Ex dirigente Nvidia: la robotica è ancora in un'era Lego

Non c’è ancora un “momento ChatGPT” per la robotica, dice Amulya Vishwanath. Prima servono attuatori migliori, mani robotiche affidabili, uno stack software solido, regole di sicurezza chiare. “La robotica è nell’era Lego”, aggiunge. Per sette anni ha guidato il product marketing delle piattaforme di robotica di Nvidia. Oggi è fondatrice e managing partner di Techable VC, dove scrive i primi assegni sulla “physical AI”.

La posizione arriva in una conversazione con Dominic-Madori Davis per Equity, il podcast di TechCrunch. Lì Vishwanath fissa la sequenza: consolidare i blocchi fondamentali, poi pensare a un salto di scala. L’immagine dei mattoncini non è un vezzo, è un elenco di ciò che manca. Hardware, end-effector, software, sicurezza. Senza questi pezzi, dice, parlare di un modello unico che risolve tutto è prematuro.

Nella stessa puntata c’è chi spinge nella direzione opposta. Pim de Witte, CEO di General Intuition, richiama il lancio di ChatGPT alla fine del 2022: un singolo modello generale che rende ridondante tanto lavoro specializzato e accelera il settore. L’ipotesi è che la robotica possa vivere lo stesso scarto, presto. Vishwanath non nega il potenziale, ma ancora non vede le condizioni tecniche di base per replicare quel momento nei robot.

Il suo focus resta operativo. Le servono segnali concreti su componenti meccanici e software. Non cita scorciatoie. Chiede miglioramenti negli attuatori, nelle mani, nello stack, nelle pratiche di safety. Solo così, argomenta, il settore può reggere modelli più ambiziosi e più generali. Finché questi tasselli non maturano, l’idea di un’architettura unica rischia di essere una promessa fuori tempo.

Vishwanath porta al microfono anche il perimetro di investimento. “Physical AI” per lei non si esaurisce nei robot. Include scienza dei materiali e scienze della vita. Sono campi in cui l’intelligenza artificiale tocca la materia. Richiedono prove nel mondo fisico, non solo in simulazione o nel software. Il fondo nasce per finanziare team che lavorano su questi incroci tra AI e realtà tangibile, dove contano iterazione, test e robustezza.

Equity mette così a confronto due strade. Da un lato, la scommessa su un modello generale che assorbe competenze e velocizza tutto, come nel 2022. Dall’altro, la fotografia di un cantiere che consolida pezzi essenziali prima di promettere generalità. La distanza tra le due letture è il punto della puntata. Non un duello ideologico, ma una domanda di metodo: guardare ai blocchi che crescono o ai benchmark dei modelli che migliorano.

L’episodio è disponibile sui canali del podcast, tra cui YouTube, Apple Podcasts, Overcast e Spotify. Gli aggiornamenti passano anche da X e Threads. La scelta di dove guardare, nel frattempo, pesa su chi investe: seguire l’hype di un modello unico o misurare i progressi dei componenti che, pezzo dopo pezzo, fanno un robot che lavora davvero.