La maggior parte dell’intelligenza artificiale generativa conosciuta dal grande pubblico lavora con parole, immagini, video, codice e suoni. Prometheus guarda invece a un territorio diverso: il mondo degli oggetti fisici, dei prodotti industriali, dei prototipi, delle simulazioni, dei test e della produzione.
La startup guidata da Jeff Bezos e Vik Bajaj ha raccolto 12 miliardi di dollari in un round Series B che porta la valutazione dell’azienda a circa 41 miliardi di dollari. È una cifra enorme anche per il settore dell’intelligenza artificiale, ma il punto più interessante non è solo finanziario. Prometheus vuole costruire quello che i fondatori definiscono un “artificial general engineer”, cioè un sistema capace di assistere o automatizzare parti importanti del processo ingegneristico che porta da un’idea a un prodotto fisico.
L’obiettivo dichiarato riguarda ambiti molto complessi: motori aeronautici, chip, dispositivi medici, prodotti elettronici, componenti industriali, sistemi automobilistici, applicazioni aerospaziali e perfino molecole farmaceutiche. In altre parole, non si parla di un normale assistente per scrivere documenti tecnici, ma di strumenti AI destinati alla progettazione, alla validazione e alla preparazione alla produzione.
Un’AI non per scrivere, ma per costruire
Prometheus parte da una domanda semplice solo in apparenza: perché la progettazione di un prodotto fisico richiede ancora anni, grandi team, molti cicli di prova e un costo elevato?
Nel software, l’intelligenza artificiale ha già modificato il modo in cui molte persone scrivono codice, generano bozze, controllano errori e accelerano parti del lavoro. Nel mondo industriale, però, il passaggio dall’idea all’oggetto resta molto più difficile. Un componente fisico deve rispettare vincoli meccanici, termici, elettrici, normativi, produttivi ed economici. Non basta che una forma “sembri corretta” su uno schermo: deve funzionare, resistere, essere realizzabile e superare test.
Un motore, una turbina, un dispositivo medico o un componente aerospaziale non possono essere trattati come una semplice immagine generata. Ogni scelta progettuale modifica materiali, costi, prestazioni, manutenzione, catena di fornitura e sicurezza. Per questo l’idea di Prometheus è più vicina a un nuovo ambiente di ingegneria assistita dall’AI che a un chatbot industriale.
Chi c’è dietro Prometheus
Prometheus è legata a due figure principali. La prima è Jeff Bezos, fondatore di Amazon e di Blue Origin, che con questa società torna a un ruolo operativo di primo piano. La seconda è Vik Bajaj, scienziato e imprenditore con un percorso tra ricerca, biotecnologie, salute digitale e investimenti deep tech.
Bajaj ha lavorato in ambiti dove scienza, dati e industria si incontrano. Ha cofondato Verily, la società di Alphabet nata nell’area delle scienze della vita, ed è stato coinvolto in realtà come GRAIL, Foresite Capital, Foresite Labs e Xaira Therapeutics. Questo profilo aiuta a capire perché Prometheus non sembra nascere solo come azienda software, ma come tentativo di collegare AI, scienza applicata e produzione.
Attorno alla società si sono mossi investitori di grande peso: JPMorgan, BlackRock, Goldman Sachs, DST Global, Arch Venture Partners e lo stesso Bezos. La dimensione del finanziamento indica che il progetto richiederà infrastrutture costose, grandi quantità di calcolo, personale altamente specializzato e accesso a dati industriali non semplici da ottenere.
Il nodo dei dati industriali
I grandi modelli linguistici sono stati addestrati usando enormi quantità di testo, codice e altri contenuti digitali disponibili in rete o in archivi privati. Per la manifattura il problema è diverso. Non esiste un equivalente semplice dell’“Internet dei dati industriali”.
I dati utili per addestrare un sistema come Prometheus sono dispersi in aziende, laboratori, reparti di progettazione, archivi CAD, sistemi PLM, report di simulazione, prove di collaudo, sensori, documentazione di fabbrica e database di qualità. Molti di questi dati sono proprietari, riservati, incompleti o legati a formati differenti.
