L’AI non si gioca soltanto nei grandi cluster di GPU utilizzati per addestrare i modelli di frontiera. Una parte crescente del mercato si sposta sull’inferenza, cioè sull’esecuzione dei modelli già addestrati dentro server aziendali, sistemi industriali, telecamere, robot e dispositivi edge, dove latenza, consumi, costi e ingombri diventano fattori decisivi.
È qui che si colloca Axelera AI, società europea di semiconduttori fondata nel 2021 e guidata dal cofondatore e CEO italiano Fabrizio Del Maffeo, che sviluppa acceleratori dedicati all’inferenza AI. La linea di prodotto segue una progressione precisa: Metis è il chip destinato soprattutto all’edge e ai sistemi a basso consumo; Europa aumenta capacità di calcolo, memoria e banda per workstation, server e applicazioni di AI generativa multiutente; Titania, ancora in sviluppo, porterà la stessa architettura verso l’high performance computing attraverso un design a chiplet.
In pochi anni Axelera ha quindi allargato il proprio raggio d’azione dalla computer vision all’edge fino ai server e all’HPC, mantenendo al centro la stessa idea architetturale: ridurre il costo energetico del movimento dei dati eseguendo una parte del calcolo direttamente nella memoria. Alla crescita tecnologica si è affiancata quella finanziaria: nel febbraio 2026 la società ha raccolto più di 250 milioni di dollari in Series C, superando i 450 milioni complessivi fra equity, grant e venture debt, e ha dichiarato di avere raggiunto il cinquecentesimo cliente a livello mondiale.
Una startup europea nata attorno all’in-memory computing
Axelera AI ha il quartier generale all’High Tech Campus di Eindhoven, nei Paesi Bassi, e attività di ricerca e sviluppo distribuite in diversi Paesi europei. La società nasce da un progetto sviluppato inizialmente all’interno di Bitfury, gruppo tecnologico noto soprattutto per le attività nel mining e nelle infrastrutture blockchain, dove Fabrizio Del Maffeo guidava le attività AI.
Accanto a lui, una delle figure centrali sul piano tecnologico è il cofondatore e CTO Evangelos Eleftheriou, con una lunga esperienza nella ricerca su sistemi di memoria e computing. È attorno a questa competenza che Axelera ha costruito il proprio approccio a uno dei problemi strutturali dei workload di intelligenza artificiale: l’energia e il tempo impiegati per spostare grandi quantità di dati fra memoria e unità di calcolo.
Nelle reti neurali, e in particolare nelle moltiplicazioni matrice-vettore che costituiscono una parte consistente dell’elaborazione, il trasferimento dei dati può incidere in misura rilevante tanto sulle prestazioni quanto sui consumi. Axelera affronta questo limite attraverso il Digital In-Memory Computing (D-IMC), facendo eseguire una parte delle operazioni direttamente all’interno della struttura SRAM che conserva i dati.
La tecnologia è implementata attraverso processi CMOS standard, una scelta che permette alla società di affidarsi alle normali fonderie di semiconduttori senza richiedere processi produttivi specifici per l’in-memory computing.
Metis porta l’inferenza nei sistemi a basso consumo
Il primo prodotto commerciale è Metis, una AI Processing Unit, o AIPU, progettata principalmente per l’inferenza all’edge e capace di raggiungere 214 TOPS INT8. Axelera indica per il chip un consumo medio compreso fra 4 e 8 watt, un dato rilevante soprattutto nei sistemi nei quali dissipazione, dimensioni e alimentazione limitano l’impiego di GPU discrete più potenti.
La piattaforma viene proposta sotto forma di moduli M.2, schede PCIe e sistemi completi, una varietà di form factor che ne consente l’integrazione tanto in dispositivi compatti quanto in PC industriali ed edge server.
La destinazione originaria è soprattutto la computer vision, con applicazioni che comprendono videosorveglianza, controllo qualità industriale, retail analytics, smart city, robotica e analisi contemporanea di più flussi video. Axelera ha però esteso progressivamente la piattaforma anche ai modelli linguistici locali e indica il supporto a modelli fino a circa 8 miliardi di parametri per singolo chip Metis.
