MycoBrain: Il primo computer progettato per i non umani

Un computer nativo del segnale per droidi, miceli, ecosistemi, macchine e agenti AI

I computer sono stati costruiti per gli umani.

Sono stati costruiti per elaborare testo, numeri, immagini, fogli di calcolo, codice, comandi e linguaggio. Sono stati costruiti attorno a tastiere, schermi, file, sistemi operativi e reti progettati da persone per altre persone. Persino l'attuale ondata di intelligenza artificiale è ancora in gran parte addestrata su artefatti dell'espressione umana: libri, siti web, articoli, conversazioni, repository di codice, immagini, didascalie e video.

Ma la Terra non parla per paragrafi.

Il suolo non descrive la siccità in inglese. I funghi non annunciano lo stress tramite un chatbot. Gli alberi non pubblicano telemetria su un'API. Le colonie di formiche non spiegano la loro logica di routing in JSON. Gli ambienti oceanici non etichettano le anomalie acustiche per noi. I sistemi viventi segnalano attraverso gradienti, tensioni, gas, pressione, vibrazioni, umidità, calore, cambiamenti chimici, oscillazioni elettriche, crescita, decadimento, movimento e risposta.

Ecco perché abbiamo costruito MycoBrain.

MycoBrain è il computer centrale all'interno dei droidi ambientali @Mycosoft — i robot, sonde, boe, stazioni e interfacce biologiche che costruiamo per vivere all'esterno, sopravvivere all'esterno, imparare all'esterno e operare all'esterno senza richiedere a un umano di dirgli cosa fare in ogni momento. È il nostro sistema nervoso hardware condiviso: una scheda madre modulare dual-ESP32-S3 per sensori e comunicazioni che collega il mondo vivente all'AI periferica, al networking mesh e al Nature Learning Model.

MycoBrain non è solo una scheda di sviluppo. Non è semplicemente un controller IoT. È il primo computer che stiamo deliberatamente costruendo per la comunicazione non umana: non comunicazione attraverso le parole, ma comunicazione attraverso il segnale.

Il portfolio hardware definisce MycoBrain come la piattaforma controller dual-ESP32-S3 condivisa al centro di ogni dispositivo Mycosoft, con Side-A che gestisce l'I/O dei sensori e Side-B che gestisce il networking mesh LoRa. La scheda V1 è documentata come un PCB da 85 mm × 55 mm, 45 g che utilizza due moduli ESP32-S3-WROOM, quattro ingressi analogici, I²C, uscite MOSFET, UART, SX1262 LoRa e ingresso di alimentazione 5–12 V.

Il motivo per cui MycoBrain esiste

L'attuale industria dell'AI sta costruendo modelli sempre più grandi che leggono internet. Questo è utile, ma non è sufficiente.

I modelli linguistici sono addestrati su rappresentazioni della realtà che sono già passate attraverso la percezione umana. Una foresta diventa un paragrafo. Una condizione del suolo diventa una nota. Una risposta fungina allo stress diventa un'osservazione di laboratorio. Un ambiente acustico costiero diventa un dataset etichettato. Quando il modello la vede, la realtà è già stata compressa, filtrata, interpretata e tradotta.

Mycosoft sta costruendo qualcosa di diverso.

La nostra tesi è che la prossima generazione di intelligenza deve imparare dalla realtà fisica prima che diventi linguaggio. Il Nature Learning Model, o NLM, è progettato attorno a questa idea. È un modello del mondo sensoriale radicato che impara da lunghezze d'onda, forme d'onda, tensioni, concentrazioni di gas, gradienti di temperatura, campi di pressione e segnali biosferici in tempo reale, piuttosto che solo testo e immagini. La sua architettura utilizza un backbone SSM/Mamba, strati Graph/Hypergraph e Sparse Attention per flussi di sensori continui e relazioni ambientali multimodali.

Questo richiede un nuovo tipo di computer al confine.

Un computer che può stare nel suolo, nell'aria, nell'acqua, nelle foreste, nelle fattorie, nei laboratori, negli edifici e negli oceani. Un computer che può leggere resistenza del gas, umidità, temperatura, pressione, conducibilità, pH, spike bioelettrici, forme d'onda dell'idrofono, ritorni radar, geometria LiDAR, fotogrammi della fotocamera, stato della batteria e stato della mesh. Un computer che può instradare quei segnali all'inferenza AI locale su moduli NVIDIA Jetson o M5Stack LLM, quindi sincronizzarsi con NatureOS, MINDEX, MYCA, AVANI, FUSARIUM e l'intero stack Mycosoft.

Quel computer è MycoBrain.

Il design centrale: un cervello, molti corpi

Ogni droide Mycosoft ha un corpo diverso.

Mushroom 1 è costruito per il rilevamento del suolo, del micelio e del campo. SporeBase è costruito per bioaerosol, spore e campionamento dell'aria. Hyphae 1 è costruito come un nodo di elaborazione periferico e sensore industriale modulare. MycoNode è costruito come un'interfaccia fungina interrata nel sottosuolo. ALARM è costruito per l'allerta biologica e ambientale. Psathyrella è costruito per l'intelligence acustica marittima. Agaric è costruito come un droide aereo e piattaforma di dispiegamento.

Corpi diversi. Ambienti diversi. Missioni diverse.