Un file CAD, da solo, non racconta tutto. Serve sapere perché quella geometria è stata scelta, quali vincoli doveva rispettare, quali alternative sono state scartate, quali test ha superato, quali materiali sono stati usati, quali problemi sono emersi durante la produzione e come il pezzo si è comportato sul campo.
Questo è uno dei punti più difficili per Prometheus. Per costruire un “ingegnere artificiale” credibile non basta raccogliere geometrie. Bisogna collegare progettazione, fisica, materiali, macchine, processi e feedback reali. La qualità dei dati sarà quindi decisiva quanto la potenza dei modelli.
Perché il progetto può interessare la stampa 3D
La manifattura additiva entra in questo discorso in modo naturale. La stampa 3D è già usata per prototipazione, attrezzaggi, componenti leggeri, parti personalizzate, geometrie complesse e piccole serie. Se un sistema AI riuscisse ad accorciare il ciclo tra idea, progettazione, simulazione e produzione, le tecnologie additive potrebbero diventare uno degli strumenti principali per testare e realizzare nuove soluzioni.
In un flusso industriale tradizionale, il progettista crea un modello, lo simula, produce un prototipo, lo testa, modifica il progetto e ripete il ciclo. La stampa 3D ha già ridotto alcuni tempi, perché permette di passare più rapidamente dal file al pezzo. Un sistema come quello immaginato da Prometheus potrebbe intervenire ancora prima, nella generazione delle soluzioni, nella scelta dei materiali, nella preparazione delle geometrie e nella verifica della producibilità.
Per la stampa 3D questo potrebbe significare più progetti ottimizzati per la produzione additiva, più uso di strutture reticolari, canali interni, alleggerimenti, consolidamento di parti e componenti adattati alla macchina. Potrebbe anche significare una maggiore attenzione alla fase di post-processing, certificazione e controllo qualità, perché l’AI dovrebbe considerare non solo la forma stampata, ma l’intero percorso fino al componente finito.
Dal CAD all’ingegneria assistita dall’AI
I software CAD hanno già cambiato l’ingegneria rispetto al disegno manuale. Poi sono arrivati simulazione, generative design, ottimizzazione topologica, sistemi PLM e strumenti di collaborazione. Prometheus sembra collocarsi nel passo successivo: non solo disegnare meglio, ma aiutare a decidere cosa disegnare, come verificarlo e come portarlo in produzione.
La differenza è sottile ma importante. Un CAD tradizionale esegue ciò che l’utente gli chiede. Un sistema più avanzato potrebbe proporre alternative, confrontare soluzioni, suggerire geometrie, valutare compromessi tra peso e resistenza, stimare costi, preparare varianti e collegare i risultati ai dati di produzione.
Nel settore della stampa 3D questo approccio avrebbe conseguenze pratiche. Oggi molti pezzi vengono ancora progettati con logiche nate per fresatura, stampaggio o lavorazioni sottrattive. Un ambiente AI potrebbe aiutare a ripensare il componente in funzione del processo additivo, suggerendo geometrie più adatte e segnalando problemi prima della stampa.
Non solo robot e fabbriche automatiche
Prometheus non va letta semplicemente come una società di robotica o automazione di fabbrica. Il suo obiettivo dichiarato è più a monte: intervenire nella fase in cui si decide come un prodotto viene concepito, progettato, testato e preparato per essere costruito.
Questo è un punto importante. L’automazione industriale tradizionale lavora spesso sulla produzione: robot che saldano, macchine che assemblano, linee che controllano qualità. Prometheus sembra invece interessata al ciclo che precede e accompagna la produzione: definizione del progetto, simulazione, prototipazione, scelta del processo, ottimizzazione e scalabilità.
La fabbrica resta fondamentale, ma non è l’unico problema. Se il progetto nasce male, anche la fabbrica più automatizzata produce un oggetto sbagliato. Se il progetto nasce già tenendo conto di materiali, macchine e collaudi, il percorso verso il prodotto finito può diventare più corto e meno costoso.
Il caso dei motori e dei prodotti ad alta complessità
Bezos ha citato l’esempio di un motore aeronautico. Anche una modifica apparentemente semplice, come ottenere più spinta da un motore esistente, può richiedere anni di lavoro. Non perché gli ingegneri siano lenti, ma perché un motore è un sistema estremamente interdipendente.
