Il Super Bowl dell’AI. Qualcuno lo chiama così. Altri, più cinematografici, lo descrivono come il Burning Man dell’intelligenza artificiale. Questa settimana a San Jose si è tenuta la NVIDIA GTC 2026 - e tra data center da miliardi di dollari e GPU di nuova generazione, tre temi hanno attirato davvero l’attenzione.
Il più sorprendente? Jensen Huang ha dedicato la parte più significativa del suo keynote - due ore e mezza, il suo standard abituale - non a nuovi chip, ma a un progetto open source chiamato OpenClaw.
OpenClaw: da esperimento hacker a infrastruttura NVIDIA
Se segui il mondo AI da qualche mese, OpenClaw ti è già probabilmente capitato davanti. È un framework open source che consente di trasformare qualsiasi modello AI in un agente autonomo: gli dai accesso a strumenti (browser, file system, API esterne), memoria persistente tra le sessioni, e lui lavora in modo indipendente su task complessi.
L’idea è potente. L’esecuzione, fino ad oggi, richiedeva competenze tecniche significative. E c’era il problema della sicurezza.
La risposta di NVIDIA si chiama NemoClaw: una versione di OpenClaw curata direttamente da NVIDIA, installabile con una singola riga nel terminale. L’obiettivo è duplice - abbassare la barriera tecnica all’accesso e aggiungere uno strato di sicurezza che mancava nella versione base.
Come funziona OpenClaw con NemoClaw
Il flusso di setup con NemoClaw riduce l’installazione da ore a minuti, con sicurezza integrata.
Come installare NemoClaw: setup in pochi minuti
Il processo di installazione di NemoClaw è volutamente semplice. Da terminale, bastano poche righe per avere OpenClaw attivo con sicurezza integrata. Le API key - inclusa la NVIDIA_API_KEY - vengono configurate e isolate di default fin dal primo avvio, senza intervento manuale per la parte di protezione delle credenziali.
Sul fronte hardware, NemoClaw è ottimizzato per dispositivi NVIDIA (RTX, DGX Spark), ma funziona anche su architetture diverse. Questo lo rende una scelta concreta non solo per chi ha già infrastruttura NVIDIA, ma anche per chi vuole integrare modelli locali come Nemotron senza passare dal cloud. Per i settori con requisiti stringenti di privacy - finance, healthcare, legale - la combinazione “setup rapido + dati che non escono dal dispositivo” è esattamente quello che spesso blocca l’adozione degli agenti AI in produzione.
Il nodo vero: sicurezza degli agenti AI
La paura principale attorno a OpenClaw non è mai stata tecnica. È stata di sicurezza. Dare a un agente AI accesso al file system, alla posta elettronica e alle API aziendali significa esporsi a rischi reali: prompt injection da contenuti esterni, leak di credenziali, azioni irreversibili eseguite senza supervisione.
NemoClaw risponde con uno strato di isolamento che protegge le API key e i dati sensibili. Quanto sia robusto nella pratica, lo vedremo solo quando sarà in produzione su scala. Il segnale però è chiaro: NVIDIA sta scommettendo che gli agenti AI autonomi diventino mainstream, e vuole essere l’infrastruttura che li fa girare in sicurezza.
Vale la pena aggiungere una nota pratica. Durante l’evento “Build-A-Claw” - un’area dedicata dove tecnici NVIDIA installano OpenClaw su dispositivi dei visitatori - l’installazione sul DGX Spark (il piccolo supercomputer portatile di NVIDIA) è avvenuta in meno di due minuti. Sul dispositivo hanno anche caricato Neotron 3 Super, un modello a 120 miliardi di parametri che gira completamente on device.
Niente cloud. Niente dati che lasciano il dispositivo. Un’AI di livello quasi state-of-the-art che funziona offline. Per chi costruisce soluzioni AI in settori con requisiti di privacy stringenti - legale, healthcare, finance - questo è un segnale da tenere d’occhio. Se ti interessa capire come gli agenti AI si integrano nei processi aziendali reali, puoi leggere i nostri casi studio su automazione con agenti AI.