Ma hanno tutti bisogno dello stesso sistema nervoso fondamentale.

Devono raccogliere dati dai sensori, gestire l'alimentazione, comunicare su reti mesh, bufferizzare i dati quando i collegamenti falliscono, sincronizzare la telemetria, esporre porte di espansione, supportare aggiornamenti del firmware e connettersi a un livello di inferenza. Se ogni dispositivo avesse una scheda madre, uno stack firmware, una mappa dei connettori e un protocollo completamente diversi, Mycosoft diventerebbe immediatamente non scalabile.

Quindi abbiamo costruito MycoBrain come l'architettura interna riutilizzabile.

Una famiglia di schede. Una discendenza firmware. Un vocabolario di telemetria. Una pipeline di segnale. Un percorso di produzione scalabile.

MycoBrain come cuore della comunicazione e dell'acquisizione dei sensori di ogni dispositivo Mycosoft, e identifica il suo IP di design come un'architettura dual-MCU con sottosistemi dedicati per sensori e router su un singolo PCB, più una topologia bridge UART che abilita aggiornamenti firmware indipendenti.

Questo è importante per la produzione, ma lo è ancora di più per l'intelligenza. L'intera flotta impara attraverso lo stesso sistema nervoso.

MycoBrain V2: la scheda attorno a cui stiamo costruendo ora

MycoBrain V2 prende il concetto V1 e lo espande in una scheda di controllo periferico più grande e più capace.

Architettura: due moduli ESP32-S3-WROOM-1U-N16R8, un ricetrasmettitore LoRa CORE1262-868M, un header modem SIM7600G a 26 pin, due connettori USB-C, quattro ingressi analogici, quattro header I²C, header UART0 e UART2, tre uscite a 5 V, uscite NeoPixel, due buzzer, un ingresso a 12 V e rail a 5 V e 3,3 V.

Questa combinazione ci dà un computer da campo pratico con tre compiti.

Il primo compito è il rilevamento. MycoBrain deve raccogliere lo stato fisico grezzo dell'ambiente. Ciò significa input analogico, sensori I²C, sensori di gas, sonde bioelettriche, schede sensori esterne, espansione fotocamera/radar/LiDAR tramite computer companion, monitoraggio della batteria e carichi utili modulari futuri.

Il secondo compito è il routing. MycoBrain deve spostare i dati attraverso un mondo in cui il WiFi non è garantito, il cellulare è intermittente e i dispositivi sul campo potrebbero dover ritrasmettere l'uno attraverso l'altro. Ecco perché LoRa è integrato nell'architettura principale e perché Side-B esiste come corteccia di comunicazione.

Il terzo compito è il coordinamento. MycoBrain si trova tra il mondo biologico e il mondo dell'AI. È la scheda che consente a una sonda fungina, un sensore del suolo, un idrofono, un pacchetto meteorologico, un modulo LTE, un Jetson e una piattaforma cloud di partecipare a un sistema coerente.

La scheda non cerca di essere il computer più grande. Cerca di essere il computer più importante nel corpo.

Side-A e Side-B: perché MycoBrain ha due cervelli

Un singolo microcontrollore può eseguire un nodo sensore. Non può diventare il sistema nervoso a lungo termine per una flotta di droidi ambientali autonomi.

La struttura dual-ESP32 esiste perché il rilevamento e la comunicazione sono lavori diversi con requisiti diversi di temporizzazione, potenza e affidabilità.

Side-A è il controller deterministico del corpo. È responsabile del polling dei sensori, delle letture analogiche, dell'espansione I²C, del controllo locale degli attuatori, del monitoraggio dell'alimentazione, del rilevamento delle soglie e dei limiti di sicurezza. Side-A è la parte del sistema che dovrebbe rimanere calma, prevedibile ed efficiente. Legge il mondo fisico con disciplina.

Side-B è il controller delle comunicazioni e del routing. Gestisce LoRa, BLE, WiFi, espansione LTE, percorsi modem futuri, traffico heartbeat, comportamento gateway e partecipazione alla mesh. Side-B può spendere più energia quando la comunicazione è necessaria e dormire o ciclare quando non lo è.

Questa suddivisione rende l'architettura robusta. Se uno stack radio si blocca, il lato sensore può continuare a raccogliere. Se un esperimento richiede un campionamento del sensore ad alta frequenza, le comunicazioni possono essere programmate attorno ad esso. Se il dispositivo è interrato, galleggiante, in movimento o volante, la stessa divisione ha ancora senso.

Un semplice modello mentale si presenta così:

1              ┌──────────────────────────────┐
2              │        Jetson / AI Cortex     │
3              │  Inferenza NLM, agenti MYCA   │
4              │  memoria locale, pesi modello │
5              └──────────────┬───────────────┘
6                             │
7                    MDP / UART / Bridge
8                             │
9┌────────────────────────────┴────────────────────────────┐
10│                         MycoBrain                         │
11│                                                          │
12│  ┌──────────────────────┐      ┌──────────────────────┐  │
13│  │ Side-A ESP32-S3       │      │ Side-B ESP32-S3       │  │
14│  │ Rilevamento deterministico│◄────►│ Comunicazioni + routing mesh│
15│  │ Analogico / I²C / Alim.│      │ LoRa / BLE / WiFi/LTE │
16│  └──────────────────────┘      └──────────────────────┘  │
17│                                                          │
18└──────────────────────────────────────────────────────────┘

Non è complessità fine a se stessa. È pensiero biologico applicato ai sistemi embedded: specializza gli organi, poi lascia che l'organismo coordini.

