International experience made Alessandro appreciate something often taken for granted in Italy: the value of a strong theoretical education. He often met colleagues who were very good with a particular tool, but struggled as soon as they had to move to a new software release, or change a process or the context. The scarcity of resources in Italian universities, he argues, can paradoxically become a school of depth. If you cannot afford a new tape-out for every student’s thesis, you have to study more carefully what happens inside the circuit.

This is not a nostalgic defence of Italian academia. It is a sharper distinction between training and understanding. Knowing where to click speeds up a familiar task; knowing why the command works makes it possible to tackle an unfamiliar one. For Alessandro, that second ability would become decisive first in research and then in building Synthara.

After his master’s degree, Alessandro immediately tried to found a startup. He had developed a technology as part of his master’s thesis and had the apparently simple idea of turning it into a product. But the friends with whom he hoped to build it quickly found jobs in the middle of the 2011 economic crisis and left him stranded. He was left with his idea, but no team. At twenty-four, he could not even define the business clearly enough to get it started.

Today he does not blame bad luck. “I was absolutely not ready,” he says. The project began with the wrong question: this technology is interesting; how can I sell it? It lacked a validated need, a value proposition, a customer and an understanding of the whole difference between a technical result that holds up and a company that works.

The failure did not extinguish his entrepreneurial ambition. It made it less naïve. Alessandro began to understand that technological quality is necessary but insufficient, and that a startup is not the automatic continuation of a thesis to which you attach a logo and a pitch deck.

His first job took him to Bristol and Imagination Technologies. The company designed PowerVR graphics architectures used, among other places, in Apple devices. For a young engineer it was a privileged viewpoint: advanced technology, complex processes, major customers and the pressure created when a semiconductor supplier has to answer to a company many times its size.

The internal culture left an impression. At Imagination Technologies, problems were not hidden behind corporate rhetoric. If a testbench was inadequate, people said so, because a flaw can only be fixed once it has been brought to light. Alessandro also learnt about the imbalance that can define the relationship between a supplier and a global customer. At times he found himself forced to help fix problems in circuits modified by the customer without being allowed to see the complete code. It was a practical lesson in ecosystems, negotiation and industrial dependency.

Within a few months Alessandro had risen through the company’s hierarchy and responsibilities, but the work soon stopped being stimulating enough. In practice, he could complete in a couple of weeks projects described as three-month assignments. Yet the issue was not the company’s ambition; it was rather his personal need to work closer to chip architecture, where he would not find himself, as was happening, dealing with problems created by others at a lower level of their definition.

Alessandro reached Zurich’s Institute of Neuroinformatics almost by chance. He was looking for a doctorate to return to research, and over time had considered quantum computing, photonics and even systems for nuclear fusion. A friend suggested a Swiss laboratory working on artificial intelligence and neuromorphic systems. He applied, was accepted and suddenly found himself immersed in a field about which he knew almost nothing, just months before AlphaGo brought artificial intelligence back to the attention of public debate.

The original Samsung-funded project was meant to focus on a neuromorphic chip. At the funder’s request it soon changed direction and became work on deep learning based on digital chips. The laboratory, however, specialised in analogue and neuromorphic electronics. So Alessandro spent four years teaching himself, for the most part, almost everything. When he had to estimate the circuit’s energy consumption and nobody had a suitable procedure, he would open the tool’s reference manual: roughly fifteen hundred pages to work through until the answer came out.

It is the same scene as the 1995 computer, on a different scale. There is no shop to which the problem can be delegated. There is no procedure to follow. There is a goal, an incomplete set of tools and the responsibility to find a solution.

In that laboratory Alessandro met Manu V. Nair. They started their doctorates on the same day and, as often happens in research groups, collaboration began over lunch: daily conversations, hypotheses and company ideas.

Four years later, in 2019, they would found Synthara.

The first Synthara was not the company it is today. The project grew out of Alessandro’s research and aimed to build dedicated artificial-intelligence accelerators for edge applications. The team raised its first capital and developed multiple chip generations. The direction appeared clear, but in deep tech a roadmap rarely survives its encounter with markets, capital and competitors unchanged.

In 2022, the war in Ukraine caused an investor connected to Russian capital to disappear. For a company financing research, design and tape-outs, a failed round is not merely a delay. Synthara had to dismiss its first two employees, then call them back shortly afterwards because it had secured enough resources to keep them. The bank account went into overdraft. The CEO temporarily went without a salary. In the same period, Alessandro lost his father to cancer.