DLSS5: l’AI che ridisegna i videogiochi (con qualche caveat)
Meno rilevante per il B2B, ma tecnicamente interessante. DLSS5 porta un upscaler AI in tempo reale sui giochi esistenti: prende grafica a risoluzione inferiore e la migliora al volo, senza toccare il codice del gioco. Giochi già pubblicati che migliorano graficamente senza aggiornamenti. L’idea è elegante.
DLSS5: cosa funziona e cosa preoccupa
Pro
- Migliora la grafica dei giochi esistenti senza aggiornamenti
- Upscaling in tempo reale sul dispositivo
- Addio al frame interpolation problematico di DLSS 3.5
Contro
- L’AI potrebbe aggiungere dettagli grafici non presenti nell’originale
- I gamer hardcore già scettici prima del lancio
- Comportamento reale da verificare in produzione su scala
DLSS5 divide già la community prima ancora del lancio ufficiale.
Il problema è lo stesso dei modelli linguistici: l’AI a volte allucina dettagli che non esistono. In un testo, lo noti e lo correggi. In una grafica di gioco in tempo reale, potresti vedere un oggetto o un’ombra che non dovrebbe esserci. I gamer hardcore lo sanno già e non sono entusiasti. Aspettiamo i dati reali prima di giudicare.
NVIDIA è ovunque - e i numeri sull’accelerazione fanno impressione
Due temi trasversali hanno attraversato l’intero keynote. Il primo: NVIDIA è nell’infrastruttura di praticamente ogni azienda tech. Google, AWS, Microsoft, Oracle, Coreweave - tutti usano GPU NVIDIA. I settori coperti spaziano dall’automotive al quantum computing, dall’healthcare alla robotica.
Non è una metafora. È la realtà operativa: quasi ogni SaaS con AI integrata, ogni cloud provider, ogni sistema di machine learning in produzione passa in qualche modo da NVIDIA. Sono diventati l’infrastruttura invisibile dell’AI globale.
Il secondo tema è più sottile, però più importante per chi costruisce con l’AI ogni giorno. I grafici mostrati durante il keynote tracciano una traiettoria inequivocabile: token al secondo in costante aumento, finestre di contesto sempre più ampie, costi in calo, efficienza energetica in miglioramento. Tutto insieme, tutto allo stesso tempo.
Non si tratta di ottimismo. Si tratta di dati. E i dati dicono che quello che è impossibile oggi potrebbe essere banale tra 18 mesi. Per chi costruisce soluzioni AI per le aziende, questo significa che le architetture scelte oggi potrebbero già essere obsolete domani. Non è una scusa per aspettare - è un motivo per costruire con meno accoppiamento possibile tra tool e logica di business.
La domanda che rimane aperta
GTC 2026 ha confermato quello che chi lavora nel settore sente già da qualche tempo: l’AI sta diventando infrastruttura. Non uno strumento speciale, ma il substrato su cui girano i sistemi. OpenClaw e NemoClaw sono un passo in quella direzione - rendono gli agenti AI più accessibili e, in teoria, più sicuri.
La domanda che rimane aperta non è tecnica. È organizzativa. Quanto velocemente le aziende riescono ad adattarsi quando la tecnologia cambia a questa velocità? Per la maggior parte delle PMI italiane, la risposta onesta è: non abbastanza, non ancora. Non perché manchino le intenzioni, ma perché la distanza tra un annuncio come NemoClaw e un’implementazione aziendale sicura e scalabile è ancora enorme.
E forse è questo il vero dato da portare a casa da GTC 2026. Non i chip, non gli agenti, non i data center nello spazio. Il gap tra chi accelera e chi osserva si sta allargando. Vale la pena sapere da che parte si è.