Il modello dati nativo del segnale

Le pipeline AI tradizionali si presentano così:

1Testo → Tokenizer → Trasformatore → Testo

MycoBrain esiste perché la pipeline della natura non assomiglia per niente a questo.

Una risposta fungina allo stress può arrivare come una fluttuazione di tensione. Un evento di spore può arrivare come conteggio di particelle, profilo del gas e anomalia ottica. Una minaccia marittima può arrivare come una forma d'onda di pressione in un flusso di idrofono. Lo stress di un albero può emergere come umidità, COV, temperatura e risposta bioelettrica micorrizica.

Quindi la pipeline MycoBrain inizia con lo stato fisico:

xt​=[Vt​,It​,Tt​,RHt​,Pt​,VOCt​,CO2t​,pHt​,ECt​,At​,Mt​,Lt​,Rt​]xt​=[Vt​,It​,Tt​,RHt​,Pt​,VOCt​,CO2t​,pHt​,ECt​,At​,Mt​,Lt​,Rt​]

Dove:

• Vt è tensione o potenziale bioelettrico
• It​ è corrente o segnale derivato dall'impedenza
• Tt​ è temperatura
• RHt​ è umidità relativa
• Pt è pressione
• VOCt​ è risposta ai composti organici volatili
• CO2t​ è anidride carbonica equivalente o stima di gas correlata
• pHt​ è acidità/basicità
• ECt è conducibilità elettrica
• At è stato della forma d'onda acustica
• M​ è stato meccanico o di movimento
• Lt​ è luce, spettrale o geometria derivata da LiDAR
• R​è stato radio/rete

Il Nature Learning Model apprende quindi uno stato ambientale latente:

zt​=fθ​(xt−k:t​,mt​,gt​)zt​=fθ​(xt−k:t​,mt​,gt​)

Dove xt−k:t è una finestra storica di segnali, mt sono metadati come il ruolo del dispositivo e lo stato di calibrazione, e gt​ è il contesto del grafo: dispositivi vicini, organismi, geografia, meteo, topologia o relazioni ecologiche note.

Da lì, MYCA può proporre azioni, ma AVANI decide se tali azioni sono sicure:

1â_t = azione proposta da MYCA
2a_t = azione effettivamente consentita per l'esecuzione
3π_MYCA = politica d'azione di MYCA
4z_t = stato ambientale latente corrente
5G_AVANI = cancello di governance AVANI
6∅ = nessuna azione autonoma

Questo è il cuore del sistema: i segnali diventano stato, lo stato diventa inferenza, l'inferenza diventa azione proposta, l'azione supera la governance e il mondo fisico fornisce feedback al modello.

Vista codice: come appare un frame di segnale MycoBrain

Uno sviluppatore dovrebbe essere in grado di capire MycoBrain come scheda, ma anche come partecipante al protocollo. Il dispositivo non si limita a "inviare letture dei sensori". Pubblica prove fisiche strutturate.

Un frame di segnale semplificato potrebbe assomigliare a questo:

1{
2  "frame_type": "MYCOBRAIN_SIGNAL_FRAME",
3  "device_id": "mycobrain-v2-0001",
4  "device_role": "mushroom1",
5  "timestamp": "2026-05-28T00:00:00Z",
6  "location": {
7    "lat": 32.6401,
8    "lon": -117.0842,
9    "alt_m": 24.2
10  },
11  "signals": {
12    "thermal": {
13      "temperature_c": 23.41,
14      "relative_humidity": 67.2,
15      "pressure_hpa": 1012.8
16    },
17    "chemical": {
18      "voc_resistance_ohms": 323410,
19      "co2_equivalent_ppm": 612,
20      "gas_index": 84
21    },
22    "bioelectric": {
23      "channels": 16,
24      "sample_rate_hz": 100,
25      "range": "uV-mV",
26      "window_ms": 5000,
27      "features": {
28        "spike_count": 18,
29        "dominant_frequency_hz": 3.7,
30        "mean_amplitude_uv": 42.6
31      }
32    },
33    "mechanical": {
34      "vibration_rms": 0.013,
35      "orientation": [0.01, -0.04, 0.99]
36    },
37    "network": {
38      "link": "LoRa",
39      "rssi_dbm": -103,
40      "snr_db": 7.2,
41      "mesh_hops": 2
42    }
43  },
44  "provenance": {
45    "source": "side-a",
46    "transport": "MDP",
47    "crc16": "0xA81F",
48    "hash": "sha256:..."
49  }
50}

Questo frame può essere instradato a un Jetson per l'inferenza locale, archiviato localmente durante la perdita di rete, trasmesso tramite LoRa, inoltrato tramite LTE, pubblicato in NatureOS, sottoposto a hashing in MINDEX, valutato da NLM e governato da AVANI.

Questo è il motivo per cui MycoBrain non è "solo hardware". È una grammatica fisico-digitale.

