Dall’AI al metallo: Freeform e Machina Labs mostrano due strade diverse verso la fabbrica definita dal software

La trasformazione industriale della California meridionale non passa soltanto dall’intelligenza artificiale generativa o dai grandi modelli linguistici. Nella fascia industriale che comprende El Segundo, Hawthorne, Long Beach e, più a nord, l’area di Los Angeles, sta crescendo una generazione di aziende che utilizza software, sensoristica, robotica e calcolo accelerato per intervenire direttamente sui processi fisici di produzione. Freeform e Machina Labs sono due esempi particolarmente interessanti, ma anche molto diversi: la prima sta tentando di industrializzare la fusione laser di polveri metalliche attraverso sistemi multi-laser e controllo di processo in tempo reale; la seconda utilizza robot industriali per deformare progressivamente lamiere metalliche senza ricorrere agli stampi tradizionali. Parlare genericamente di “AI manufacturing” rischia quindi di nascondere differenze tecnologiche sostanziali.

Una precisazione geografica: non è tutto “El Segundo”

L’articolo originale di Fabbaloo utilizza El Segundo come simbolo del nuovo ecosistema manifatturiero della California meridionale. La semplificazione è comprensibile, ma geograficamente va corretta. Freeform ha legami storici con El Segundo e viene ancora talvolta descritta dalla stampa statunitense come azienda dell’area, ma la documentazione societaria e le informazioni pubblicate dall’azienda indicano oggi Hawthorne come sede principale. Machina Labs, invece, opera a Chatsworth, nella San Fernando Valley, quindi a parecchie decine di chilometri da El Segundo. È più corretto parlare di un più ampio cluster aerospace, defense e advanced manufacturing della Greater Los Angeles. El Segundo resta comunque un nodo fondamentale: SpaceX nacque qui e il territorio continua ad attrarre imprese nate direttamente o indirettamente dall’esperienza accumulata nel settore spaziale californiano. Il Los Angeles Times ha documentato nel 2026 come l’area sia diventata una concentrazione di aziende aerospace, space-tech, robotica e difesa, favorita dalla disponibilità di ingegneri provenienti da SpaceX, Boeing, Northrop Grumman, Raytheon e dalle altre imprese storiche della regione.

Freeform: rendere la fusione laser del metallo un processo di produzione, non soltanto di prototipazione

Freeform Future Corp. è stata fondata nel 2018 da tecnici provenienti da SpaceX, tra cui Erik Palitsch, oggi CEO. L’idea centrale non consiste semplicemente nella costruzione di una nuova stampante 3D metallica, ma nell’integrazione di macchina, ottica, sensoristica, elaborazione dati, simulazione e controllo in un’unica piattaforma produttiva. L’attuale sistema reso pubblico dall’azienda, denominato GoldenEye, utilizza 18 laser da 1 kW. Il processo appartiene alla famiglia della fusione laser di un letto di polvere metallica, cioè delle tecnologie comunemente indicate come Laser Powder Bed Fusion: strati sottili di polvere vengono distribuiti sul piano di costruzione e determinate zone vengono fuse mediante laser seguendo la geometria ricavata dal modello digitale. Dopo la solidificazione viene depositato un nuovo strato e il ciclo continua fino al completamento del componente.

La presenza di molti laser non determina automaticamente la qualità del processo. Aumentando il numero di sorgenti cresce il throughput potenziale, ma aumenta anche la difficoltà di controllare sovrapposizioni tra campi di scansione, uniformità energetica, stabilità termica, calibrazione ottica e interazione fra zone fuse contemporaneamente. Nella LPBF anche piccole variazioni dell’energia assorbita, della distribuzione granulometrica della polvere, dello spessore di strato, dell’atmosfera protettiva o della dinamica del melt pool possono contribuire alla formazione di porosità, lack-of-fusion, keyholing, spruzzi, tensioni residue e deformazioni. È proprio su questo problema che Freeform concentra buona parte della propria proposta tecnologica.