L’espansione verso i modelli generativi amplia anche il perimetro dell’edge computing: l’elaborazione locale non riguarda più soltanto classificazione delle immagini e object detection, ma può comprendere LLM e modelli multimodali eseguiti vicino alla sorgente dei dati quando latenza, connettività, costi cloud o requisiti sul trattamento delle informazioni rendono utile evitare il trasferimento continuo verso infrastrutture remote.
Fra i casi d’uso più particolari c’è anche quello spaziale. L’Agenzia Spaziale Europea ha scelto Metis per attività legate alle proprie missioni, dove l’elaborazione direttamente a bordo può ridurre la quantità di dati da trasferire a terra e consentire analisi locali prima della trasmissione.
Voyager affronta il vero ostacolo per un nuovo acceleratore: il software
Per un nuovo produttore di acceleratori l’hardware rappresenta soltanto una parte del problema, perché la posizione di Nvidia deriva anche da un ecosistema software costruito in molti anni, che comprende CUDA, librerie, framework ottimizzati e una base molto ampia di sviluppatori.
Axelera affianca quindi ai propri chip il Voyager SDK, l’ambiente software con cui gestisce il percorso dal modello al deployment sull’hardware della società, comprese trasformazione, compilazione, quantizzazione e costruzione delle pipeline applicative. Il software supporta modelli provenienti da ambienti diffusi come PyTorch e ONNX e comprende un Model Zoo con oltre cento modelli già supportati.
La stessa piattaforma viene utilizzata con Metis ed Europa, riducendo la necessità di adottare toolchain differenti quando cambia la classe di acceleratore. Nel luglio 2026 la società ha inoltre reso pubblico Voyager Wingman, un assistente AI specializzato nello sviluppo con Voyager e pensato per supportare la costruzione delle pipeline, la consultazione della documentazione, il debugging e l’ottimizzazione delle applicazioni.
Europa sposta l’architettura verso server e GenAI
Con Europa, presentato nell’ottobre 2025, Axelera amplia sensibilmente la scala del progetto. Il chip integra otto AI core di seconda generazione, contro i quattro di Metis, e raggiunge 629 TOPS INT8; a questi si aggiungono 16 core vettoriali RISC-V, 128 MB di SRAM L2, una banda verso la memoria DRAM di 200 GB/s e funzionalità integrate per il pre-processing e il post-processing dei dati, con un thermal design power dichiarato di 45 watt.
Europa viene realizzato con processo produttivo Samsung Foundry a 5 nanometri, mentre la memoria può arrivare a 64 GB per chip. Axelera indica la possibilità di utilizzare modelli fino a circa 32 miliardi di parametri su un singolo processore e fino a 100 miliardi in configurazioni multichip; le schede sono previste anche in versioni con quattro processori Europa.
Questa combinazione di capacità di calcolo, memoria e banda sposta Europa oltre l’edge embedded verso workstation, edge server, server enterprise, robotica e applicazioni di intelligenza artificiale generativa utilizzate contemporaneamente da più utenti.
Fra le collaborazioni italiane c’è anche quella avviata nell’aprile 2026 con Almawave, allora società del Gruppo Almaviva, per integrare i modelli generativi Velvet con la roadmap hardware di Axelera, da Metis a Europa e Titania. Nel settembre 2026 gli asset e le competenze tecnologiche di Almawave sono confluiti nella nuova Almawave Labs, società R&D del Gruppo Almaviva che ha preso in carico anche lo sviluppo della famiglia Velvet.
Axelera sceglie una strada diversa da GPU e SoC integrati
Metis ed Europa si inseriscono in un mercato nel quale convivono approcci molto diversi all’accelerazione AI. Nvidia porta nell’edge l’architettura GPU e il proprio ecosistema software; Qualcomm integra CPU, GPU e NPU all’interno di SoC completi; altri produttori, come Hailo, hanno invece scelto di progettare acceleratori fortemente specializzati per l’inferenza a basso consumo.