MDP: il livello del protocollo del dispositivo

Affinché MycoBrain operi tra dispositivi, ha bisogno di un protocollo di basso livello che sia abbastanza semplice per i microcontrollori embedded ma abbastanza strutturato per una flotta. Internamente, questo ruolo è gestito da MDP, il MycoBrain Device Protocol.

L'architettura FUSARIUM descrive MDP v2 come un protocollo di trasporto binario che utilizza la codifica COBS e il controllo di integrità CRC-16, progettato per il trasporto fisico UART e BLE, con tipi di messaggio strutturati per osservazioni, avvisi, comandi, aggiornamenti di configurazione e heartbeat.

A livello concettuale:

1[ magic ][ version ][ type ][ seq ][ payload_len ][ payload ][ crc16 ]

Un ciclo firmware può rimanere pulito:

1while True:
2    # Side-A: rilevamento deterministico
3    raw_signals = side_a.sample_all(
4        analog=True,
5        i2c=True,
6        power=True,
7        bioelectric=True
8    )
9
10    # Codifica in un frame affidabile
11    frame = mdp.encode(
12        message_type="OBSERVATION",
13        payload=raw_signals,
14        crc16=True,
15        cobs=True
16    )
17
18    # Side-B: routing delle comunicazioni
19    side_b.route(
20        frame,
21        preferred_links=["LoRa", "BLE", "WiFi", "LTE"],
22        store_and_forward=True
23    )
24
25    # Jetson: inferenza locale opzionale
26    if jetson.available():
27        latent_state = nlm.encode(raw_signals)
28        decision = myca.propose(latent_state)
29
30        if avani.gate(decision) == "PASS":
31            side_a.execute(decision.action)

Questa è la versione embedded della filosofia Mycosoft: misura prima, inferisci dopo, agisci solo dopo la governance.

• una rete fungina che produce oscillazioni bioelettriche
• un microbioma del suolo che modifica la conducibilità e lo scambio di gas
• una foresta che risponde alla siccità
• una colonia di formiche che altera i modelli di movimento
• un albero che scambia risorse attraverso relazioni micorriziche
• un idrofono che rileva la pressione acustica oceanica
• un corpo robotico che gestisce la propria potenza e il programma dei sensori
• un agente AI che richiede prove dal campo
• un altro MycoBrain che ritrasmette telemetria attraverso una meshPerché MycoBrain è costruito per i non umani

La frase "il primo computer costruito per i non umani" non è uno slogan che usiamo alla leggera.

Intendiamo qualcosa di specifico.

La maggior parte dei computer presume che l'utente principale sia una persona. L'umano digita, clicca, parla, gesticola o tocca. Persino gli assistenti AI alla fine mappano il mondo nel linguaggio umano.

MycoBrain inverte tutto questo.

L'utente principale può essere:

• una rete fungina che produce oscillazioni bioelettriche
• un microbioma del suolo che modifica la conducibilità e lo scambio di gas
• una foresta che risponde alla siccità
• una colonia di formiche che altera i modelli di movimento
• un albero che scambia risorse attraverso relazioni micorriziche
• un idrofono che rileva la pressione acustica oceanica
• un corpo robotico che gestisce la propria potenza e il programma dei sensori
• un agente AI che richiede prove dal campo
• un altro MycoBrain che ritrasmette telemetria attraverso una mesh

In quel mondo, il linguaggio non è la prima interfaccia. Il segnale lo è.

Il white paper FCI definisce l'Interfaccia Computer Fungina come un canale di comunicazione bidirezionale tra micelio fungino e sistemi informatici digitali, convertendo i segnali bioelettrici e biochimici fungini in flussi di dati digitali per il rilevamento ambientale, l'elaborazione dei dati e il calcolo biologico.

Questa è la base dell'orientamento non umano di MycoBrain. La scheda non aspetta che il mondo vivente diventi testo. Incontra il mondo vivente al livello in cui la vita comunica già.

Il micelio come rete di segnali viventi

I funghi non sono materiale passivo. Il micelio percepisce e risponde.

I materiali FCI descrivono il micelio come un array di sensori viventi che risponde a segnali ambientali come temperatura, umidità, pH, nutrienti, tossine e altri stimoli attraverso segnalazioni elettriche e chimiche. Descrivono anche l'attività bioelettrica fungina, l'adattabilità e la reattività ambientale come proprietà che rendono il micelio utile per il rilevamento e il calcolo non convenzionale.

Un MycoBrain collegato a una sonda FCI può iniziare a trattare quel tessuto vivente come una fonte di segnale. Non come magia. Non come misticismo. Come strumentazione.

Gli elettrodi leggono sottili cambiamenti bioelettrici. I front-end analogici amplificano il segnale. Il filtraggio estrae le caratteristiche. Gli ADC digitalizzano la forma d'onda. Side-A impacchetta la lettura. Side-B la instrada. Jetson o un altro acceleratore esegue l'inferenza. NatureOS la visualizza. MINDEX archivia la provenienza. NLM apprende i modelli. AVANI governa l'azione.

Il sistema diventa un ciclo:

1Substrato vivente → elettrodo → amplificatore → ADC → MycoBrain → NLM → MYCA → AVANI → stimolo → substrato vivente

Quel ciclo è l'inizio dell'I/O biologico.

Tokenizzazione del segnale: oltre le parole

I modelli linguistici tokenizzano il testo. MycoBrain consente a NLM di tokenizzare i segnali.

