Mercato dell'IA edge Dimensioni e quota 2026-2035

Dimensione del mercato dell'IA edge

Il mercato dell'IA edge era valutato a 25,2 miliardi di dollari USA nel 2025 e si prevede che raggiunga 225,5 miliardi di dollari USA entro il 2035, con un tasso di crescita annuo composto (CAGR) di circa il 24,7% dal 2026 al 2035. Il valore previsto per il 2026 è pari a 30,9 miliardi di dollari USA.

L'IA edge sposta l'esecuzione dei modelli dall'infrastruttura centralizzata a dispositivi, gateway e server locali situati in prossimità della fonte dei dati. Questa architettura è importante quando una decisione operativa non può attendere un viaggio di andata e ritorno verso il cloud, quando la trasmissione dei dati grezzi è costosa o quando è richiesta la gestione locale dei dati sensibili ^{[1]IGI Global - The Edge Revolution: Transitioning From Cloud-First to Edge-First Methodologies, 2024 - doi.org}.

La crescita si basa sull'ampliamento delle prestazioni disponibili per il computing integrato, anziché sulla semplice sostituzione della capacità cloud con hardware locale. Il portafoglio edge di Intel comprende i prodotti Core Ultra, Core, Atom, Arc e Gaudi 3 ^{[2]Intel Newsroom - Intel Unveils Next-Generation AI Solutions with the Launch of Xeon 6 and Gaudi 3, September 2024 - newsroom.intel.com}. Queste piattaforme consentono ai fornitori di integrare inferenza, ottimizzazione dei modelli, gestione delle flotte e sincronizzazione con il cloud in un'unica piattaforma operativa. La conseguenza pratica è un insieme più ampio di carichi di lavoro indirizzabili: le linee di produzione, le apparecchiature mobili, i dispositivi clinici e le strutture remote possono mantenere la reattività locale continuando a utilizzare formazione e governance centralizzate.

Il rapporto prezzo-prestazioni sta modificando la soglia di implementazione dell'inferenza integrata. Un costo di ingresso inferiore non elimina il lavoro di integrazione, ma rende più accessibili le valutazioni economiche dei progetti pilota per gli OEM industriali e gli sviluppatori. Nella fascia alta, gli acquirenti aziendali valutano congiuntamente densità di calcolo, memoria, limiti termici e supporto durante il ciclo di vita; un dispositivo edge che non può essere aggiornato in modo sicuro o convalidato su un'intera flotta può trasformare un benchmark solido in una costosa responsabilità operativa.

La tensione commerciale nel breve termine deriva dal fatto che l'hardware per sviluppatori a costi inferiori amplia la sperimentazione, mentre le implementazioni in produzione richiedono livelli di affidabilità più elevati. Gli acquirenti operanti in contesti sensibili sotto il profilo della sicurezza o regolamentati distingueranno pertanto tra una prova di fattibilità e un'architettura implementabile sulla base di sicurezza, aggiornabilità e comportamento convalidato. Questa distinzione sostiene la crescita sia dei moduli ad alte prestazioni sia dei livelli circostanti di software e integrazione.

Principali fattori di crescita

Proliferazione degli endpoint connessi e dei carichi di lavoro di IA operativa

La base installata di apparecchiature connesse sta trasformando l’IA edge da architettura specialistica in un’estensione della tecnologia operativa. Le connessioni IoT hanno raggiunto 18,5 miliardi alla fine del 2024, comprese 10,7 miliardi di connessioni aziendali; GSMA prevede che le connessioni IoT aziendali più che raddoppino entro il 2030 ^{[3]GSMA - 5G Momentum Continues with 1.6 Billion Connections Worldwide, Rising to 5.5 Billion by 2030, 2024 - gsma.com}. Un insieme di sensori diventa un’opportunità per l’IA edge solo quando deve supportare una decisione che trae vantaggio dall’interpretazione locale, ad esempio rilevare un difetto, assegnare la priorità a un allarme o controllare una macchina. Questo requisito collega direttamente la domanda a telecamere, controllori industriali, dispositivi di monitoraggio medico e robot mobili, anziché alla sola connettività generica.

5G e infrastruttura cloud ibrida

Il 5G fornisce il livello di rete per i carichi di lavoro che richiedono il coordinamento tra numerosi nodi locali senza fare del cloud il punto di controllo in tempo reale. Le connessioni 5G globali hanno raggiunto 2,25 miliardi al end-2024, mentre la copertura della popolazione nordamericana ha raggiunto il 77% ^{[4]BusinessWire / 5G Americas - Global 5G Adoption Skyrockets to 2.25 Billion, Four Times Faster Than 4G, March 2025 - businesswire.com}. Le reti private rafforzano questa proposta di valore nei porti, negli stabilimenti e nei campus, dove una connettività prevedibile supporta l’analisi multi-camera, il coordinamento delle macchine e l’elaborazione locale. Verizon Business, Nokia e Thames Freeport hanno annunciato l’implementazione di una rete privata 5G multi-sito per l’analisi basata sull’IA, l’IoT e l’edge computing in siti logistici e manifatturieri.

L’adozione del cloud rimane complementare, non competitiva, rispetto all’IA edge. I modelli possono essere addestrati centralmente, ottimizzati per i vincoli dei dispositivi e quindi implementati e gestiti localmente. L’integrazione di Microsoft Azure IoT Operations con Siemens Industrial Edge dimostra come un piano di controllo cloud possa connettere la tecnologia informatica e la tecnologia operativa, mantenendo l’inferenza sensibile alla latenza vicino al processo produttivo. Questo modello ibrido riduce gli ostacoli architetturali per le aziende che hanno già investito nell’IA cloud e genera ulteriore domanda di hardware locale e servizi di integrazione.

Formazione di capitale e investimenti nelle piattaforme aziendali

Gli investimenti stanno ampliando sia le opzioni disponibili in termini di silicio sia il software operativo necessario per utilizzarle. Qualcomm ha registrato ricavi per 39,0 miliardi di dollari USA nell’esercizio 2024 e ha fissato un obiettivo di ricavi IoT pari a 14 miliardi di dollari USA per l’esercizio 2029, mentre SiMa.ai ha raccolto ulteriori 70 milioni di dollari USA nell’aprile 2024, portando i finanziamenti cumulativi a 270 milioni di dollari USA. IBM e Qualcomm hanno inoltre ampliato la loro collaborazione nel febbraio 2025 per combinare le funzionalità di governance con le soluzioni di inferenza edge di Qualcomm. L’importanza non risiede soltanto nel volume dei finanziamenti: gli strumenti di governance, compressione e implementazione riducono il rischio associato allo spostamento dei modelli al di fuori di ambienti cloud controllati.

Principali fattori limitanti

Esposizione a rischi di sicurezza, privacy e conformità

L’elaborazione locale può ridurre il trasferimento di dati grezzi, ma distribuisce il rischio tra dispositivi che possono essere fisicamente accessibili e difficili da aggiornare. I sistemi edge possono essere esposti a manomissioni del firmware, estrazione dei modelli, input avversari e compromissione dello storage locale.L'apprendimento federato non elimina il problema; i gradienti scambiati durante l'addestramento possono comunque esporre informazioni attraverso attacchi di inversione o di inferenza dell'appartenenza. La progettazione della sicurezza incide pertanto sul costo totale di implementazione attraverso hardware root of trust, crittografia, gestione degli accessi e monitoraggio, in particolare nei settori sanitario e dei servizi finanziari e nelle infrastrutture critiche.

La conformità introduce un vincolo temporale per gli approvvigionamenti in Europa. Il regolamento europeo sull'intelligenza artificiale è entrato in vigore nel 2024; le pratiche vietate hanno iniziato ad applicarsi nel febbraio 2025, gli obblighi relativi all'IA per finalità generali nell'agosto 2025 e i requisiti per molti sistemi ad alto rischio sono previsti a partire dall'agosto 2027. Le implementazioni edge che coinvolgono l'identificazione biometrica, i dispositivi medici o le infrastrutture critiche potrebbero di conseguenza richiedere una documentazione più completa, una supervisione umana e controlli successivi all'immissione sul mercato più rigorosi. L'inferenza locale può contribuire alla minimizzazione dei dati, ma non sostituisce la governance dei dati di addestramento, degli aggiornamenti dei modelli o degli accessi degli operatori.

Complessità dell'interoperabilità e della gestione delle flotte

Le aziende gestiscono raramente un parco edge omogeneo. PC industriali basati su CPU, gateway ARM, GPU, FPGA e NPU comportano runtime, compilatori, vincoli di memoria e percorsi di convalida differenti. La ricerca sull'intelligenza edge eterogenea identifica questa diversità hardware e software come una sfida centrale a livello di sistema. ONNX migliora l'intercambiabilità dei modelli, ma non garantisce latenza, accuratezza o consumo di risorse identici dopo la compilazione di un modello per target differenti.

Tale disallineamento aumenta il costo dell'espansione oltre un progetto pilota circoscritto. Un acquirente può standardizzare le operazioni su un unico fornitore, ma ciò può indebolire la resilienza della catena di fornitura e il potere negoziale. Al contrario, una strategia multi-fornitore richiede competenze MLOps per testare, implementare, monitorare e ripristinare i modelli nell'intera flotta. La domanda di servizi rimane pertanto sostenuta dalla frammentazione, anche se l'automazione migliora l'efficienza delle implementazioni.

Gli obblighi graduali previsti dal regolamento europeo sull'intelligenza artificiale rendono tale distinzione commercialmente rilevante fino al 2027. È probabile che i fornitori in grado di documentare il comportamento dei modelli, gestire gli aggiornamenti e integrarsi negli ambienti industriali si aggiudichino prima la spesa dei settori regolamentati. Gli specialisti di nicchia dei semiconduttori possono ancora ottenere commesse di progettazione nei casi in cui l'efficienza energetica o l'adeguatezza al carico di lavoro siano determinanti, ma la loro possibilità di crescere dipende sempre più da strumenti interoperabili e da partnership di governance credibili.

Analisi per segmento del mercato dell'IA edge

Per componente

L'hardware rappresenta il componente principale, passando da 10,17 miliardi di dollari USA nel 2024 a 11,90 miliardi di dollari USA nel 2025 e raggiungendo, secondo le previsioni, 111,39 miliardi di dollari USA entro il 2035, con un tasso di crescita annuo composto (CAGR) di circa il 25,3%. Le GPU sono destinate ai carichi di lavoro di visione ad alto throughput, multimodali e di robotica; gli ASIC privilegiano prestazioni deterministiche ed efficienza energetica per attività stabili e ad alto volume; le CPU estendono l'inferenza alle apparecchiature industriali e aziendali installate; gli FPGA mantengono la loro rilevanza quando la riconfigurabilità o percorsi dati specializzati giustificano la loro complessità. La scelta commerciale dipende pertanto dal carico di lavoro. L'ecosistema Jetson di NVIDIA ha consolidato un'ampia base di sviluppatori e clienti per l'IA embedded ad alte prestazioni, mentre Intel posiziona il proprio portafoglio di CPU, GPU, NPU e acceleratori su diversi livelli edge.

Si prevede che il software cresca da 8,14 miliardi di dollari USA nel 2025 a 71,93 miliardi di dollari USA nel 2035, con un CAGR di circa il 24,5%. Il suo ruolo consiste nel tradurre le prestazioni dei modelli in affidabilità a livello di flotta attraverso l'ottimizzazione, la gestione del runtime, l'osservabilità e i flussi di aggiornamento. Sebbene si preveda che i servizi crescano più lentamente, con un CAGR di circa il 23,5%, il loro valore aumenterà da 5,17 miliardi di dollari USA a 42,16 miliardi di dollari USA, poiché le aziende richiedono progettazione dell'architettura, integrazione, test, rafforzamento della sicurezza e manutenzione negli ambienti IT/OT.

Per applicazione

La videosorveglianza ha generato 6,63 miliardi di dollari USA nel 2025 e si prevede che raggiunga 48,40 miliardi di dollari USA entro il 2035. Il segmento beneficia dei vantaggi economici immediati derivanti dal filtraggio e dall'interpretazione locale di grandi volumi di video, anziché dalla trasmissione di ogni flusso a un ambiente remoto. Un'implementazione contrattualizzata del valore di 56 milioni di dollari USA, riguardante oltre 250.000 endpoint di videosorveglianza intelligenti nel Sud-est asiatico, illustra la scala alla quale vengono oggi acquistate le infrastrutture video edge ^{[5]BusinessWire / Wedbush - Blaize Secures $56M Edge AI Deployment Across Southeast Asia's Smart Infrastructure, June 2025 - investor.wedbush.com}. Tuttavia, il CAGR di circa il 21,8% del segmento è inferiore a quello del mercato complessivo, poiché il segmento sta maturando ed è sottoposto a controlli più rigorosi in materia di biometria e gestione degli spazi pubblici.

Il monitoraggio remoto e la manutenzione predittiva sono più strettamente legati agli apparati di sensori esistenti. Si prevede che il monitoraggio remoto aumenti da 2,16 miliardi di dollari USA nel 2025 a 11,49 miliardi di dollari USA nel 2035, mentre la manutenzione predittiva crescerà da 3,24 miliardi di dollari USA a 21,31 miliardi di dollari USA. Un framework pubblicato per la manutenzione predittiva edge-cloud ha rilevato una latenza, un consumo energetico e un utilizzo della larghezza di banda inferiori rispetto a un approccio basato esclusivamente sul cloud ^{[6]MDPI Sensors - Edge-Cloud Synergy for AI-Enhanced Sensor Network Data: A Real-Time Predictive Maintenance Framework, December 2024 - mdpi.com}. Il caso d'acquisto rilevante riguarda la riduzione dei tempi di inattività e un intervento locale più rapido, non semplicemente l'aggiunta di una funzionalità di IA ai dati di telemetria.

La categoria Altro, che comprende sistemi autonomi e robotica, è la più ampia per applicazione, con un valore di 11,19 miliardi di dollari USA nel 2025; si prevede che raggiunga 144,28 miliardi di dollari USA entro il 2035. Questi carichi di lavoro attribuiscono un valore maggiore all'elaborazione a bordo, poiché un robot, un veicolo o una macchina autonoma deve percepire e agire nonostante la connettività incerta. Ciò favorisce architetture in grado di eseguire localmente diverse pipeline di sensori e modelli, utilizzando il cloud per l'apprendimento a livello di flotta e l'analisi retrospettiva.

Per utilizzo finale

Nel 2025 il settore manifatturiero rimane il principale utilizzo finale tra quelli denominati, con un valore di 5,57 miliardi di dollari USA, e raggiungerà 37,68 miliardi di dollari USA entro il 2035. La spesa per l'IA edge nel settore è legata al controllo qualità, al controllo dei processi, alla manutenzione e all'intralogistica, dove l'inferenza deve rispettare i tempi del ciclo produttivo. Si prevede che il settore sanitario cresca più rapidamente, passando da 3,19 miliardi di dollari USA a 39,42 miliardi di dollari USA, con un CAGR di circa il 28,8%, poiché l'elaborazione locale è coerente con il monitoraggio continuo, il funzionamento offline e la gestione dei dati sensibili. Il settore BFSI passerà da 2,16 miliardi di dollari USA a 24,83 miliardi di dollari USA, con l'inferenza on-premise rilevante per la prevenzione delle frodi, la sicurezza e i flussi controllati dei dati dei clienti.

Si prevede che il commercio al dettaglio e l'e-commerce raggiungano 24,17 miliardi di dollari USA nel 2035, rispetto ai 2,31 miliardi di dollari USA del 2025, mentre il settore dei trasporti e della logistica crescerà da 2,96 miliardi di dollari USA a 35,26 miliardi di dollari USA.

Entrambi i segmenti dipendono da decisioni prese nel punto fisico dell'attività: analisi degli scaffali e delle casse nei negozi, nonché navigazione, instradamento o movimentazione automatizzata nella logistica. Il settore governativo, pari a 2,20 miliardi di dollari USA nel 2025 e a 10,59 miliardi di dollari USA nel 2035, cresce più lentamente perché i requisiti di approvvigionamento e garanzia prolungano i cicli di adozione. Le telecomunicazioni utilizzano l'intelligenza artificiale edge per l'ottimizzazione delle reti e l'erogazione di servizi edge, passando da 1,12 miliardi di dollari USA a 7,19 miliardi di dollari USA. La categoria combinata Altro per utilizzo finale, che comprende energia e servizi di pubblica utilità, oltre a media e intrattenimento, aumenta da 5,69 miliardi di dollari USA a 46,33 miliardi di dollari USA.

Il CAGR previsto del settore sanitario, pari al 28,8%, e quello dei trasporti e della logistica, pari a circa il 28,3%, indicano una condizione comune: guasti, ritardi o trasferimenti di dati possono comportare costi operativi elevati. Al contrario, le implementazioni mature di monitoraggio e sorveglianza devono dimostrare il valore incrementale attraverso avvisi più efficaci, un minore utilizzo della larghezza di banda o un funzionamento conforme alle normative. I fornitori che abbinano hardware efficiente dal punto di vista energetico a un flusso di lavoro operativo definito in modo circoscritto dovrebbero disporre di un percorso più chiaro verso volumi produttivi rispetto a quelli che vendono capacità generiche di intelligenza artificiale edge.

Analisi regionale globale del mercato dell'intelligenza artificiale edge

Asia-Pacifico

Si prevede che l'Asia-Pacifico sarà il mercato in più rapida crescita, passando da 8,50 miliardi di dollari USA nel 2025 a 82,07 miliardi di dollari USA nel 2035, con un CAGR di circa il 28,7%. La Cina è il principale mercato nazionale della regione, con 3,87 miliardi di dollari USA nel 2025. Il suo contesto di implementazione combina un'infrastruttura densamente interconnessa di dispositivi, una scala industriale e un orientamento politico volto a sviluppare capacità nazionali nel campo dell'intelligenza artificiale; il Carnegie Endowment rileva la tensione politica tra l'accelerazione dello sviluppo dell'intelligenza artificiale e il mantenimento del controllo statale ^{[7]Carnegie Endowment for International Peace - China's AI Policy at the Crossroads: Balancing Development and Control, July 2025 - carnegieendowment.org}. L'India aggiunge un diverso vettore di crescita attraverso la missione IndiaAI, che ha stanziato 10.372 crore di INR e annunciato l'accesso a 18.693 GPU per la ricerca e le startup ^{[8]The Hindu - India to build foundational AI model in months, GPUs to be made available to start-ups, academia at subsidised rates, 2025 - thehindu.com}. Giappone, Corea del Sud, Australia, Singapore, Thailandia, Indonesia e Vietnam ampliano la domanda regionale attraverso la robotica, gli ecosistemi dei semiconduttori, gli investimenti nelle smart city e l'espansione della capacità produttiva.

Nord America

Il Nord America è il principale mercato regionale nel 2025, con 9,49 miliardi di dollari USA, e si prevede che raggiunga 84,78 miliardi di dollari USA entro il 2035, con un CAGR di circa il 27,5%. Gli Stati Uniti rappresentano 8,66 miliardi di dollari USA nel 2025, mentre il Canada ne rappresenta 829 milioni. Il vantaggio della regione risiede nella densità dell'ecosistema: riunisce fornitori di semiconduttori, piattaforme cloud, framework software e adottanti aziendali in grado di passare dai progetti pilota a flotte gestite. L'ampia copertura 5G rafforza il contesto per le applicazioni logistiche, industriali e sanitarie, ma le decisioni di implementazione dipendono ancora dalla criticità del carico di lavoro e dai controlli di sicurezza, non dalla sola disponibilità della rete.

Europa

L’Europa passerà da 5,05 miliardi di dollari USA nel 2025 a 43,07 miliardi di dollari USA nel 2035, con un CAGR di circa il 26,9%. La Germania, con 1,37 miliardi di dollari USA nel 2025, è centrale per i casi d’uso nell’automazione industriale e beneficia dell’integrazione edge industriale tra Siemens e Microsoft. Nel Regno Unito, in Francia, Italia, Spagna, Russia, Norvegia, Paesi Bassi e Svezia, i requisiti normativi incidono sulla selezione dei prodotti tanto quanto le prestazioni tecniche. Il Cyber Resilience Act introduce obblighi di comunicazione a partire da settembre 2026 e requisiti di conformità più ampi da dicembre 2027, rendendo la manutenzione della sicurezza e la documentazione del prodotto parte della proposta di valore dei fornitori.

America Latina

Si prevede che l’America Latina cresca da 826 milioni di dollari USA nel 2025 a 6,31 miliardi di dollari USA nel 2035. Il Brasile, con 357 milioni di dollari USA, sostiene la domanda attraverso i casi d’uso nei settori manifatturiero, logistico e dei servizi finanziari, mentre Messico e Argentina aggiungono opportunità legate alla digitalizzazione dei settori industriale e dei servizi. La base 5G della regione è in una fase iniziale di diffusione, con 76 milioni di connessioni e 53 reti commerciali nel 2024. Ciò favorisce implementazioni con un ritorno locale chiaro, come l’ispezione degli stabilimenti e i controlli dell’identità o delle transazioni, prima che le architetture edge a maggiore intensità di rete si diffondano su vasta scala.

MEA

La regione MEA passerà da 1,33 miliardi di dollari USA nel 2025 a 9,24 miliardi di dollari USA nel 2035. Arabia Saudita ed Emirati Arabi Uniti sono i mercati più rilevanti; nel 2025 gli Emirati Arabi Uniti sono valutati a 353 milioni di dollari USA. L’implementazione, avviata nel febbraio 2025 da Aramco Digital, Armada e Microsoft, di centri dati edge distribuiti nelle attività operative di Saudi Aramco dimostra un modello di domanda plasmato dalle attività energetiche, dalla sovranità dei dati e dalla resilienza. Sudafrica e Turchia contribuiscono alla domanda attraverso i settori dei servizi finanziari, minerario, delle telecomunicazioni, manifatturiero e della logistica.

Il calendario normativo europeo crea un onere di qualificazione nel breve periodo, ma può favorire i fornitori che rendono operativi, anziché facoltativi, la manutenzione della sicurezza, la verificabilità e i controlli del ciclo di vita. Nella regione MEA, le implementazioni nei settori energetico e industriale creano un caso distintivo a favore della resilienza per l’inferenza locale, come dimostrato dall’implementazione del cloud distribuito in Arabia Saudita. La strategia regionale dovrebbe quindi dare priorità alla conformità locale e ai partner di integrazione, anziché a un’implementazione uniforme del prodotto.

Quota di mercato dell’IA edge e panorama competitivo

Nel 2025 Qualcomm deteneva una quota di mercato del 15,6%, seguita da NVIDIA con il 9,3% e da Intel con l’8,8%; gli altri partecipanti rappresentavano complessivamente circa il 66,3%. Qualcomm compete attraverso le piattaforme Snapdragon e Dragonwing nei segmenti mobile, industriale e IoT, sostenuta da investimenti nell’IA on-device. La posizione di NVIDIA è incentrata sull’elaborazione embedded ad alte prestazioni e sul relativo ecosistema di sviluppatori, mentre Intel opera nei comparti dei PC edge, degli acceleratori e degli strumenti di ottimizzazione. La distribuzione delle quote di mercato evidenzia che nessuna singola architettura è in grado di soddisfare tutti i requisiti di potenza, latenza, costo e certificazione.

I fornitori di piattaforme influenzano il contesto competitivo in modo diverso dai produttori di chip.

Microsoft e AWS offrono funzionalità di gestione dal cloud all'edge, Alphabet (Google) ha promosso la tecnologia NPU Coral e partnership nell'ecosistema, mentre IBM combina la governance con funzionalità di implementazione dall'edge al cloud. Apple Inc. compete attraverso il silicio e il software strettamente integrati nei dispositivi consumer, mentre Huawei Technologies opera attraverso il proprio ecosistema hardware e software nei mercati in cui è presente. Queste aziende possono influenzare le scelte relative ai runtime e ai modelli anche quando non vendono la stessa categoria di moduli embedded.

Gli operatori regionali si concentrano sul livello fisico e operativo dell'implementazione. ADLINK Technology Inc., Synaptics Incorporated, Gorilla Technology Group, Robert Bosch GmbH, Siemens AG, Dell Technologies, Nutanix Inc., Edge Impulse Inc. e FogHorn Systems vantano posizioni nei sistemi embedded, nei semiconduttori per l'IoT, nell'intelligenza video, nell'automazione industriale, nelle infrastrutture edge, nello sviluppo TinyML o nell'analisi operativa. L'implementazione dell'IP NPU Coral di Google da parte di Synaptics nella serie Astra SL2610 dimostra come le partnership IP possano ampliare la base di fornitura hardware senza richiedere a un unico fornitore di produrre ogni endpoint ^{[9]EE Times - Google Open-Sources NPU IP, Synaptics Implements It, October 2025 - eetimes.com}.

Gli operatori emergenti Kneron Inc., Ambiq Micro, SiMa.ai e Viso.ai competono attraverso l'inferenza a basso consumo energetico, gli MLSoC progettati per applicazioni specifiche e strumenti accessibili per l'implementazione della computer vision. Il finanziamento di SiMa.ai dell'aprile 2024 sostiene la commercializzazione dei prodotti in una categoria in cui gli specialisti devono dimostrare l'affidabilità produttiva oltre all'efficienza nei benchmark. Nel complesso, il vantaggio competitivo risiede sempre più nella capacità di un fornitore di ridurre i tempi di qualificazione per un'applicazione definita, non soltanto nella potenza di calcolo di picco.

Sviluppi recenti del settore

Febbraio 2025: Qualcomm e IBM hanno annunciato un ampliamento della collaborazione per integrare watsonx.governance con la suite di inferenza di Qualcomm e il dispositivo Dragonwing AI On-Prem Appliance.

Febbraio 2025: Aramco Digital, Armada e Microsoft hanno annunciato l'implementazione di data center edge distribuiti nelle attività di Saudi Aramco per carichi di lavoro industriali basati sull'intelligenza artificiale.

Giugno 2025: Blaize ha annunciato un'implementazione contrattualizzata del valore di 56 milioni di dollari USA per oltre 250.000 endpoint di videosorveglianza intelligenti nel Sud-est asiatico.

2025: Google ha rilasciato l'IP NPU Coral e Synaptics lo ha implementato nella famiglia di SoC IoT Astra SL2610.