“We reached minus one day from bankruptcy,” he recalls. Not thirty days of runway: a point beyond the margin that usually precedes closure. Support from Excellis and other existing investors, followed by European and Swiss grants, gave the company oxygen and time to replan. It was a financial rescue, but more importantly it restored the ability to make decisions without every choice being dictated by the following week’s cash position.

That passage clarifies what patient capital means in deep tech. It is not simply accepting a longer timeline. It means distinguishing an unsolvable technical risk from a valid company hit by an external shock, and intervening while capital can still change the outcome.

Around the same time, several large companies presented accelerators with highly optimistic and commercially aggressive performance claims. Many of those promises would later be scaled back, but for a young startup with limited liquidity the signal was unmistakable: the positioning needed to be reconsidered.

Among the technologies developed by the team was an in-memory computing capability. During a discussion at the whiteboard, Alessandro almost incidentally suggested that this capability, part of the architecture they were developing, could be isolated, placed inside a CPU cache and turn memory into an active participant in computation. He did not present it as a product proposal. Manu, however, heard the remark and spent the following weeks working with the software team to test it. A few months later, he returned with an answer: yes, it could be done.

ComputeRAM grew from that observation. In conventional chips, data must continually travel between memory and compute units. In data-intensive applications such as AI and signal processing, that movement costs time and energy. ComputeRAM integrates computing capabilities directly into memory and is designed as a compatible replacement for SRAM, enabling designers to improve performance without rebuilding their whole system. Today Synthara can report gains of up to one hundred times in speed and energy efficiency on specific embedded workloads.

The strength of the pivot does not lie in abandoning the past. It lies in recognising, within work already completed, the element with the greatest potential to become a platform. If the idea emerged by chance, the ability to assess its potential did not. That required years of research, a team able to listen and to listen to one another, and the discipline to separate intuition from proof.

Synthara sells semiconductor intellectual property: a model familiar to specialists but less intuitive to many generalist investors. It is not a software company, yet it does not own a foundry or need to sell a chip of its own directly. It licenses technology blocks, models, tools and software that other manufacturers can integrate into their systems. ARM is the best-known reference, but naming it is not enough if the listener does not understand the economics of hardware IP.

This intermediate position is both an industrial advantage and a narrative difficulty. It requires less capital than direct chip production and can work across different architectures and processes. At the same time, it obliges the founders to explain repeatedly where value is created and how it is captured.

In 2024, Synthara announced more than $11 million in financing and grants to bring ComputeRAM to market. The company works with chipmakers, foundries and industrial partners, applying the technology to wearables, robotics, smart sensors and other systems in which latency and energy are decisive constraints. For Alessandro, the ambition extends beyond one product: to demonstrate that Europe can play a leading role in AI hardware.

Here emerges a contradiction we know well. Europe calls for digital sovereignty, but tends to be cautious about the very investments required to build it. An advanced chip can demand hundreds of millions, sometimes billions. Prudence protects the ecosystem from bubbles, but it can also exclude it from markets that offer no financial shortcuts. Synthara’s IP model is therefore an industrial choice and a realistic response to the structure of European capital.

Zurich gave Synthara access to research, talent, responsive institutions and a cantonal bank whose mandate includes supporting the local economy, and which does so excellently. Alessandro nevertheless describes Switzerland without idealising it. The professional environment is international, but the worlds of foreigners and Swiss people often remain separate. Language — especially Swiss German — is a deeper barrier than it first appears.

It is possible to feel welcome without feeling that a place is completely yours. Institutions, he says, follow the company and ask how they can help even though neither founder is Swiss. Recognition comes through contribution: people enter the system by demonstrating that they create employment, technology and value. It is a concrete bargain, consistent with the experience of an engineer accustomed to judging things by how they work.

At the end of my interview, Alessandro returns to his first startup attempt and draws from it his most direct piece of advice for founders at the start of their journey. He sees in many Italian founders a form of defensive perfectionism: months spent rewriting a slide, refining a detail and shielding the idea from other people’s judgement. Behind it lies a culture in which failure is not a setback along the way but a personal stigma. Fear of hearing “no” therefore produces slowness, if not immobility.

His alternative is simple and uncomfortable: expose the project early to the reality of the world. Go to an event even without a deck, explain the idea and listen to the objections. A fund that declines may explain why. After one hundred conversations, the one-hundred-and-first investor will see a proposition shaped by one hundred pieces of real feedback, rather than one hundred assumptions formed in isolation.

This is not an invitation to improvise. Alessandro’s story is built on study, rigour and technical depth. It is rather an invitation not to use preparation as a shelter from reality. Understanding what lies behind things lets us move when the context changes; putting them in front of the world tells us whether the problem we have chosen to tackle truly matters.