Un token linguistico grezzo potrebbe essere:

1"bagnato"

Un token di segnale è diverso. Può codificare una breve finestra di dinamiche fisiche:

τi​=Q(ϕi​(xt:t+Δt​))τi​=Q(ϕi​(xt:t+Δt​))

Dove ϕi estrae caratteristiche da una finestra temporale — conteggio degli spike, frequenza, ampiezza, pendenza, relazione di fase, delta di resistenza del gas, gradiente di temperatura, forma d'onda di pressione o correlazione incrociata tra sensori — e Q quantizza o incorpora quelle caratteristiche in una rappresentazione utilizzabile dal modello.

Un token bioelettrico fungino potrebbe rappresentare:

1{
2  "modality": "bioelectric",
3  "window_ms": 5000,
4  "dominant_frequency_hz": 2.8,
5  "spike_density": 0.31,
6  "amplitude_band": "uV",
7  "context": {
8    "soil_moisture_delta": -0.07,
9    "temperature_delta_c": 0.4,
10    "voc_shift": 0.12
11  }
12}

Quella non è una parola.

È un piccolo pezzo di realtà compresso in una forma di apprendimento automatico.

Quando un numero sufficiente di questi token si accumula attraverso dispositivi, ambienti, organismi e tempo, Mycosoft può costruire modelli che non si limitano a descrivere la natura. Imparano dai segnali della natura stessa.

I sei sensi di NLM

MycoBrain è il livello di input lato dispositivo per un'architettura modello più ampia: il Nature Learning Model.

NLM è organizzato attorno a sei sensi fisici:

Senso NLM

Dominio fisico

Esempi di input collegati a MycoBrain

Spettrale

Luce, lunghezza d'onda, imaging

fotocamere, sensori multispettrali, LiDAR

Acustico

Forme d'onda di pressione

microfoni, idrofoni, vibrazioni

Bioelettrico

Tensioni biologiche

sonde FCI, elettrodi miceliali

Termico

Calore e gradienti

BME688/BME690, sensori IR

Chimico

Gas e firme molecolari

Sensori VOC, CO₂, pH, EC, particolato

Meccanico

Pressione, vibrazione, tatto

IMU, deformazione, sismico, movimento simile al radar

I documenti sulle capacità definiscono NLM come un modello che apprende dalla realtà fisica grezza e identificano questi sei sensi come i domini del segnale: spettrale, acustico, bioelettrico, termico, chimico e meccanico.

È qui che MycoBrain diventa strategicamente importante. Un modello che apprende dalla realtà fisica è valido tanto quanto gli strumenti fisici che lo alimentano. MycoBrain è la bocca, il naso, la pelle, l'orecchio, l'elettrorecettore e il connettore del sistema nervoso standardizzati per quel modello.

Jetson, Orin, Blackwell e il percorso AI periferico

MycoBrain non cerca intenzionalmente di essere una GPU gigante.

È il livello di acquisizione e coordinamento a basso consumo. L'inferenza pesante appartiene ai moduli AI periferici. Oggi questo significa NVIDIA Jetson Nano, Jetson Orin Nano, Jetson Orin e moduli correlati a seconda della classe del dispositivo. Nel portfolio hardware, i dispositivi più grandi come Mushroom 1 e Hyphae 1 utilizzano Jetson Orin Nano o Jetson Nano per l'inferenza AI periferica completa, mentre i dispositivi più piccoli possono utilizzare il modulo M5Stack LLM 8850 per un'inferenza accelerata GPU/NPU compatta.

Questo offre a Mycosoft una suddivisione pratica:

MycoBrain gestisce il rilevamento di basso livello, il controllo locale, il funzionamento consapevole dell'alimentazione e la comunicazione mesh. Jetson gestisce l'inferenza AI, la visione artificiale, i modelli più grandi, la classificazione acustica, l'elaborazione NLM locale e l'autonomia di livello superiore. Nelle implementazioni marittime, MycoBrain può connettersi a un Jetson Orin Nano nello stesso alloggiamento della boa per abilitare la classificazione acustica NLM in tempo reale al confine senza dipendere dal backhaul.

La tabella di marcia estende ulteriormente questo concetto.

Versione 3 aggiunge un percorso di espansione cellulare: un modulo SIM abilitato 4G/5G come una scheda di classe SIM7000/SIM7600 posizionata come un cappello sopra la regione LoRa. Questo dà a MycoBrain un backhaul cellulare senza abbandonare la mesh LoRa.

Versione 4 si muove verso un'espansione diretta ad alte prestazioni: PCIe, SSD sottostante, archiviazione locale del modello e integrazione diretta di moduli acceleratori AI di classe Blackwell o futuri. L'obiettivo è andare oltre le schede di sviluppo e posizionare acceleratori AI, archiviazione e orchestrazione dei sensori sull'hardware controllato da Mycosoft.

Questa transizione è importante. I kit di sviluppo sono il modo in cui si prototipa. Le schede portanti AI personalizzate sono il modo in cui si possiede la piattaforma.

Archiviazione locale: memoria per il campo

Un computer da campo non può presumere una connettività costante.

Le foreste perdono il segnale. Le boe vanno alla deriva fuori portata. I droidi entrano in zone morte. Le sonde del suolo possono essere interrate in luoghi in cui la radio è intermittente. Le implementazioni di difesa possono operare in ambienti negati.