Secondo l’azienda, telecamere ad alta velocità, sensori e sistemi di calcolo acquisiscono dati durante la fusione e alimentano modelli che permettono di intervenire sui parametri del processo. Freeform dichiara di registrare fenomeni fisici a intervalli dell’ordine dei microsecondi e di utilizzare GPU NVIDIA e modelli fisici eseguiti localmente per monitorare e correggere il processo. È importante distinguere questa architettura dalla generica applicazione dell’intelligenza artificiale alla fabbrica: il punto tecnicamente interessante è il tentativo di costruire un sistema di closed-loop process control, nel quale la macchina non esegue esclusivamente una traiettoria predefinita ma utilizza informazioni raccolte durante il processo per mantenere le condizioni di fusione entro intervalli desiderati.

Questo non equivale però a dimostrare automaticamente che ogni componente prodotto sia privo di difetti oppure certificato per applicazioni critiche. Espressioni aziendali come “digitally verified”, “flawless” o “guaranteed quality” devono essere lette come claim del produttore. In aerospace e defense, la conformità di un componente dipende dalla combinazione di materiale, macchina, parametri, orientamento, trattamento termico, eventuale HIP, lavorazioni meccaniche, controlli non distruttivi e piano di qualifica stabilito dal cliente o dall’autorità competente. Il controllo in-situ può ridurre il rischio e creare una quantità molto maggiore di dati di processo, ma non elimina automaticamente la necessità di qualification, inspection e validation.

GoldenEye e Skyfall: dal sistema a 18 laser alla nuova piattaforma

Nel febbraio 2026 Freeform ha annunciato un Series B da 67 milioni di dollari con la partecipazione, tra gli altri, di Apandion, AE Ventures, Founders Fund, Linse Capital, NVentures di NVIDIA, Threshold Ventures e Two Sigma Ventures. I fondi sono destinati anche all’espansione della capacità produttiva e alla nuova piattaforma denominata Skyfall. Le comunicazioni aziendali pubblicate all’inizio del 2026 parlavano di centinaia di laser, di un aumento della capacità superiore a 25 volte e della possibilità futura di produrre migliaia di chilogrammi di componenti metallici al giorno. Questi numeri vanno trattati come obiettivi dichiarati da Freeform e non come prestazioni indipendentemente certificate. A luglio 2026 Freeform ha comunque citato esplicitamente Skyfall nell’ambito di un accordo con la Defense Innovation Unit statunitense relativo al progetto Adaptive Space Manufacturing and Integration at Scale, segno che la piattaforma è entrata almeno nella fase di impiego e valutazione nell’ambito di programmi avanzati. Le informazioni pubbliche disponibili non consentono però di ricavare dati completi su build envelope, gamma di leghe qualificate, spessori di strato, ripetibilità statistica, yield produttivo, Cpk o costo effettivo per chilogrammo.

Freeform afferma inoltre di essere passata da meno di cento componenti prodotti nel 2024 a decine di migliaia di pezzi spediti nel 2025. Anche in questo caso si tratta di numeri comunicati dall’azienda. Sono comunque indicativi di una strategia molto diversa da quella dei tradizionali costruttori di macchine: Freeform non punta principalmente a vendere stampanti, ma propone una logica Factory-as-a-Service nella quale il cliente invia il progetto e riceve i componenti prodotti. Questo modello consente a Freeform di mantenere internamente macchina, parametri, software e know-how di processo e, contemporaneamente, evita al cliente l’investimento iniziale in impianti LPBF, personale specializzato e infrastrutture per polveri metalliche.

Anche il rapporto con Boeing richiede una formulazione precisa. Nel 2024 Freeform dichiarava che Boeing avrebbe valutato la sua tecnologia per future attività di certificazione e produzione di componenti. L’investimento di AE Ventures e la collaborazione industriale rappresentano elementi concreti, ma non significano che qualsiasi parte prodotta da Freeform sia automaticamente certificata per impiego aeronautico civile o militare.

Machina Labs: non stampa 3D, ma deformazione incrementale robotizzata

Machina Labs affronta il problema da una direzione completamente diversa. Il suo RoboCraftsman non deposita materiale e non è quindi una stampante 3D. La tecnologia principale, RoboForming, è un’evoluzione robotizzata dell’Incremental Sheet Forming: una lamiera viene fissata a un telaio mentre utensili controllati da robot esercitano pressioni localizzate e progressive fino a ottenere la geometria desiderata. La forma emerge attraverso migliaia di movimenti programmati invece che tramite uno stampo dedicato.

