Decart ha rilasciato Lucy 2.5, un modello video che promette di generare effetti visivi in tempo reale durante lo streaming: una capacità che l’azienda descrive come unica per la possibilità di applicare VFX generati dall’AI in modo continuo e senza interruzioni, direttamente sul flusso live. La notizia, riportata in anteprima da The Next Web, è sintetica nei dettagli tecnici, ma sufficiente per leggere un segnale più ampio: il baricentro dell’AI generativa, soprattutto quando tocca applicazioni interattive e in tempo reale, si sta spostando verso l’inference locale.

La generazione video live è un banco di prova spietato per la latenza. Ogni frame deve essere processato e renderizzato in una finestra di tempo che non ammette ritardi: un round-trip al cloud, per quanto ottimizzato, introduce attriti che spezzano l’illusione della continuità. Per questo, modelli come Lucy 2.5 — ammesso che mantengano le promesse — mettono in luce un vincolo architetturale: l’inference deve avvenire il più vicino possibile al punto di acquisizione, idealmente sullo stesso hardware che cattura il video. Non è un caso che il titolo originale dell’annuncio parli di “physical AI” come vero vincitore: quando l’AI si interfaccia con il mondo fisico in tempo reale, che sia tramite occhiali AR, telecamere di sorveglianza o bracci robotici, i millisecondi contano più della potenza bruta di un datacenter.

Chi osserva il mercato delle infrastrutture AI coglie subito le implicazioni. I grandi fornitori cloud hanno costruito offerte per l’inference a bassa latenza, ma per applicazioni sensibili al tempo e ai dati — soprattutto in ambito industriale, medicale o della sicurezza — la pressione a eseguire i modelli on-premise o su edge device sta crescendo. Non è solo una questione di performance: la sovranità dei dati video, spesso soggetti a vincoli normativi stringenti, spinge a tenere tutto in locale. Inoltre, il TCO (TCO) di un’infrastruttura cloud per elaborazione video continua può diventare rapidamente insostenibile, mentre l’investimento in hardware dedicato (GPU consumer o schede edge come la serie Jetson) si ammortizza su volumi di lavoro costanti.

Questo non significa che Lucy 2.5 sia già pronto per un deployment diffuso sul campo. Non conosciamo le specifiche di quantization, il consumo di VRAM o i requisiti di banda passante, ma la direzione tracciata è chiara: ogni passo avanti nella generazione video in tempo reale è anche un passo verso la necessità di stack hardware locali. I modelli che operano in tempo reale sul video alimentano un ecosistema dove il valore non si misura solo nella qualità dell’output, ma nella capacità di integrarsi in pipeline fisiche senza colli di bottiglia di rete. Per chi segue la progettazione di sistemi AI on-premise, annunci come quello di Decart sono un promemoria del fatto che la prossima frontiera non sarà vinta solo nei datacenter, ma negli armadi dei piani industriali e nei dispositivi che toccano la realtà.