Prometheus porta l’intelligenza artificiale nel punto più difficile da automatizzare: la progettazione e produzione di oggetti fisici complessi. La startup guidata da Jeff Bezos e Vik Bajaj ha raccolto 12 miliardi di dollari in una Serie B che, secondo Axios, la valuta circa 41 miliardi. Il dato aggiorna le prime ricostruzioni circolate sul progetto e colloca Prometheus tra le scommesse più ricche sull’AI applicata all’economia industriale.
L’ambizione dichiarata è costruire un “artificial general engineer”: non un chatbot generalista, ma un insieme di strumenti AI per ridurre i tempi del ciclo che va dall’idea alla progettazione, dal prototipo alla produzione. Bezos e Bajaj guardano a settori come aerospace, dispositivi medici, elettronica di consumo, computer, automobili e infrastrutture, dove anche una piccola modifica tecnica può richiedere anni di simulazioni, test, certificazioni e iterazioni tra team diversi.
Indice degli argomenti:
Perché l’AI industriale è diversa dai chatbot
Il salto promesso da Prometheus riguarda la natura dei dati. I grandi modelli linguistici hanno imparato da testi, codice, immagini e contenuti digitali disponibili su scala enorme. L’ingegneria industriale lavora invece su geometrie, materiali, tolleranze, forze, vincoli termici, processi produttivi, catene di fornitura e requisiti di sicurezza. Non esiste un equivalente dell’internet testuale per i dati di fabbrica e di progettazione: molti archivi sono proprietari, frammentati, sensibili o legati a impianti specifici.
È qui che la promessa diventa anche il problema. Bezos ha indicato il costo del calcolo e della costruzione di dati di training specializzati tra le ragioni che rendono Prometheus una startup ad alta intensità di capitale. La società conta circa 150 dipendenti tra San Francisco, Londra e Zurigo e ha abbandonato la formula “Project” nel nome, segnale di un passaggio dalla fase riservata a una presenza più esplicita sul mercato.
Bajaj, che secondo il profilo ufficiale di Stanford è adjunct professor in radiologia, co-fondatore e ceo di Foresite Labs ed ex chief scientific officer e co-fondatore di Verily, porta nel progetto un’esperienza maturata tra scienze della vita, dati e modelli applicati a sistemi complessi. La traiettoria è rilevante perché Prometheus non si presenta come un software di automazione d’ufficio, ma come una piattaforma per trattare l’ingegneria come problema computazionale end-to-end.
La posta in gioco: comprimere il ciclo dell’invenzione
Il caso più citato è quello del motore aeronautico. Un nuovo motore, o anche una sua variante significativa, richiede una sequenza lunga di progettazione, simulazione, prototipazione, test, industrializzazione e validazione. L’obiettivo di Prometheus è comprimere questo ciclo, rendendo più rapido il passaggio tra idea, verifica e produzione.
La direzione è coerente con il dibattito sull’AI per la scienza. Nel report 2025 Foundation Models for Scientific Discovery and Innovation, commissionato dal Department of Energy statunitense, le National Academies of Sciences, Engineering, and Medicine indicano nei foundation model una tecnologia potenzialmente capace di trasformare la scoperta scientifica, ma sottolineano la necessità di integrarli con metodi computazionali tradizionali, verificati e validati.
Il punto è decisivo per l’AI industriale: in un sistema fisico, il modello non deve soltanto generare una risposta plausibile, deve reggere a vincoli misurabili.
Questa distinzione riduce lo spazio per il racconto promozionale. Nei processi safety-critical, dall’aerospazio all’energia, dall’automotive ai dispositivi medici, ogni suggerimento di un sistema AI deve entrare in procedure di verifica, tracciabilità, audit tecnico e responsabilità professionale.
Un errore in un testo può produrre un costo reputazionale; un errore in una turbina, in un sistema frenante o in un impianto industriale può produrre danni fisici.
I numeri che spiegano la scommessa
Prometheus nasce dentro un ciclo di investimento molto più ampio. Lo Stanford AI Index 2026, pubblicato dallo Stanford Institute for Human-Centered Artificial Intelligence, stima che nel 2025 gli investimenti privati in AI negli Stati Uniti abbiano raggiunto 285,9 miliardi di dollari, oltre 23 volte i 12,4 miliardi rilevati in Cina, e che le nuove aziende AI finanziate negli Usa siano state 1.953. La scala del round di Prometheus va letta dentro questa concentrazione di capitale, competenze e infrastrutture.
Il quadro industriale, però, è meno maturo della finanza che lo sostiene. Nel report 2026 dell’Ocse sull’attuazione del Piano coordinato europeo sull’AI nei settori ad alto impatto, la manifattura europea risulta ancora a bassa adozione: nel 2024 solo il 10,6% delle imprese manifatturiere con almeno dieci addetti usava tecnologie AI, contro il 13% del totale delle attività economiche considerate.
La manifattura impiega più di 30 milioni di persone nell’Unione europea e genera circa il 16% del valore aggiunto complessivo, ma resta frenata da infrastrutture legacy, carenza di competenze e frammentazione dei dati.