Ecco perché la strategia hardware Mycosoft include l'archiviazione locale a più livelli: SSD NVMe per dispositivi di grandi dimensioni dotati di Jetson, microSD per dispositivi medi, flash ESP32 per dispositivi più piccoli e buffer locali per sonde interrate.

Per MycoBrain V4, il supporto SSD diventa ancora più importante. L'archiviazione locale significa che il dispositivo può archiviare:

• finestre di sensori grezze
• caratteristiche elaborate
• cronologia di calibrazione
• pesi del modello
• embedding NLM
• registri eventi
• code di consegna mesh
• provenienza crittografica
• stato dell'esperimento

Un futuro MycoBrain non dovrebbe limitarsi a trasmettere dati in streaming. Dovrebbe ricordare.

Perché la scheda ha così tanti connettori

Un normale dispositivo consumer può decidere cosa è prima di essere spedito.

MycoBrain non può.

Un MycoBrain può diventare una stazione del suolo. Un altro può diventare una boa. Un altro può diventare un gateway per sensori industriali. Un altro può diventare un'interfaccia biologica. Un altro può diventare un carico utile per droni. Un altro può diventare un dispositivo AI ambientale portatile. Un altro può diventare parte di un computer biologico da laboratorio.

Ecco perché la filosofia dei connettori è aggressiva: analogico, I²C, UART, USB-C, LoRa, header LTE, uscite a 5 V, NeoPixel, buzzer, sensori esterni e linee di alimentazione. Lo schema V2 conferma la presenza di queste famiglie di connettori, inclusi doppia USB-C, ingressi analogici, header I²C, header UART, uscite a 5 V, interfaccia modem SIM7600G, ingresso a 12 V e linee a 5 V / 3,3 V.

In pratica, ciò consente agli sviluppatori di collegare praticamente qualsiasi cosa:

• Sensori ambientali BME688 / BME690
• Sensori VOC e di gas
• Sensori di particolato
• Sonde di pH e conducibilità
• Sonde di umidità del suolo
• Idrofoni
• IMU
• Magnetometri
• Fotocamere tramite computer companion
• Radar e LiDAR tramite computer companion
• Elettrodi FCI
• Attuatori
• Pompe
• Valvole
• LED
• Buzzer
• Modem esterni
• Monitor di batteria

Una scheda come questa non è costruita attorno a un singolo caso d'uso. È costruita partendo dal presupposto che l'ambiente continuerà a sorprenderci.

Il modello operativo del droide

Mycosoft chiama i suoi robot da esterno droidi perché non sono solo sensori in scatole. Sono macchine autonome progettate per sopravvivere e operare nel mondo.

Un droide Mycosoft deve conoscere il proprio corpo. Deve conoscere la propria batteria. Deve sapere se i suoi sensori sono sani. Deve sapere se dovrebbe campionare più velocemente, dormire più a lungo, inoltrare un pacchetto di un vicino, svegliare il suo Jetson o chiamare casa. Deve operare sotto vincoli solari, radio, termici, ambientali ed ecologici.

MycoBrain fornisce l'intelligenza corporea di basso livello che rende tutto ciò possibile.

Mushroom 1 può usarlo per monitorare le reti fungine sotterranee e le condizioni del suolo. SporeBase può usarlo per coordinare la raccolta di bioaerosol. Hyphae 1 può usarlo come controller I/O industriale modulare. MycoNode può usare un formato più piccolo per supportare il rilevamento bioelettrico nel sottosuolo. Psathyrella può usare l'architettura per il monitoraggio acustico subacqueo. I materiali sulle capacità descrivono MycoBrain come la piattaforma di edge computing ESP32-S3 per le implementazioni hardware di Mycosoft e identificano Mushroom 1, SporeBase, Hyphae 1, MycoNode, ALARM e FCI come parte della lineup hardware.

Il punto non è che ogni robot sia uguale.

Il punto è che ogni robot condivide un tronco encefalico.

Rete mesh: la micorriza digitale

La filosofia di rete di MycoBrain è ispirata al micelio.

Una rete fungina non dipende da un singolo router centrale. Si dirama, si riconnette, reindirizza, esplora e sopravvive ai danni. Le reti di dispositivi Mycosoft dovrebbero comportarsi allo stesso modo.

Questo è il ruolo del Protocollo Mycorrhizae: un protocollo di messaggistica pub/sub per instradare i dati dei sensori biologici attraverso reti distribuite sul campo. Il Protocollo Mycorrhizae è ottimizzato per dati biologici, telemetria di serie temporali, forme d'onda bioelettriche, misurazioni ambientali, topologia mesh auto-riparante e operatività edge abbastanza leggera per ESP32-S3, supportando comunque nodi di inferenza Jetson.

Una mesh MycoBrain non serve solo a inviare dati a un cruscotto. Serve alla cooperazione locale.

Un droide può rilevare un segnale. Un altro può avere un backhaul più forte. Un terzo può avere un migliore angolo di sensore. Un quarto può disporre di AI compute locale. Un quinto può essere addormentato ma svegliarsi su un evento di un vicino.