Un sistema RoboCraftsman impiega due bracci robotici industriali montati su assi lineari. Gli utensili possono essere cambiati per eseguire differenti operazioni e la cella integra funzioni di formatura, scansione, rifilatura e foratura; ulteriori fasi, come trattamenti termici e lavorazioni di assemblaggio, possono essere incluse nel flusso produttivo. Il vantaggio principale rispetto allo stampaggio convenzionale non è quindi una maggiore velocità assoluta del singolo colpo di pressa: una pressa con stampo dedicato resta enormemente produttiva quando occorre realizzare centinaia di migliaia di pezzi identici. Il vantaggio emerge invece quando il volume è basso o medio, le geometrie cambiano frequentemente e il costo e il tempo di realizzazione degli stampi diventano una parte dominante del programma.

Il processo utilizza inoltre una materia prima molto diversa rispetto alla LPBF. Machina parte da lamiera laminata, quindi da materiale wrought con proprietà metallurgiche proprie del prodotto laminato, mentre Freeform fonde una polvere metallica strato dopo strato. Per strutture sottili di grandi dimensioni, pannelli aeronautici, carenature, parti di fusoliera o superfici per missili e velivoli, questa differenza può essere determinante. Viceversa, la formatura incrementale non può realizzare direttamente alcune geometrie interne, condotti integrati o strutture tridimensionali che costituiscono uno dei principali vantaggi della produzione additiva.

Il vero ruolo dell’AI nel RoboCraftsman

L’impiego dell’intelligenza artificiale da parte di Machina Labs riguarda soprattutto controllo geometrico, generazione e correzione dei percorsi utensile e modellazione della risposta del materiale. La formatura della lamiera presenta fenomeni di springback, assottigliamento locale, incrudimento e dipendenza dal percorso di deformazione. Ottenere una geometria vicina al CAD non significa quindi semplicemente far seguire al robot la superficie nominale.

Machina descrive un ciclo nel quale viene eseguita una prima formatura, il componente viene sottoposto a scansione e la geometria misurata viene confrontata con il modello CAD. Gli scostamenti servono quindi a correggere percorso e parametri delle successive passate. Questo è un esempio più concreto di closed-loop manufacturing rispetto all’uso generico del termine “AI”: misura, confronto con il target e compensazione del processo formano un ciclo iterativo.

La documentazione tecnica pubblica dell’azienda permette inoltre di entrare maggiormente nel merito delle prestazioni, ma evidenzia anche alcune discrepanze. Machina dichiara componenti fino a circa 3,7 metri di lunghezza e lamiere fino a 6,35 mm di spessore. Nella stessa pagina tecnica, tuttavia, una sezione indica una profondità massima di circa 1,2 metri mentre la FAQ arriva a circa 1,5 metri. È quindi prudente non considerare un unico valore come limite certificato universale della piattaforma. Per la geometria RoboFormed viene indicata una tolleranza pari al maggiore tra ±0,3% della dimensione massima e ±1 mm. Questo dato merita attenzione perché la stessa documentazione utilizza anche l’espressione “sub-millimeter precision”: le due affermazioni non sono equivalenti. Su un componente lungo tre metri, lo 0,3% corrisponde infatti a 9 mm. Accuratezza locale, risoluzione del sistema di misura, ripetibilità e tolleranza globale sono parametri distinti e non dovrebbero essere confusi.

Dalla dimostrazione alla parte che vola: il caso C-17

Uno dei passaggi più interessanti nella maturazione di Machina Labs è avvenuto nel 2026. In collaborazione con l’Air Force Rapid Sustainment Office, University of Dayton Research Institute e Boeing, un RoboCraftsman è stato utilizzato per produrre un pannello di ricambio destinato alla riparazione di un C-17. Secondo Machina, la produzione del pannello anteriore sinistro è iniziata nel marzo 2026 ed è terminata a maggio; il velivolo è tornato in volo il 30 luglio 2026.

