L’Italia ha un vantaggio e un problema. Il vantaggio è un tessuto industriale in cui il settore automobilistico, l’automazione, la meccanica avanzata, il biomedicale, l’agri-food, la robotica, l’energia e la manifattura di precisione sono ambiti economici e strategici reali, non semplici mercati potenziali. Il loro principale problema è la frammentazione: competenze eccellenti, spesso distribuite tra università, centri di ricerca e imprese, che faticano a trasformarsi in piattaforme comuni, dimostratori, standard de facto e percorsi rapidi di trasferimento tecnologico.
Serve quindi un livello di coordinamento nazionale. Non per accentrare, ma per rendere visibili e accessibili in rete le competenze che oggi rischiano di restare disperse. La smart manufacturing richiede banchi di prova, simulatori, digital twin, infrastrutture edge, strumenti di misura, casi d’uso industriali, dataset realistici e competenze interdisciplinari. Nessun gruppo di ricerca isolato può coprire in modo ragionevole l’intera catena.
Una politica efficace dovrebbe finanziare non solo progetti, ma anche infrastrutture riusabili: piattaforme per la sperimentazione di sistemi embedded con IA, ambienti di simulazione, testbed per il real-time e la sicurezza, dimostratori industriali, percorsi formativi condivisi e supporto alle PMI. La distanza tra laboratorio e fabbrica si riduce quando esistono luoghi tecnici in cui i prototipi possono essere provati, misurati e resi trasferibili.
Il Laboratorio Nazionale CINI per embedded e smart manufacturing
In questo quadro si colloca il contributo che il Laboratorio Nazionale CINI può offrire nell’ambito dei sistemi embedded e dello smart manufacturing. Il punto non è aggiungere un’altra sigla al panorama già complesso della ricerca, ma costruire una funzione di raccordo: tra ricerca e industria, tra hardware e software, tra università e impresa, tra dimostrazione tecnica e adozione.
Fra le iniziative recentemente messe in campo vi è il manifesto del Laboratorio Nazionale CINI su Embedded Systems e Smart Manufacturing che individua una visione coerente con questa esigenza: intelligenza distribuita su più livelli, cooperazione tra agenti, continuum edge-cloud, automazione del design, attenzione alla sicurezza, sostenibilità, apertura, interoperabilità e sovranità tecnologica. Il valore di una simile impostazione sta nel mettere insieme dimensioni che troppo spesso vengono separate: chip, sistemi, IA, real-time, fabbrica, formazione, standard e trasferimento.
Un Laboratorio Nazionale può svolgere almeno quattro funzioni. Primo, aggregare competenze e infrastrutture, rendendole più visibili alle imprese. Secondo, promuovere dimostratori tecnici in domini concreti: mobilità, sanità digitale, robotica, manifattura, energia, ambiente. Terzo, sostenere la formazione avanzata, perché non c’è sovranità senza competenze. Quarto, facilitare il dialogo tra istituzioni e industria, affinché le politiche su chip, cloud, IA e manifattura non procedano in silos separati.
Costruire intelligenza distribuita per l’industria italiana
Il prossimo ciclo della trasformazione digitale non sarà deciso soltanto nei grandi data center o nelle fabbriche di semiconduttori. Sarà deciso nei sistemi distribuiti che collegano sensori, macchine, persone, dati e modelli. Sarà deciso in base alla capacità di far funzionare l’IA sotto vincoli reali. Sarà determinato dalla capacità di progettare sistemi non solo intelligenti, ma anche affidabili, sicuri, sostenibili e interoperabili.
Per l’Europa e, in particolare, per l’Italia, questa è un’opportunità. Il Paese dispone di filiere industriali in cui l’embedded computing può generare valore immediato. Possiede competenze scientifiche e tecniche di alto livello. Possiede una manifattura che necessita di un’innovazione profonda, non cosmetica. Ma deve evitare due errori: ridurre la sovranità digitale al solo tema dei chip e dell’IA industriale, e considerarla un insieme di servizi cloud acquistati dall’esterno.
La vera sfida è costruire un’intelligenza distribuita. Nei dispositivi, nelle fabbriche, nelle reti, nei veicoli, nei sistemi di cura, nei robot, nelle infrastrutture. Costruendola con strumenti, competenze e standard che rendano l’Italia non soltanto utilizzatrice, ma anche protagonista della prossima generazione di sistemi embedded e di smart manufacturing.
Sistemi embedded e smart manufacturing: i punti chiave
- La sovranità digitale non si esaurisce nella produzione di chip: richiede la capacità di progettare e validare sistemi completi.
- Il continuum cloud-edge-device sposta l’intelligenza più vicino ai processi fisici, dove contano la latenza, la sicurezza, i consumi e l’affidabilità.
- La smart manufacturing richiede architetture cyber-fisiche integrate, non semplici dashboard software.
- Open source, standard, interoperabilità e tracciabilità della supply chain sono strumenti concreti di autonomia tecnologica.
- Per l’Italia, coordinare le competenze in ambito di embedded systems e di smart manufacturing è una priorità industriale, oltre che scientifica.
Ringraziamenti
Gli autori intendono ringraziare il gruppo di lavoro del manifesto sugli embedded systems e sullo smart manufacturing che include, oltre agli autori di questo articolo, Roberto Bagnara (Università di Parma), Giorgio Buttazzo (Scuola Superiore Sant’Anna di Pisa), Francesco Longo (Università di Messina), Giovanni Merlino (Università di Messina), Luigi Paolopoli (Università di Trento), Matteo Sonza Reorda (Politecnico di Torino).
Fonti e riferimenti
Manifesto del Laboratorio Nazionale CINI Embedded Systems e Smart Manufacturing, 16-06-2026: https://manifesto-embed-smart.it
AgendaDigitale.eu: Chips Act 2.0, così l’Europa cambia strategia sui chip
Commissione Europea – European Chips Act
Commissione Europea – European Chips Act 2.0
Commissione Europea – Cloud computing e obiettivi cloud-edge del Digital Decade
Commissione Europea – Common European data spaces for Smart Manufacturing
Partecipa alla community