Synthara was born precisely at the intersection of those attitudes: a technology matured over years and called into question by an idea mentioned almost in passing at a whiteboard; a company that came close to shutting down and, precisely because of that, was able to redefine its product completely; a founder who, as a child, would not wait for somebody else to repair his computer and who now works to change the very way a computer performs its calculations.

L’esperienza internazionale gli fece apprezzare qualcosa che spesso, in Italia, viene dato per scontato: il valore di una formazione teorica solida. Alessandro spesso incontrava colleghi molto bravi nell’uso di uno strumento, ma che andavano in crisi quando dovevano cambiare la release di un software, o modificare un processo o il contesto. La scarsità di risorse delle università italiane, osserva Alessandro, può diventare paradossalmente una scuola di profondità: se non puoi permetterti un nuovo tape-out per la tesi di ogni studente, devi studiare meglio ciò che accade nel circuito.

Non è un elogio nostalgico dell’accademia italiana. È una distinzione più precisa tra addestramento e comprensione. Sapere dove premere accelera l’esecuzione di un compito; sapere perché quel comando funziona permette di affrontarne uno nuovo. Per Alessandro, questa seconda capacità diventerà decisiva prima nella ricerca e poi nella costruzione di Synthara.

Dopo il master Alessandro provò subito a fondare una startup. Aveva una tecnologia sviluppata nel contesto della sua tesi magistrale e l’idea, apparentemente semplice, di trasformarla in un prodotto. I compagni con cui avrebbe voluto costruirla però trovarono lavoro rapidamente nel pieno della crisi economica del 2011 e lo lasciarono al palo. Lui rimase con la sua idea, ma senza una squadra. A ventiquattro anni non riuscì nemmeno a definire con sufficiente chiarezza il concetto d’impresa.

Oggi non attribuisce quell’esito alla sfortuna. «Non ero assolutamente pronto», dice. Il progetto partiva dalla domanda sbagliata: questa tecnologia è interessante, come posso venderla? Mancavano un bisogno verificato, una proposta di valore, un cliente e la comprensione di tutta la differenza tra un risultato tecnico che sta in piedi e un’azienda che funzioni.

Il fallimento non spense però l’ambizione imprenditoriale. La rese meno ingenua. Alessandro iniziò a capire che la qualità di una tecnologia è necessaria, ma non sufficiente; e che una startup non è la prosecuzione automatica di una tesi a cui attacchi un logo e un pitch deck.

Il primo lavoro lo portò a Bristol, in Imagination Technologies. L’azienda progettava architetture grafiche PowerVR impiegate, tra l’altro, nei dispositivi Apple. Per un giovane ingegnere fu un osservatorio privilegiato: tecnologia avanzata, processi complessi, grandi clienti e la pressione che nasce quando una società di semiconduttori deve rispondere a un gruppo molto più grande di lei.

La cultura interna lasciò un segno. In Imagination Technologies i problemi non venivano nascosti dietro la retorica aziendale: se un testbench era inadeguato, lo si diceva, perché soltanto evidenziando un difetto si può correggerlo. Alessandro imparò anche la sproporzione che può esistere nella relazione tra un fornitore e un cliente globale. Talvolta si trovava costretto ad aiutare a risolvere problemi a circuiti modificati dal cliente senza poter vedere il codice completo. Era una lezione pratica di ecosistema, negoziazione e dipendenza industriale.

In pochi mesi Alessandro si fece largo nelle gerarchie e responsabilità aziendali, ma il lavoro smise presto di essere sufficientemente stimolante. Di fatto, progetti descritti come affrontabili in tre mesi riusciva a completarli nel giro di un paio di settimane; ma la questione non era l’ambizione dell’azienda: era più il bisogno personale di lavorare più vicino all’architettura dei chip, dove non si ritrovasse, come invece accadeva, ad affrontare problemi causati da altri a un livello più basso della loro definizione.

Alessandro arrivò all’Institute of Neuroinformatics di Zurigo quasi per caso. Cercava un dottorato per ritornare verso la ricerca, e nel tempo aveva considerato quantum computing, fotonica e persino sistemi per la fusione nucleare. Un amico gli suggerì un laboratorio svizzero che studiava intelligenza artificiale e sistemi neuromorfici. Scrisse, venne accettato e si trovò improvvisamente immerso in un campo di cui sapeva pochissimo, giusto pochi mesi prima che AlphaGo riportasse l’intelligenza artificiale all'attenzione del dibattito pubblico.