Il confronto è quindi più significativo sul piano architetturale che attraverso una classifica dei TOPS, anche perché i produttori esprimono le prestazioni utilizzando precisioni, workload e condizioni differenti. La peculiarità di Axelera sta soprattutto nel modo in cui affronta uno dei problemi centrali dell’inferenza AI: il movimento dei dati fra memoria e unità di calcolo.
Con il Digital In-Memory Computing, le operazioni matriciali vengono eseguite direttamente nelle SRAM che conservano i pesi del modello, riducendo gli spostamenti di dati tipici delle architetture nelle quali memoria e unità di calcolo rimangono fisicamente separate.
È un’impostazione molto diversa da quella adottata da Nvidia con Jetson Thor, piattaforma per robotica e physical AI che combina GPU Blackwell, CPU Arm, memoria, networking e acceleratori specializzati. La proposta Nvidia non riguarda quindi soltanto l’inferenza, ma un sistema capace di gestire nello stesso ambiente modelli generativi, computer vision, elaborazione dei sensori, robotica e altri workload, sostenuto inoltre da un ecosistema software che comprende CUDA e le librerie sviluppate attorno alle GPU Nvidia.
Axelera sceglie invece un componente più specializzato: Metis ed Europa sono acceleratori dedicati all’inferenza e possono essere aggiunti a piattaforme x86 o Arm esistenti. La differenza non riguarda semplicemente quante operazioni al secondo possano eseguire i rispettivi chip, ma quanto hardware general purpose venga integrato nello stesso sistema e quale parte del workload venga affidata all’acceleratore AI.
Una logica di forte integrazione caratterizza anche Qualcomm Dragonwing IQ-9075, SoC industriale che combina CPU, GPU, NPU, microcontroller e sottosistemi multimediali ed è destinato a robotica, automazione industriale, sistemi di visione e gateway. Qualcomm porta quindi l’accelerazione AI all’interno di una piattaforma completa, mentre Axelera la mantiene separata dal processore host. Nel data center Qualcomm adotta nuovamente un approccio dedicato all’inferenza con Cloud AI 100 Ultra, collocandosi su un terreno più vicino a quello affrontato da Europa.
Più vicino ad Axelera per impostazione è Hailo, società israeliana fondata nel 2017 e specializzata in processori AI per dispositivi edge. A differenza di Nvidia e Qualcomm, che propongono piattaforme molto più ampie e integrate, Hailo concentra il proprio sviluppo su acceleratori dedicati all’inferenza a basso consumo, destinati a computer vision, automotive, robotica e, più recentemente, applicazioni di AI generativa eseguite localmente.
Il confronto più diretto è quindi con Hailo-10H, progettato per eseguire all’edge sia modelli di computer vision sia Large Language Model e Vision Language Model. Le due società affrontano un problema simile attraverso soluzioni differenti: Hailo utilizza un’architettura dataflow proprietaria, nella quale risorse di calcolo e memoria vengono organizzate in funzione del flusso dei dati attraverso la rete neurale, mentre Axelera sposta una parte del calcolo direttamente dentro la memoria attraverso il D-IMC.
In entrambi i casi l’obiettivo è ridurre l’overhead tipico delle architetture più generali quando vengono utilizzate esclusivamente per l’inferenza, ma con due scelte tecnologiche diverse: ottimizzazione del dataflow da una parte, in-memory computing dall’altra.
Titania porta il D-IMC verso l’HPC
Il terzo gradino della roadmap è Titania, un chiplet destinato a estendere il Digital In-Memory Computing oltre l’edge e i server aziendali fino all’high performance computing.
Il progetto fa parte di DARE – Digital Autonomy with RISC-V for Europe, programma europeo dedicato allo sviluppo di una piattaforma HPC basata su tecnologie RISC-V e sostenuto dalla EuroHPC Joint Undertaking. Per Titania Axelera può ricevere fino a 61,6 milioni di euro di finanziamenti.