Aumentare una prestazione può modificare temperature, vibrazioni, materiali, consumi, affidabilità, manutenzione e sicurezza. Ogni cambiamento deve essere analizzato, simulato, testato e certificato. Questo vale anche per molti altri settori: dispositivi medici, auto, chip, turbine, impianti industriali e componenti spaziali.
Un “artificial general engineer” dovrebbe agire proprio su questi cicli lunghi, non sostituendo magicamente ogni passaggio, ma aiutando a generare e selezionare soluzioni con maggiore rapidità. La parte più difficile sarà dimostrare che le proposte dell’AI siano affidabili, verificabili e utilizzabili in ambienti regolati.
L’acquisizione di General Agents
Un elemento interessante nella storia iniziale di Prometheus è l’acquisizione di General Agents, una startup specializzata in sistemi agentici capaci di controllare un computer e svolgere azioni in autonomia in base a comandi dell’utente.
Questo dettaglio suggerisce che Prometheus potrebbe non limitarsi a generare modelli o simulazioni, ma puntare anche su agenti software capaci di muoversi tra strumenti diversi: CAD, simulatori, sistemi di gestione dati, ambienti di calcolo, database aziendali e piattaforme di produzione.
Nel lavoro ingegneristico reale, l’informazione è raramente concentrata in un solo software. Un progettista passa da CAD a fogli di calcolo, da report di simulazione a documenti di specifica, da piattaforme PLM a sistemi ERP, da schede materiali a dati di collaudo. Un agente AI utile dovrebbe saper collegare questi ambienti senza perdere il contesto tecnico.
Cosa manca ancora
Per ora Prometheus non ha spiegato in dettaglio come addestrerà i propri modelli, quali dati userà, quali prodotti offrirà, quando arriveranno i primi strumenti commerciali e quali settori saranno serviti per primi. Il sito ufficiale pubblico è essenziale e non fornisce una descrizione tecnica approfondita.
Questa mancanza di dettagli impone prudenza. La cifra raccolta è enorme, ma non equivale a un prodotto già maturo. La promessa di accelerare l’ingegneria fisica deve ancora essere verificata su casi concreti, con clienti reali, vincoli reali e risultati misurabili.
Nel mondo industriale, un sistema AI non può essere valutato solo per la qualità di una risposta. Deve produrre risultati ripetibili, tracciabili e verificabili. Deve gestire errori, incertezze, vincoli normativi e responsabilità. Deve anche integrarsi con procedure aziendali già esistenti, spesso costruite in anni di esperienza.
Il tema della responsabilità
Quando un’AI scrive un testo sbagliato, il danno può essere limitato. Quando un’AI suggerisce un componente meccanico sbagliato, le conseguenze possono essere molto più serie. Questo rende l’ingegneria fisica un campo diverso rispetto alla generazione di contenuti.
Chi sarà responsabile di una geometria proposta dall’AI? Come verrà validata una soluzione? Quali prove saranno necessarie? Come verranno gestiti i dati proprietari delle aziende? Come si eviterà che un modello suggerisca una soluzione non producibile o non conforme alle norme?
Queste domande non sono ostacoli teorici. Sono parte del lavoro quotidiano in aerospazio, medicale, automotive, energia e produzione industriale. Per questo Prometheus dovrà probabilmente posizionarsi prima come strumento di supporto agli ingegneri, più che come sostituto completo del lavoro umano.
Più ingegneri o meno ingegneri?
Il nome “artificial general engineer” può far pensare a una sostituzione diretta degli ingegneri. Bezos e Bajaj sostengono invece che l’obiettivo sia aumentare la capacità delle persone di progettare e costruire. È una visione ottimista: se il ciclo dall’idea al prodotto diventa più breve, più gruppi potrebbero tentare progetti che oggi sarebbero troppo costosi o troppo lenti.
La questione resta aperta. Alcune attività ripetitive, come preparazione di varianti, analisi preliminari, documentazione, controlli geometrici e generazione di configurazioni, potrebbero essere automatizzate. Altre attività potrebbero cambiare forma: l’ingegnere diventerebbe più supervisore, validatore, integratore e decisore.
