Neuralink: cos'è e come funziona il chip di Musk

Neuralink ha attraversato, nel corso degli ultimi anni di sviluppo, una traiettoria che poche aziende nel settore delle neuroscienze applicate hanno saputo percorrere con altrettanta velocità: dalla fase di ricerca preclinica su primati e roditori fino all'impianto su soggetti umani, con tutto ciò che questo passaggio comporta sul piano regolatorio, etico e tecnico. L'azienda fondata da Elon Musk nel 2016 — insieme a un gruppo di ingegneri e neuroscienziati che nel tempo si è quasi interamente ricambiato — si è posta un obiettivo dichiarato che va ben oltre la riabilitazione neurologica: stabilire un canale bidirezionale ad alta larghezza di banda tra la corteccia cerebrale e i sistemi digitali, ridefinendo il concetto stesso di interfaccia uomo-macchina.

Parlare di Elon Musk e Neuralink significa confrontarsi con un progetto che si colloca all'intersezione di discipline distanti: neurochirurgia, ingegneria dei materiali, machine learning applicato alla decodifica dei segnali neurali, miniaturizzazione elettronica. Non si tratta di un sistema monolitico ma di un ecosistema tecnologico in evoluzione, in cui ogni componente — dall'elettrodo al firmware, dall'algoritmo di decodifica all'interfaccia utente — è oggetto di iterazione continua. Comprenderne l'architettura richiede di distinguere tra ciò che Neuralink ha effettivamente dimostrato in contesti controllati e ciò che rimane sul piano delle proiezioni, alcune delle quali Musk enuncia con una disinvoltura che tende a comprimere le distanze temporali tra prototipo e prodotto.

Al momento della prima sperimentazione umana, avvenuta a gennaio 2024 con il paziente noto come Noland Arbaugh — un uomo tetraplegico che ha ricevuto l'impianto denominato N1 — Neuralink ha potuto mostrare risultati concreti: controllo del cursore su schermo, interazione con applicazioni digitali, latenze compatibili con un utilizzo funzionale. Nel 2026, con diversi impianti effettuati e un programma clinico in espansione, la fase di validazione si è consolidata abbastanza da rendere possibile una lettura più precisa dell'architettura del sistema e dei suoi limiti reali.

Architettura del dispositivo N1 e del sistema di impianto robotico

Il chip N1 è un dispositivo impiantabile delle dimensioni di una moneta piccola — circa 23 mm di diametro, 8 mm di spessore — che alloggia l'elettronica di acquisizione, amplificazione e trasmissione del segnale neurale; viene posizionato all'interno di un alloggiamento ricavato nel cranio, a filo con la superficie, in modo che la protesi risulti invisibile dall'esterno e non vi siano cavi transcutanei, eliminando uno dei principali vettori di infezione dei sistemi precedenti. Dai bordi del chip si dipartono i fili, detti threads, in numero variabile fino a 64 o più, ciascuno portante elettrodi multipli: nel complesso il sistema può registrare l'attività di oltre 1.000 elettrodi distribuiti su aree corticali selezionate in base all'obiettivo terapeutico o sperimentale.

L'inserzione di questi fili — con un diametro nell'ordine dei micron, paragonabile a quello di un capello umano sottile — è affidata a un robot chirurgico sviluppato internamente, denominato R1, che opera con una precisione impossibile da replicare manualmente: la macchina individua in tempo reale i vasi sanguigni superficiali tramite visione computazionale e li evita durante l'inserzione, riducendo il rischio di microemorragie che storicamente hanno compromesso la longevità degli elettrodi negli impianti di prima generazione. Il dato critico qui non è solo la precisione millimetrica ma la capacità di mantenere quella precisione per centinaia di inserzioni consecutive nel corso di un singolo intervento, con una variabilità che i sistemi manuali non possono controllare.