Questo crea una rete di intelligence sul campo:

1MycoBrain → MycoBrain → Gateway → NatureOS
2     ↘          ↕           ↗
3      Sensor   Relay     Jetson
4        ↘       ↕        ↗
5          NLM / MINDEX / MYCA

Quando distribuiti su larga scala, i MycoBrain diventano più che dispositivi. Diventano un sistema nervoso ambientale distribuito.

Interfaccia sviluppatore: costruisci sul cervello

MycoBrain dovrebbe essere accessibile ai maker e abbastanza serio per gli ingegneri.

Uno sviluppatore che ci lavora dovrebbe essere in grado di pensare in termini di ruoli:

1device:
2  id: mycobrain-v2-alpha
3  role: mushroom1
4  side_a:
5    mode: deterministic_sensor_controller
6    sample_rate_hz:
7      environmental: 1
8      bioelectric: 100
9      power: 0.2
10  side_b:
11    mode: mesh_router
12    links:
13      - lora
14      - ble
15      - wifi
16      - lte_hat
17  cortex:
18    module: jetson_orin_nano
19    tasks:
20      - nlm_inference
21      - anomaly_detection
22      - local_buffering
23      - model_update

Un sensore può esporsi attraverso un manifesto:

1{
2  "sensor_id": "fci_probe_01",
3  "modality": "bioelectric",
4  "channels": 16,
5  "units": "microvolts",
6  "sample_rates_hz": [10, 50, 100, 500],
7  "calibration": {
8    "gain": 1000,
9    "noise_floor_uv": 0.8,
10    "last_calibrated": "2026-05-01"
11  },
12  "safety": {
13    "stimulation_enabled": true,
14    "max_stimulus_mv": 300,
15    "requires_avani_gate": true
16  }
17}

Questo è ciò che rende la scheda degna di una community. È una piattaforma fisica, ma anche un ecosistema programmabile. Un maker può collegare un sensore. Un ricercatore può eseguire un esperimento sui segnali fungini. Uno sviluppatore di robotica può aggiungere un carico utile. Un integratore della difesa può instradare la telemetria crittografata. Uno scienziato ambientale può inviare dati a NatureOS. Un ingegnere AI può addestrare un modello nativo per i segnali.

Perché gli investitori dovrebbero interessarsi

MycoBrain non è una scheda usa e getta.

È un primitivo di piattaforma.

Il caso per l'investitore non è "abbiamo fatto un bel PCB di funghi". Il caso per l'investitore è che MycoBrain può diventare il computer edge comune per un intero ecosistema hardware: stazioni ambientali, sonde biologiche, sistemi per bioaerosol, nodi edge industriali, boe subacquee, strumenti AI portatili e futuri computer biologici.

Il portfolio hardware identifica Mycosoft come costruttore di un ecosistema hardware completo per l'intelligenza ambientale, il computing biologico e le interfacce di rete fungine, che comprende Mushroom 1, SporeBase, ALARM, MycoNode, Hyphae 1, Tricorder, Petraeus e Mushroom 2.

Questo crea diverse forme di leva.

Primo, leva produttiva. Un controller condiviso riduce la duplicazione ingegneristica. Invece di riprogettare l'acquisizione dei sensori e le comunicazioni per ogni prodotto, Mycosoft migliora una famiglia di schede core.

Secondo, leva firmware. Ogni dispositivo beneficia degli stessi aggiornamenti di protocollo, miglioramenti della sicurezza, librerie di sensori, meccanismi OTA, miglioramenti della mesh e lavoro di bridging NLM.

Terzo, leva dei dati. Ogni dispositivo produce dati di training nativi per i segnali che possono alimentare NLM. Più dispositivi vengono distribuiti, più prezioso diventa il substrato del modello.

Quarto, leva di piattaforma. MycoBrain collega l'hardware a NatureOS, MINDEX, MYCA, AVANI, FUSARIUM e Mycorrhizae. È il livello edge di un sistema software e di intelligence più ampio.

Quinto, leva IP. L'architettura dual-MCU, lo stack firmware, il Protocollo Mycorrhizae, l'enumerazione dei sensori I²C e l'integrazione della catena di custodia MINDEX fanno parte dello stack tecnologico/IP di MycoBrain.

È così che una piccola scheda diventa infrastruttura.

Perché questo è importante scientificamente

L'importanza scientifica di MycoBrain non è che misura temperatura o umidità. Molti dispositivi lo fanno.

L'importanza scientifica è che MycoBrain è progettato per raccogliere contesto causale multimodale attorno ai sistemi viventi. Un picco di tensione fungino da solo è interessante. Un picco di tensione fungino sincronizzato con umidità del suolo, pH, temperatura, variazione di VOC, livello di luce ed evento stimolante diventa prova.

Quella prova può diventare un'impronta digitale.

Quell'impronta digitale può diventare un modello.

Quel modello può diventare previsione.

Quella previsione può diventare un'azione governata.

Ecco perché FCI è importante. Il white paper FCI descrive lo stack FCI come una sonda fungina, un'unità di elaborazione del segnale e un livello di integrazione cloud in grado di rilevare sottili variazioni elettriche miceliali, amplificare e filtrare deboli segnali bioelettrici e rendere quei segnali utilizzabili per l'analisi dei dati in tempo reale.

MycoBrain è il computer da campo pratico che permette a queste idee di lasciare il laboratorio.

Le versioni future: V3 e V4

La Versione 2 dimostra l'architettura espansa.