La tabella sintetizza i principali dati di contesto.
| Indicatore | Valore | Fonte |
|---|---|---|
| Round Serie B Prometheus | 12 miliardi di dollari | Axios, giugno 2026 |
| Valutazione Prometheus | circa 41 miliardi di dollari | Axios, giugno 2026 |
| Dipendenti Prometheus | circa 150 | GeekWire, giugno 2026 |
| Investimenti privati AI negli Usa nel 2025 | 285,9 miliardi di dollari | Stanford AI Index 2026 |
| Imprese manifatturiere Ue che usano AI nel 2024 | 10,6% | Ocse/Eurostat, 2026 |
Dal software alla fabbrica: il nodo dei dati proprietari
La forza di Prometheus dipenderà dalla capacità di costruire dataset industriali affidabili. Nella manifattura avanzata, i dati utili non sono soltanto i disegni cad o i modelli 3D: servono informazioni su materiali, macchine, difetti, cicli termici, vibrazioni, test non distruttivi, rese produttive, manutenzione, fornitori e vincoli regolatori. Molti di questi dati non sono standardizzati e spesso restano dentro silos aziendali.
Da qui il possibile interesse per un fondo o veicolo collegato capace di investire in imprese industriali. Bezos ha confermato che Prometheus potrebbe acquistare parti di aziende che trarrebbero beneficio dalla tecnologia, pur senza dettagliare una strategia di acquisizioni. L’ipotesi è industrialmente coerente: possedere o controllare ambienti produttivi significa poter generare dati, testarli, migliorare i processi e alimentare i modelli con feedback reali.
La questione apre anche un fronte competitivo. Se l’AI industriale richiede dati fisici proprietari, impianti e know-how di processo, il vantaggio potrebbe concentrarsi in poche piattaforme capaci di combinare capitale, calcolo, talenti e accesso diretto alla produzione. Per le imprese manifatturiere, soprattutto europee, il rischio non è soltanto restare indietro nell’adozione di strumenti AI: è perdere controllo su una parte crescente della progettazione e dell’ottimizzazione dei prodotti.
Il lavoro degli ingegneri non sparisce, cambia perimetro
Bezos e Bajaj presentano Prometheus come tecnologia di potenziamento degli ingegneri. La tesi è che, accorciando i cicli di progettazione, aumenterebbero il numero di prodotti, varianti e soluzioni sviluppabili da team più piccoli. Il ragionamento è plausibile solo se l’AI resta dentro processi governati da competenze umane, con responsabilità chiare su validazione e decisioni finali.
Il rapporto The State of AI in 2025 di McKinsey, basato su 1.993 partecipanti in 105 Paesi tra giugno e luglio 2025, aiuta a ridimensionare le aspettative di adozione immediata. L’88% degli intervistati dichiara che la propria organizzazione usa regolarmente AI in almeno una funzione, ma circa due terzi non hanno ancora avviato uno scaling enterprise. Gli agenti AI sono almeno in sperimentazione nel 62% delle organizzazioni, ma solo il 23% dichiara di scalarli in qualche funzione.
Il dato più utile per leggere Prometheus riguarda il modo in cui le aziende ottengono valore. McKinsey associa le performance migliori alla riprogettazione dei workflow, alla governance dei processi, alla gestione dei rischi e alla definizione di quando l’output del modello richiede validazione umana.
Nella manifattura questo significa integrare l’AI con plm, simulazione, digital twin, mes, sistemi qualità e certificazioni, non limitarsi ad aggiungere un assistente generativo sopra strumenti esistenti.
La prossima piattaforma dell’industria
Prometheus segnala un passaggio più ampio: l’AI si sta spostando dai contenuti digitali ai processi che producono oggetti, farmaci, materiali, macchine e infrastrutture. È una frontiera più lenta, costosa e regolata rispetto al software, ma anche più difendibile. Il valore non nasce dalla generazione di un output testuale, nasce dalla riduzione verificabile di tempi, scarti, prototipi falliti, errori di progettazione e colli di bottiglia produttivi.
La promessa di un “ingegnere artificiale generale” resta ancora lontana dalla prova industriale. Prometheus non ha pubblicato dettagli tecnici sufficienti su modelli, dati, architetture, tempi di rilascio o casi cliente. Il sito ufficiale della società conferma solo la denominazione Prometheus Industries, Inc. e il marchio, mentre la narrazione operativa arriva finora da interviste e ricostruzioni giornalistiche.
La scommessa è comunque leggibile: dopo la stagione dei chatbot e degli agenti software, il capitale tecnologico cerca la prossima leva di produttività nella materia fisica dell’economia. Se Prometheus riuscirà a trasformare simulazioni, dati di fabbrica e competenze ingegneristiche in strumenti affidabili, l’AI industriale potrà incidere sui tempi dell’innovazione manifatturiera. Se resterà prigioniera di dati incompleti, validazioni difficili e responsabilità opache, diventerà un’altra promessa costosa dentro il ciclo dell’hype AI.
Fonti usate per verifica:
Partecipa alla community