La distinzione è importante: non si tratta soltanto di un dimostratore esposto in fiera o di una geometria sperimentale, ma di una parte utilizzata nella riparazione di un aeromobile che ha successivamente volato. Ciò non significa tuttavia che il processo RoboForming sia automaticamente qualificato per qualsiasi componente C-17 o per qualsiasi altro velivolo. La qualifica riguarda una specifica combinazione di parte, processo, materiale, controlli e requisiti.

La stessa cautela vale per il contratto annunciato nel 2026 con Lockheed Martin relativo al programma JASSM: Machina ha ricevuto un qualification contract, cioè un incarico finalizzato alla qualificazione. Non va trasformato editorialmente in un contratto di produzione seriale già acquisito. Machina sta inoltre sviluppando Factory 3, impianto da circa 200.000 piedi quadrati progettato per ospitare fino a 50 celle RoboCraftsman e destinato principalmente a programmi defense. Le più recenti comunicazioni societarie collocano l’avvio della produzione avanzata nel 2027.

Freeform e Machina Labs a confronto: due problemi industriali differenti

Queste tecnologie non sono quindi necessariamente concorrenti. In un veicolo spaziale o in un sistema militare possono perfino essere complementari. Un collettore con condotti interni, un iniettore o un componente termico possono essere candidati ideali alla produzione additiva; una grande pelle aerodinamica, un pannello o una struttura sottile possono essere più adatti alla deformazione robotizzata di lamiera. La questione industrialmente interessante non consiste nel decidere quale tecnologia sia “migliore”, ma nell’individuare il processo capace di ridurre tempi, attrezzature e supply chain mantenendo proprietà metallurgiche, tolleranze e costi richiesti.

La fabbrica definita dal software non elimina la fisica

Il concetto condiviso da Freeform e Machina Labs è quello di software-defined manufacturing. Una fabbrica tradizionale viene spesso progettata attorno a macchinari e attrezzature fisiche fortemente specializzate. Cambiare prodotto può significare sostituire uno stampo, modificare una linea, realizzare nuove fixture o riprogrammare numerosi sistemi indipendenti. L’obiettivo delle nuove piattaforme è spostare una parte sempre maggiore di questa riconfigurazione verso software, modelli digitali, toolpath e parametri di processo.

Ciò non rende però la produzione equivalente al software. Nel mondo fisico rimangono usura degli utensili, dispersioni metallurgiche, contaminazioni, variazioni delle materie prime, deriva termica, calibrazione, manutenzione, deformazione, tensioni residue e tempi reali di movimentazione. L’intelligenza artificiale può aiutare a riconoscere, prevedere e compensare queste variazioni, ma non le elimina. Il vero risultato industriale sarà quindi misurato meno dalla quantità di AI dichiarata e più da parametri come yield, repeatability, OEE, costo per parte conforme, lead time, capacità di qualification e stabilità del processo su migliaia di componenti.

Il nodo della certificazione e della qualification

È proprio qui che aerospace e defense sono più impegnativi dell’industria di prototipazione. Un componente può essere geometricamente corretto senza essere qualificato. Un materiale può rispettare una composizione chimica senza garantire automaticamente le proprietà richieste nella parte finale. Un sistema di monitoraggio può identificare anomalie ma non sostituisce necessariamente tomografia, ultrasuoni, prove meccaniche o metallografia previste dal piano di controllo.

Machina Labs dichiara di avere raggiunto CMMC Level 2 nel dicembre 2025 e di essere registrata ITAR; la CMMC riguarda la protezione delle informazioni sensibili nel contesto della supply chain della difesa statunitense e non rappresenta una certificazione delle prestazioni meccaniche dei pezzi. L’azienda ha inoltre indicato nel 2026 il percorso verso AS9100D. Anche questa distinzione è essenziale: cybersecurity, sistema qualità, qualification di processo e approvazione di una singola parte sono livelli differenti.

Analogamente, l’accordo di Freeform con la Defense Innovation Unit costituisce un segnale significativo di interesse istituzionale e di valutazione della tecnologia per componenti space, ma non equivale alla certificazione universale del processo o di tutti i prodotti realizzati con Skyfall.