L’architettura prevede più chiplet combinabili fra loro e Axelera indica come obiettivo una scalabilità vicina a quella lineare, applicando il D-IMC a sistemi di scala molto superiore rispetto a quelli per cui era nato Metis. Le specifiche definitive delle prestazioni non sono ancora state pubblicate.
La componente italiana va oltre il CEO
La componente italiana di Axelera AI non si limita alla nazionalità del fondatore. Fabrizio Del Maffeo è italiano e l’azienda ha aperto già nel 2022 un proprio centro di ricerca e sviluppo a Milano, inserito nella rete europea delle attività di progettazione della società.
Nel 2023 CDP Venture Capital è entrata nella Series A di Axelera, con un investimento collegato anche all’espansione delle attività R&D di Milano e allo sviluppo di competenze nel settore dei semiconduttori. CDP Venture Capital figura ancora fra gli investitori della società.
Il legame con l’ecosistema italiano comprende inoltre E4 Computer Engineering, società modenese specializzata in infrastrutture HPC e sistemi per l’intelligenza artificiale, che ha lavorato sulla validazione di Metis e sull’integrazione delle tecnologie Axelera nelle proprie piattaforme.
A questo si aggiunge Cineca, consorzio interuniversitario che gestisce alcune delle principali infrastrutture italiane di supercalcolo. Nell’ambito delle attività connesse al progetto DARE e a IT4LIA AI Factory, la AI Factory italiana coordinata da Cineca, il consorzio ha indicato la disponibilità a ospitare e validare gli acceleratori Europa nella propria infrastruttura per workload AI ad alte prestazioni.
La presenza italiana riguarda quindi leadership aziendale, ricerca e sviluppo, capitale, integrazione di sistemi e infrastrutture HPC, all’interno di una società che mantiene sede e struttura europea.
Dai chip ai sistemi attraverso una rete di partner
Allo sviluppo dei processori Axelera ha affiancato una rete di produttori, integratori e distributori che utilizzano Metis all’interno di sistemi edge e industriali. Le integrazioni comprendono piattaforme di Dell Technologies, Lenovo, Advantech, SECO, Aetina ed E4 Computer Engineering.
Fra gli esempi più concreti c’è una configurazione basata su Dell Pro Slim Plus XE5, nella quale Metis viene utilizzato per eseguire inferenza AI senza richiedere una GPU discreta, mostrando il ruolo assegnato da Axelera al proprio acceleratore: aggiungere capacità AI a sistemi general purpose già esistenti.
Nel febbraio 2026 la società ha inoltre annunciato sei nuove partnership per l’edge AI, compresa quella con Prodrive Technologies, società olandese che sviluppa e produce sistemi elettronici e computing per applicazioni industriali, per l’integrazione di Metis in server e piattaforme complete.
Progettazione europea, produzione in Asia
Come molte società di semiconduttori fabless, Axelera sviluppa l’architettura e il design dei propri processori, ma non possiede gli impianti che li producono. La fabbricazione viene affidata a fonderie esterne e coinvolge operatori come TSMC e Samsung Foundry, due dei principali produttori mondiali di semiconduttori per conto terzi, inserendo quindi la società in una supply chain inevitabilmente globale.
La componente europea riguarda soprattutto proprietà intellettuale, progettazione dei chip, sviluppo del software e attività di ricerca. Il programma DARE amplia questa impostazione combinando processori RISC-V, acceleratori e software sviluppati in Europa per sistemi HPC e data center.
Da startup a una presenza industriale nell’inferenza AI
In cinque anni Axelera è passata da un progetto nato nel 2021 a una società che dichiara oltre 500 clienti e più di 450 milioni di dollari raccolti, con attività di ricerca distribuite in Europa, partnership industriali, integrazioni in sistemi commerciali e un ruolo nei programmi europei per l’HPC.
Il tratto distintivo resta il Digital In-Memory Computing, attorno al quale Axelera ha costruito non soltanto una famiglia di acceleratori, ma un’intera proposta industriale per l’inferenza AI, dall’edge ai server fino ai sistemi di calcolo ad alte prestazioni.