Nel medio periodo, il risultato dipenderà da come questi strumenti verranno adottati. Se usati bene, possono ridurre lavoro meccanico e aumentare il tempo dedicato a scelte progettuali di valore. Se usati male, possono produrre dipendenza da sistemi difficili da interpretare.
Perché i produttori di stampanti 3D dovrebbero osservare Prometheus
Per le aziende della stampa 3D, Prometheus non è un concorrente diretto. Non vende stampanti, materiali o servizi di stampa. Ma potrebbe influenzare la domanda di tecnologie produttive.
Se più prodotti venissero progettati con cicli più rapidi, la prototipazione additiva potrebbe crescere. Se l’AI riuscisse a generare geometrie complesse e ottimizzate, aumenterebbe la necessità di macchine capaci di produrle. Se i flussi digitali integrassero simulazione, materiali e processi, la stampa 3D potrebbe essere scelta più spesso quando offre un vantaggio reale.
Ciò riguarda sia i polimeri sia i metalli. Nei metalli, l’AI potrebbe aiutare nella gestione di strutture leggere, scambiatori di calore, parti aerospaziali e componenti con canali interni. Nei polimeri, potrebbe accelerare maschere, attrezzaggi, dispositivi personalizzati, contenitori tecnici e parti funzionali. Nella biofabbricazione e nel medicale, il discorso diventa ancora più complesso, ma anche più interessante.
Una spinta verso flussi digitali più completi
La stampa 3D funziona bene quando il flusso digitale è solido. File corretti, materiali qualificati, parametri validati, tracciabilità, simulazioni e controlli sono essenziali. Un sistema come quello immaginato da Prometheus potrebbe aiutare a collegare queste fasi, ma solo se i dati di processo sono disponibili e affidabili.
Per molti service di stampa 3D, il problema non è solo produrre il pezzo. È ricevere file progettati male, correggere geometrie, spiegare al cliente perché una forma non è stampabile, modificare spessori, orientamenti e supporti. Un’AI capace di comprendere vincoli produttivi potrebbe ridurre una parte di questi problemi a monte.
Questo non eliminerebbe il ruolo del service o dell’esperto di processo. Al contrario, potrebbe valorizzare chi possiede dati e competenze reali. Le macchine producono informazioni preziose: fallimenti, deformazioni, parametri, tempi, consumi, trattamenti, qualità superficiale e risultati di test. Questi dati potrebbero diventare fondamentali per addestrare e migliorare sistemi di ingegneria assistita.
Un progetto da seguire con attenzione, senza facili entusiasmi
Prometheus è uno dei tentativi più ambiziosi di portare l’intelligenza artificiale fuori dal dominio dei contenuti digitali e dentro la produzione fisica. Il capitale raccolto, i nomi coinvolti e l’ampiezza degli obiettivi spiegano perché il progetto abbia attirato attenzione.
Allo stesso tempo, l’ingegneria industriale non perdona scorciatoie. Un modello AI può proporre soluzioni, ma un prodotto fisico deve superare test, normative, costi, materiali, fornitori e condizioni d’uso. Il percorso tra una dimostrazione e un sistema adottato su larga scala è lungo.
Per la manifattura additiva, Prometheus rappresenta un segnale da osservare. Se l’AI riuscirà a comprimere il ciclo idea-prototipo-produzione, la stampa 3D potrebbe diventare ancora più centrale nei processi di sviluppo. Non perché ogni prodotto debba essere stampato in 3D, ma perché la produzione additiva è una delle tecnologie più adatte a trasformare rapidamente un progetto digitale in un oggetto fisico.
La domanda vera non è se Prometheus sostituirà gli ingegneri. La domanda è se riuscirà a costruire strumenti affidabili per far lavorare meglio ingegneri, progettisti, ricercatori e produttori. Se questo accadrà, l’impatto non si fermerà al software: arriverà nei laboratori, nei reparti di prototipazione, nelle officine, nei service di stampa 3D e nelle fabbriche che trasformano idee in prodotti.