Perché il cluster della California meridionale conta

La caratteristica forse più interessante non è quindi una singola macchina, ma l’ambiente nel quale queste aziende stanno crescendo. La California meridionale dispone contemporaneamente di progettisti aerospace, specialisti di propulsione, metallurgisti, software engineer, fornitori della difesa, infrastrutture spaziali, università, capitale di rischio e una rete di tecnici provenienti dalle grandi aziende storiche e dalle startup della nuova space economy. La presenza di SpaceX ha inoltre prodotto un effetto di dispersione delle competenze: numerosi ex dipendenti hanno fondato o raggiunto nuove imprese che cercano di applicare al manufacturing la stessa logica di iterazione rapida utilizzata nello sviluppo dei sistemi spaziali.

Il risultato non è una semplice sostituzione dell’industria tradizionale con robot e AI. È piuttosto il tentativo di ridurre il costo economico del cambiamento: cambiare geometria senza costruire un nuovo stampo, cambiare produzione senza ricostruire una linea, individuare una deviazione durante il processo invece di scoprirla soltanto al controllo finale. È qui che Freeform e Machina Labs, pur utilizzando tecnologie molto differenti, finiscono per convergere.

Il passaggio decisivo sarà dalla flessibilità alla produzione ripetibile

Entrambe le aziende hanno ormai superato almeno alcune delle fasi tipiche della pura dimostrazione tecnologica. Freeform dichiara produzione continuativa di componenti e dispone di finanziamenti e programmi pubblici destinati a scalare la capacità; Machina ha portato una parte RoboFormed su un C-17 tornato in volo, ha contratti con organizzazioni della difesa e sta costruendo infrastrutture produttive più grandi. Tuttavia, la fase successiva è anche la più difficile: dimostrare che la flessibilità ottenuta a livello di prototipo o low-rate production può essere mantenuta quando il volume cresce.

La produzione industriale richiede process capability stabile, tempi ciclo prevedibili, manutenzione programmabile, supply chain delle materie prime, gestione delle non conformità e costi competitivi. Per Freeform significherà dimostrare che un’architettura con decine o centinaia di laser può aumentare drasticamente il throughput senza aumentare proporzionalmente complessità e variabilità. Per Machina significherà mostrare che la deformazione incrementale robotizzata può passare da programmi speciali e parti a basso volume a una produzione ripetibile su numerose celle.

È probabilmente questa, più che la generica etichetta di “AI manufacturing”, la parte più significativa del fenomeno. L’intelligenza artificiale diventa utile quando smette di essere il prodotto da mostrare e diventa uno degli strumenti invisibili con cui la fabbrica misura, corregge e documenta ciò che accade alla materia. La competizione non è quindi soltanto tra software e hardware o, per utilizzare l’immagine proposta da Erik Palitsch, tra “bit” e “atomi”. È la ricerca di un collegamento industrialmente affidabile fra i due.

Nota sul credito d’imposta R&D citato nell’articolo originale

L’articolo di Fabbaloo dedica una sezione significativa al credito d’imposta statunitense per attività di ricerca previsto dall’Internal Revenue Code Section 41. L’informazione di base è corretta: determinate piccole imprese qualificate possono eleggere fino a 500.000 dollari annui di research credit da utilizzare nei confronti di specifiche payroll taxes, nel rispetto dei requisiti previsti dalla normativa e tramite Form 6765 e Form 8974. Tuttavia questa parte va considerata separatamente dall’analisi tecnologica di Freeform e Machina Labs. L’autore Charles R. Goulding è fondatore e presidente di R&D Tax Savers, società specializzata proprio nei crediti fiscali R&D, affiliazione che Fabbaloo dichiara nella biografia dell’autore. Il pezzo non risulta contrassegnato come contenuto sponsorizzato, ma esiste quindi un evidente interesse professionale sul tema fiscale. Inoltre il semplice utilizzo di AI, robotica o additive manufacturing non rende automaticamente qualificabili le spese: l’ammissibilità dipende dalle specifiche attività di ricerca, dalle incertezze tecnologiche affrontate, dal processo sperimentale e dalla documentazione disponibile.

Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI).