Il 5 novembre 2026, Nordic Semiconductor ha annunciato a Oslo la serie nRF71. Il dato principale è un assorbimento in standby fino a venti volte inferiore rispetto agli attuali prodotti Wi-Fi nRF70, unito a Wi-Fi a ultrabasso consumo, Bluetooth Low Energy, Thread e edge AI su un solo chip.
Questa combinazione conta perché batterie e Wi-Fi sono sempre stati partner difficili. Il Wi-Fi offre larghezza di banda e un ecosistema maturo, ma il costo energetico dell'ascolto e delle riconnessioni lo rende poco adatto a una batteria a bottone. Per questo la maggior parte dei sensori è ripiegata su Bluetooth LE e passa i dati a un gateway, che poi raggiunge internet. La complessità di questa catena ha silenziosamente limitato il numero di dispositivi effettivamente distribuiti.
Un assorbimento in standby venti volte inferiore riguarda meno il risparmio di elettricità e più il cambiamento dei conti di un'installazione. Quando la corrente media scende a livelli in cui una singola cella dura anni, non c'è più una voce di budget per cablaggi, sostituzioni di batterie o interventi di manutenzione. Per un sensore nascosto sopra una porta o in fondo a uno scaffale di magazzino, questo spesso determina se il progetto si fa o no.

Ognuno dei quattro blocchi integrati ha un compito: il Wi-Fi per il backhaul, Bluetooth LE per la configurazione e il risveglio, Thread per la rete mesh a basso consumo e un NPU per l'inferenza locale. Finora questo significava di norma due o tre chip più un coprocessore, e ogni componente in più aggiungeva consumo statico, tracce sul circuito e coordinamento del firmware.
L'unità di elaborazione neurale Axon è l'aggiunta più interessante. Nordic afferma che esegue i modelli da dieci a diciassette volte più velocemente di un solo Arm Cortex-M33 a 256 MHz, consentendo il riconoscimento di parole chiave, il rilevamento di anomalie e la classificazione di immagini con alimentazione a batteria. La velocità non è l'obiettivo; l'obiettivo è che queste attività non debbano più svegliare un processore principale né inviare dati grezzi al cloud. Il suo toolkit Neuton costruisce modelli molto piccoli dai dati dello sviluppatore e li esegue solo su quel processore.

La conseguenza architetturale è il passaggio da raccogli-e-carica a valuta-e-riferisci. In una catena convenzionale un microfono o un accelerometro produce un flusso continuo, la rete lo trasporta e il cloud lo interpreta. Con l'inferenza locale il dispositivo rimane silenzioso per la maggior parte del tempo e trasmette solo quando viene rilevato un evento. Meno trasmissioni significano insieme minor consumo, meno traffico e fatture cloud più basse.
Privacy e latenza arrivano gratis. I dati di suono, vibrazione e immagine possono essere classificati senza uscire dal dispositivo, il che tiene i dati grezzi ambigui fuori dalla rete; e il tempo di risposta si riduce da un andata-e-ritorno a una singola inferenza. Per gli arresti in caso di anomalia o la protezione delle attrezzature, decine di millisecondi non sono un'astrazione. I sensori per la casa intelligente, i dispositivi indossabili e i monitor di vibrazione industriali condividono tutti la stessa forma: attività leggere, eventi sporadici, disponibilità permanente.
Niente di tutto questo sostituisce i modelli cloud. Le attività che richiedono un contesto esteso, l'aggregazione tra dispositivi o la generazione restano di competenza dei livelli superiori. I vincoli sono altrettanto reali: la memoria su un solo chip limita la dimensione dei modelli, la coesistenza di più protocolli complica la pianificazione e mettere l'IA nel controller più basso allunga la catena per gli aggiornamenti di firmware e modelli. Una volta che la barriera energetica scende di venti volte, i problemi rimasti si spostano nel software e nelle operazioni. È lì che questa silenziosa trasformazione delle infrastrutture si giocherà davvero.







Commenti