Il progetto iniziale, finanziato da Samsung, avrebbe dovuto riguardare un chip neuromorfico. Per volontà del finanziatore cambiò presto direzione e divenne un lavoro sul deep learning basato su chip digitali. Il laboratorio, però, era specializzato in elettronica analogica e neuromorfica. Alessandro passò così quattro anni a imparare, per lo più quasi tutto, da solo. Quando dovette stimare l’energia del circuito e nessuno aveva una procedura adatta, apriva il manuale di riferimento dello strumento: circa millecinquecento pagine da attraversare finché la risposta non veniva fuori.

È la stessa scena del computer del 1995, su una scala diversa. Non c’è un negozio a cui delegare il problema. Non c’è una procedura da eseguire. Ci sono un obiettivo, strumenti incompleti e la responsabilità di trovare una soluzione.

In quel laboratorio Alessandro incontrò Manu V. Nair. Iniziarono il dottorato lo stesso giorno e, come accade spesso nei gruppi di ricerca, la collaborazione cominciò a pranzo: conversazioni quotidiane, ipotesi, idee d’impresa.

Quattro anni dopo, nel 2019, fonderanno Synthara.

La prima Synthara non era l’azienda di oggi. Il progetto partiva dalla ricerca di Alessandro e puntava a costruire acceleratori dedicati all’intelligenza artificiale per applicazioni "on edge". Il team raccolse il primo capitale e sviluppò più generazioni di chip. La direzione sembrava definita, ma nel deep tech una roadmap raramente sopravvive intatta all’incontro con mercato, capitale e concorrenti.

Nel 2022, lo scoppio della guerra in Ucraina fece venir meno un investitore legato a capitali russi. Per una società che finanzia ricerca, progettazione e tape-out, un round che salta non è un semplice ritardo. Synthara dovette licenziare i primi due dipendenti e, poco dopo, richiamarli perché era riuscita a trovare risorse sufficienti per trattenerli. Il conto arrivò in rosso. Il CEO rinunciò temporaneamente allo stipendio. Nello stesso periodo Alessandro perse il padre dopo una malattia.

«Siamo arrivati a meno uno dalla bancarotta», ricorda. Non trenta giorni di runway: un punto oltre il margine che normalmente precede la chiusura. L’intervento di Excellis e di altri investitori esistenti, insieme ai grant europei e svizzeri ottenuti poco dopo, diede alla società ossigeno e tempo per ripianificare. Fu una salvezza finanziaria, ma soprattutto la possibilità di tornare a ragionare senza che ogni decisione fosse dettata dalla cassa della settimana successiva.

Quel passaggio chiarisce cosa significhi capitale paziente nel deep tech. Non si tratta soltanto di accettare tempi più lunghi. Significa saper distinguere un rischio tecnico irrisolvibile da un’impresa valida attraversata da uno shock esterno, e intervenire quando il capitale può ancora cambiare l’esito.

Nello stesso periodo comparvero sul mercato numerosi acceleratori presentati da grandi aziende con risultati molto ottimistici e commercialmente aggressivi. Molte di quelle promesse si sarebbero poi ridimensionate, ma per una giovane startup con liquidità limitata il segnale era inequivocabile: occorreva riesaminare il posizionamento.

Tra le tecnologie costruite dal team ce n’era una di in-memory computing. Durante una discussione davanti alla lavagna, Alessandro formulò quasi incidentalmente un’ipotesi: quella capacità, parte della architettura che stavano sviluppando, poteva essere isolata, inserita nella cache di una CPU e trasformare la memoria in una parte attiva del calcolo. Non la presentò come una proposta di prodotto. Manu, però, ascoltò la frase e nelle settimane successive lavorò con il team software per verificarla. Qualche mese più tardi tornò con una risposta: sì, si poteva fare.

Da quella osservazione nacque ComputeRAM. Nei chip tradizionali, i dati devono spostarsi continuamente tra memoria e unità di calcolo. Per applicazioni dense di dati, come AI e signal processing, il trasferimento costa tempo ed energia. ComputeRAM integra capacità di calcolo direttamente nella memoria e si propone come sostituto compatibile della SRAM, così che i progettisti possano ottenere più prestazioni senza ridisegnare da zero il loro sistema. Oggi Synthara può dichiarare incrementi fino a cento volte in velocità ed efficienza energetica in specifici carichi embedded.

La forza del pivot non sta nell’aver abbandonato il passato. Sta nell’aver riconosciuto, dentro il lavoro già fatto, l’elemento con maggiore possibilità di diventare una piattaforma. Se l’idea emerse per caso, la capacità di valutarne il potenziale non fu casuale. Richiese anni di ricerca, una squadra capace di ascoltare e ascoltarsi, e la disciplina di separare l’intuizione dalla prova.