Acquisizione e decodifica del segnale neurale

Il segnale raccolto dagli elettrodi è il potenziale d'azione dei neuroni corticali — le cosiddette spikes — la cui frequenza, ampiezza e distribuzione spaziale costituiscono il substrato grezzo da cui gli algoritmi di decodifica estraggono l'intenzione motoria del soggetto; questo processo richiede che il sistema distingua il segnale utile dal rumore di fondo, che in contesti neurali è tutt'altro che trascurabile, e che lo faccia con latenze sufficientemente basse da rendere l'interazione percettivamente fluida. Neuralink utilizza una catena di elaborazione che parte dall'hardware — amplificatori a basso rumore integrati nel chip — e prosegue attraverso algoritmi di sorting e decodifica che vengono eseguiti in parte sul dispositivo stesso e in parte su un processore esterno wireless, nel caso delle applicazioni consumer abbinato a un modulo indossabile.

La decodifica dell'intenzione motoria — ovvero la traduzione dell'attività neurale in comandi per cursori, tastiere virtuali o altri dispositivi — si basa su approcci di machine learning che richiedono una fase di calibrazione iniziale: il soggetto esegue movimenti immaginati o tentati mentre il sistema registra i pattern corrispondenti e addestra il modello. Con il passare del tempo, e con l'accumulo di dati, la precisione migliora; tuttavia la stabilità del segnale nel lungo periodo rimane uno dei nodi irrisolti, perché la risposta immunitaria del tessuto cerebrale all'elettrodo tende a incapsularlo in tessuto gliale, degradando gradualmente la qualità del contatto. Neuralink sta affrontando questo problema su due fronti: con rivestimenti biocompatibili degli elettrodi e con algoritmi di compensazione adattativi che ricalibrano il modello quando il segnale si modifica.

Confronto con le tecnologie BCI preesistenti

Collocare Neuralink nel panorama delle interfacce cervello-computer richiede di nominare i sistemi che lo hanno preceduto e che restano, in parte, i benchmark di riferimento: BrainGate, sviluppato da un consorzio di università americane e tuttora attivo nella ricerca clinica, impiega array di elettrodi Utah — una griglia rigida di 96 punte — con connessioni transcutanee che aumentano il rischio infettivo ma consentono velocità di trasmissione dei dati molto elevate; i risultati pubblicati con BrainGate su pazienti con paralisi grave hanno dimostrato il controllo di arti robotici e la comunicazione a velocità di decine di parole al minuto, stabilendo standard prestazionali con cui Neuralink si deve misurare. La differenza strutturale che Neuralink introduce — fili flessibili al posto di array rigidi, trasmissione completamente wireless, miniaturizzazione spinta — risponde a problemi reali di tollerabilità e scalabilità, anche se introduce a sua volta nuove complessità ingegneristiche legate alla stabilità del contatto a lungo termine.

Sul versante non invasivo, sistemi basati su EEG ad alta densità o su fMRI portatile offrono una risoluzione spaziale e temporale molto inferiore ma eliminano ogni rischio chirurgico; per applicazioni come il neurofeedback o il controllo di interfacce semplificate, questi sistemi sono già sufficienti e accessibili. Neuralink non compete con loro per quegli usi, ma punta a un segmento in cui la larghezza di banda del canale neurale è determinante: comunicazione ad alta velocità per soggetti con locked-in syndrome, controllo fine di protesi motorizzate, e — in una prospettiva più lontana ma esplicitata da Musk — l'espansione cognitiva in soggetti neurologicamente integri.

Percorso regolatorio e sperimentazione clinica in corso

L'approvazione della FDA per la sperimentazione umana, ottenuta da Neuralink nella primavera del 2023 dopo un iter che aveva visto respingere una prima richiesta per insufficienza dei dati sulla sicurezza dei fili, ha aperto la strada al programma PRIME — Precise Robotically Implanted Brain-Computer Interface — che nel 2026 ha arruolato un numero di soggetti sufficiente a generare dati preliminari pubblicabili, sebbene la pubblicazione in riviste peer-reviewed rimanga un aspetto in cui Neuralink ha mantenuto un profilo più basso rispetto alla comunicazione diretta sui canali dell'azienda e sui social di Musk. Questa asimmetria tra visibilità pubblica e validazione scientifica formale è una delle critiche ricorrenti che la comunità delle neuroscienze muove all'azienda: i dati esistono, ma la loro disponibilità per revisione indipendente è limitata, il che rende difficile valutare con precisione le prestazioni reali rispetto a quelle dei sistemi precedenti.