Mosaico raccoglie 7,5 milioni per i dati della Physical AI

Mosaico ha raccolto 7,5 milioni di euro in un round seed guidato da United Ventures, con la partecipazione di OpenOcean e il ritorno di Connect Ventures. La startup italiana lavora su uno dei problemi meno visibili ma più impegnativi della Physical AI: rendere utilizzabili i grandi volumi di dati prodotti da veicoli, robot e sistemi connessi.
Telecamere, sensori di posizione e strumenti di movimento registrano continuamente ciò che accade nel mondo fisico. Per addestrare modelli, analizzare un’anomalia o validare il comportamento di una macchina, gli ingegneri devono però ritrovare le sequenze rilevanti all’interno di flussi eterogenei. Spesso questa preparazione richiede infrastrutture costruite internamente e molte ore di lavoro manuale.
La piattaforma open source di Mosaico organizza i dati dei sensori in risorse ricercabili e pronte per l’addestramento. Un team può interrogare una raccolta di registrazioni per individuare, per esempio, una particolare situazione di guida, recuperare i relativi filmati e collegarli ai dati di posizione o di movimento. L’obiettivo è ridurre il tempo impiegato nella preparazione dei dati e accelerare sviluppo, test e verifica dei sistemi.
Il prodotto può essere installato sui server dell’azienda, nel suo cloud o su hardware edge, mantenendo il controllo dell’infrastruttura e delle informazioni. La robotica è il primo campo di applicazione, ma la stessa esigenza riguarda IoT, agritech e smart city, dove la quantità di dati raccolti cresce più rapidamente della capacità di trasformarli in conoscenza operativa.
I fondatori Gabriele Lini, Francesco Di Corato e Federico Cabassi portano esperienze in guida autonoma, ricerca robotica e ingegneria automotive. Il problema affrontato nasce dal lavoro diretto sui sistemi per veicoli autonomi. Dal dicembre 2025 la comunità sviluppata intorno al progetto ha superato 1.200 membri, fra cui ingegneri e ricercatori di Google DeepMind, Amazon, ETH Zürich e Politecnico di Milano.
Il finanziamento serve a trasformare questa adozione iniziale in un’infrastruttura più ampia per i dati del mondo fisico. Il segnale è rilevante: mentre molta attenzione si concentra sui modelli di intelligenza artificiale, la competizione si sposta anche sugli strumenti che permettono alle macchine di imparare in modo più rapido e verificabile dall’esperienza reale.
Fonti originarie: United Ventures, 16 novembre 2026; Mosaico. Fotografia ufficiale: United Ventures.
Roberto Vecchi – Redazione Uomini & Imprese