Synthara vende proprietà intellettuale per semiconduttori: un modello familiare agli specialisti, meno immediato per molti investitori generalisti. Non è una software company, ma non possiede neppure una foundry e non deve vendere direttamente un proprio chip. Concede in licenza blocchi tecnologici, modelli, strumenti e software che altri produttori possono integrare nei propri sistemi. Il riferimento più noto è ARM, ma citarlo non basta se l’interlocutore non conosce il funzionamento economico dell’IP hardware.

Questa posizione intermedia è un vantaggio industriale e una difficoltà narrativa. Riduce il capitale necessario rispetto alla produzione diretta di chip e permette di lavorare con diverse architetture e processi. Allo stesso tempo, obbliga i founder a spiegare più volte dove si crea il valore e come viene catturato.

Nel 2024 Synthara ha annunciato oltre 11 milioni di dollari tra investimento e grant, destinati a portare ComputeRAM sul mercato. La società collabora con produttori di chip, foundry e partner industriali, e applica la tecnologia a wearable, robotica, sensori intelligenti e altri sistemi in cui latenza ed energia sono vincoli decisivi. Per Alessandro, l’ambizione va oltre il prodotto: dimostrare che l’Europa può avere un ruolo di primo piano nell’hardware per l’AI.

Qui emerge una contraddizione che conosciamo bene. L’Europa chiede sovranità digitale, ma tende a essere prudente proprio davanti agli investimenti necessari per costruirla. Un chip avanzato può richiedere centinaia di milioni, talvolta miliardi. La prudenza protegge l’ecosistema dalle bolle, ma può anche escluderlo dai mercati che non ammettono scorciatoie finanziarie. Il modello IP di Synthara è quindi una scelta industriale e, insieme, una risposta realistica alla struttura del capitale europeo.

Zurigo ha offerto a Synthara ricerca, talenti, istituzioni disponibili e una banca cantonale con il mandato di sostenere l’economia locale e che lo fa in modo eccellente. Alessandro descrive però la Svizzera senza idealizzarla. L’ambiente professionale è internazionale, ma il mondo degli stranieri e quello degli svizzeri restano spesso separati. La lingua — soprattutto lo svizzero tedesco — è una barriera più profonda di quanto sembri.

È possibile sentirsi accolti senza sentire quel luogo completamente proprio. Le istituzioni, racconta, seguono l’impresa e chiedono come possano essere utili anche se i founder non sono svizzeri. Il riconoscimento arriva attraverso il contributo: si entra nel sistema dimostrando di creare lavoro, tecnologia e valore. È un patto molto concreto, coerente con l’esperienza di un ingegnere abituato a giudicare le cose dal loro funzionamento.

Alla fine della mia intervista, Alessandro torna al primo tentativo di startup e ne ricava il consiglio più diretto per i founder all'inizio del loro percorso. Vede in molti founder italiani una forma di perfezionismo difensivo: mesi trascorsi a rifare una slide, chiarire un dettaglio, proteggere l’idea dal giudizio altrui. Dietro c’è anche una cultura in cui il fallimento non è un incidente di percorso, ma uno stigma personale. Così il timore di un no produce lentezza se non immobilità.

La sua alternativa è semplice e scomoda: esporre presto il progetto alla realtà del mondo. Andare a un evento anche senza deck, raccontare l’idea, ascoltare le obiezioni. Un fondo che rifiuta può spiegare perché. Dopo cento conversazioni, il centunesimo interlocutore vedrà una proposta che incorpora cento feedback reali, non cento ipotesi formulate in isolamento.

Non è un invito all’improvvisazione. La storia di Alessandro è costruita su studio, rigore e profondità tecnica. È piuttosto un invito a non usare la preparazione come rifugio dalla realtà. Capire cosa c’è dietro alle cose serve a muoversi quando il contesto cambia; metterle davanti al mondo serve a scoprire se il problema che abbiamo scelto di affrontare conta davvero.

Synthara nasce precisamente nell’intersezione tra queste due attitudini. Una tecnologia maturata per anni e rimessa in discussione da un’idea detta senza attenzione davanti a una lavagna. Un’azienda arrivata quasi a chiudere e capace, proprio per questo, di ridefinire completamente il proprio prodotto. Un founder che, da bambino, non voleva aspettare che qualcun altro aggiustasse il suo computer e che oggi lavora per cambiare il modo stesso in cui un computer esegue i suoi calcoli.