La Versione 3 rende la scheda più distribuibile.

La direzione V3 è l'espansione cellulare: un cappello modulo SIM 4G/5G che può essere collegato sopra la regione LoRa. LoRa rimane la mesh locale a basso consumo. Il cellulare diventa il backhaul. Questo dà a un droide da campo la capacità di operare in uno sciame locale e comunque chiamare casa quando l'infrastruttura esiste.

La Versione 4 è la transizione più profonda.

V4 si muove verso PCIe, SSD e integrazione diretta di acceleratori. L'obiettivo è permettere all'hardware di classe MycoBrain di trasportare pesi di modelli locali, archiviare dataset grezzi ed elaborati e integrare moduli acceleratori AI di classe Blackwell o futuri direttamente nell'ecosistema di schede Mycosoft. Il percorso M5Stack LLM 8850 già fornisce ai dispositivi più piccoli un livello di inferenza compatto; V4 estende quella filosofia verso un'architettura carrier AI personalizzata più profonda. Il portfolio hardware definisce già una strategia di edge computing a due livelli utilizzando moduli di classe Jetson per dispositivi più grandi e M5Stack LLM Module 8850 per dispositivi più piccoli.

Il percorso a lungo termine è chiaro:

1V1: controller dual-ESP32-S3 + LoRa compatto
2V2: scheda sensori/comunicazioni espansa con USB-C, analogico/I²C/UART, header LTE
3V3: cappello cellulare + mesh LoRa + migliore gestione flotta remota
4V4: PCIe + SSD + integrazione diretta acceleratore AI
5V5+: MycoBrain come scheda madre AI edge biologica/robotica completa

La destinazione non è un'altra scheda di sviluppo.

La destinazione è l'architettura di computer ambientale autonomo di Mycosoft.

La scheda come ponte tra calcolo biologico e digitale

Il retro della scheda porta il marchio del fungo perché il fungo non è una decorazione. È la filosofia progettuale.

Un fungo è il corpo fruttifero visibile di una rete nascosta. MycoBrain è simile. La scheda è visibile, ma il vero sistema è la rete dietro di essa: droidi, sonde, sensori, modelli, agenti, cruscotti, dataset e substrati viventi.

FCI ci fornisce I/O biologico. MycoBrain ci fornisce controllo edge. Mycorrhizae ci fornisce routing mesh. MINDEX ci fornisce memoria e provenienza. NLM ci fornisce apprendimento nativo per i segnali. MYCA ci fornisce ragionamento agentico. AVANI ci fornisce governance.

Insieme, formano uno stack ibrido biologico-digitale.

1Segnale Vivente
2   ↓
3FCI / Sensori
4   ↓
5MycoBrain
6   ↓
7Mycorrhizae / MDP
8   ↓
9Jetson / M5Stack / Future Blackwell
10   ↓
11NLM
12   ↓
13MYCA
14   ↓
15AVANI
16   ↓
17NatureOS / MINDEX / FUSARIUM

Un computer che legge la Terra

La maggior parte dei computer sta sulle scrivanie.

MycoBrain è progettato per fango, pioggia, fattorie, foreste, laboratori, tetti, boe, scantinati, recinti, droni e sistemi biologici sperimentali. È progettato per essere riparato, iterato, stampato in 3D, impilato, espanso, flashato e ridistribuito. La filosofia di produzione hardware di Mycosoft enfatizza la stampa 3D per iterazioni rapide e involucri commerciali riadattati per dispositivi industriali, riducendo il carico di attrezzatura migliorando al contempo la flessibilità produttiva.

Questo è importante perché l'intelligenza su scala terrestre non può essere costruita solo con cruscotti cloud.

Abbiamo bisogno di dispositivi nel mondo.

Abbiamo bisogno di controller a basso consumo.

Abbiamo bisogno di reti mesh.

Abbiamo bisogno di inferenza locale.

Abbiamo bisogno di interfacce biologiche.

Abbiamo bisogno di storage.

Abbiamo bisogno di governance.

Abbiamo bisogno di un modo per le macchine di imparare dalla natura senza costringere la natura a diventare prima linguaggio.

Questo è MycoBrain.

FINE DEL DOCUMENTO MOLTO LUNGO SU MYCOBRAIN

GITHUB: https://github.com/MycosoftLabs/mycobrain

VIDEO YOUTUBE MYCOBRAIN: https://www.youtube.com/watch?v=3WDneg9OHtU

MycoBrain è il primo computer che stiamo costruendo per i non umani perché non presume che l'intelligenza inizi con le parole.

Presume che l'intelligenza inizi con il segnale.

• Un fungo segnala.
• Una foresta segnala.
• Un fiume segnala.
• Un oceano segnala.
• Una macchina segnala.
• Un agente AI segnala.
• Un droide segnala.

MycoBrain è la scheda progettata per ascoltare, tradurre, instradare, ricordare, inferire e rispondere.

La maggior parte dell'AI continuerà a leggere internet, specialmente i propri dati sintetici.

MycoBrain legge la terra, considerando i suoi trilioni e trilioni di forme di vita come utenti, trascendendo la tastiera, il mouse e persino gli assistenti agenti vocali con le voci carine.

Non riguarda tutto te, ma tu fai parte dell'intero pianeta della vita.

Non dimenticarlo.