NVIDIA ad IFA 2026: l’AI diventa locale con nuovi agenti, PAIR e RTX Spark

L’AI sta entrando in una nuova fase, nella quale una parte sempre maggiore dei carichi di lavoro può essere gestita direttamente dal PC senza dover necessariamente passare dal cloud. È questo uno dei temi centrali della presenza di NVIDIA a IFA 2026, occasione dove l’azienda ha annunciato una serie di novità pensate per rendere l’AI locale più semplice da configurare, più veloce nell’esecuzione e, soprattutto, più flessibile.

La strategia coinvolge sia il software sia l’hardware. Da una parte arrivano nuove modalità semplificate per utilizzare agenti come Hermes Agent, OpenClaw e Perplexity Portable Computer sulle GPU NVIDIA, insieme a ottimizzazioni per i principali framework di inferenza; dall’altra, NVIDIA prepara il debutto dei primi PC Windows basati su RTX Spark, previsto per ottobre.

Al centro dell’attenzione c’è anche NVIDIA PAIR, acronimo di Personal AI Router, uno strumento open source che permette di sfruttare contemporaneamente più PC presenti sulla stessa rete locale per distribuire le richieste di inferenza. Lo scopo di tutto questo è piuttosto “semplice”, trasformare la potenza di calcolo inutilizzata dei sistemi domestici in una risorsa condivisa per gli agenti AI. Ma cerchiamo di capirci qualcosina in più insieme.

Segui TuttoTech.net su Google Discover

NVIDIA punta sugli agenti AI locali

Per NVIDIA il passaggio verso l’AI locale non significa semplicemente eseguire un chatbot sul proprio computer. Il vero cambiamento riguarda gli agenti AI, sistemi capaci di suddividere un’attività complessa in più operazioni, utilizzare strumenti esterni, mantenere il contesto e portare avanti un flusso di lavoro con un livello crescente di autonomia.

Fino a oggi, configurare un agente con un modello locale poteva richiedere diversi passaggi; ad esempio scegliere il modello corretto, individuare un server di inferenza compatibile, configurare quantizzazione e parametri e occuparsi successivamente degli aggiornamenti. NVIDIA sta lavorando proprio su questo punto, collaborando con Microsoft e con alcuni dei principali progetti dell’ecosistema open source per ridurre la complessità iniziale.

Tra le applicazioni coinvolte ci sono Hermes Agent, OpenClaw e Perplexity Portable Computer, soluzioni che stanno introducendo modalità più immediate per utilizzare modelli locali sulle GPU NVIDIA. Perplexity Portable Computer, ad esempio, era stato inizialmente introdotto su sistemi Linux come NVIDIA DGX Spark, tuttavia a settembre arriva anche sulle GPU NVIDIA RTX con almeno 24 GB di VRAM, sia su Windows che su Linux.

L’approccio è particolarmente interessante perché permette di mantenere localmente l’intero flusso di lavoro e ricorrere al cloud soltanto quando serve una capacità di ricerca o ragionamento aggiuntiva; prima di inviare contenuti al cloud, l’applicazione richiede inoltre il consenso dell’utente. Questo modello può essere utilizzato per analizzare repository software, documenti finanziari o dati aziendali senza trasferire automaticamente tutti i contenuti a un servizio esterno.

Anche Hermes Agent, sviluppato da Nous Research, si prepara a ricevere una configurazione locale molto più semplice. L’obiettivo è arrivare a un sistema nel quale l’utente possa scegliere un modello locale e lasciare all’applicazione il compito di individuare automaticamente la GPU NVIDIA presente, selezionare una configurazione appropriata e avviare il modello tramite llama.cpp con le ottimizzazioni NVIDIA già integrate.

Il vantaggio non riguarda soltanto la prima configurazione; Hermes è progettato per utilizzare strumenti, mantenere il contesto tra diverse attività, ricordare informazioni tra sessioni e creare competenze riutilizzabili nel tempo. OpenClaw infine segue una strada simile. NVIDIA, Microsoft e tutto il team del progetto hanno lavorato a una versione per Windows che semplifica l’installazione di un modello locale ottimizzato sulle GPU RTX con almeno 24 GB di VRAM, il tutto con lo scopo di ridurre il numero di passaggi tecnici necessari per arrivare dal PC all’agente funzionante.

L’inferenza locale diventa più veloce

La semplicità di configurazione è soltanto una parte del problema, infatti perché gli agenti possano essere realmente utilizzati nel quotidiano, anche la velocità di inferenza deve aumentare in modo lineare; in questo contesto NVIDIA ha continuato a collaborare con le comunità di sviluppo di llama.cpp e vLLM, introducendo nuove ottimizzazioni dedicate alle piattaforme locali.

Secondo NVIDIA, llama.cpp può arrivare fino a 1,9 volte il throughput su GeForce RTX 5090 grazie a ottimizzazioni dei kernel, tecniche di speculative decoding e un prefill più rapido; per vLLM il miglioramento dichiarato arriva invece fino a 1,2 volte su RTX PRO 6000 Blackwell Workstation Edition e fino a 1,4 volte utilizzando due cluster DGX Spark.

Le ottimizzazioni sono già accessibili attraverso strumenti come LM Studio, Ollama, llama.cpp e vLLM, rendendo i miglioramenti utilizzabili anche al di fuori delle applicazioni sviluppate direttamente da NVIDIA. Il risultato è particolarmente importante nel caso degli agenti, perché un singolo comando può trasformarsi in numerose richieste separate al modello.

NVIDIA PAIR trasforma più PC in una rete per l’AI

Qui che entra in gioco una delle novità più interessanti presentate a IFA 2026 dal colosso statunitense, parliamo di NVIDIA Personal AI Router, o semplicemente PAIR. Si tratta di uno strumento software gratuito e open source che permette di distribuire le richieste di inferenza tra diversi sistemi presenti sulla stessa rete locale.

Il concetto è relativamente semplice. Un agente può suddividere un’attività complessa in più sotto-attività e affidarle a diversi sub-agenti; se tutte le richieste vengono elaborate dallo stesso PC e dalla stessa GPU, però, possono rapidamente formarsi code. PAIR interviene a livello di routing, così individua i sistemi compatibili presenti sulla rete, verifica quali sono disponibili e assegna ogni richiesta indipendente al nodo più adatto.

Il software funziona con strumenti già molto diffusi nell’AI locale, come Ollama e LM Studio, senza richiedere una modifica all’agente utilizzato; questo significa che l’applicazione continua a vedere una normale interfaccia locale, mentre PAIR si occupa della distribuzione del lavoro dietro le quinte. NVIDIA ha ribadito in modo importante cosa fa realmente NVIDIA PAIR.

PAIR non unisce più GPU per trasformarle in un unico acceleratore e non permette di dividere un singolo modello o una singola richiesta di inferenza tra più computer; ogni richiesta viene assegnata a un singolo nodo e viene completata su quel sistema. Il vantaggio emerge quando esistono più attività indipendenti che possono essere eseguite contemporaneamente; in tale scenario, invece di mettere tutto in coda sulla GPU principale, le richieste possono essere distribuite tra più PC.

Un computer desktop può quindi continuare a occuparsi di un gioco o di un progetto creativo mentre un secondo PC, una workstation o un DGX Spark gestisce parte delle elaborazioni AI. PAIR tiene inoltre conto delle condizioni dei singoli nodi, verificando se il sistema è acceso e disponibile, quale motore di inferenza è attivo, se il modello richiesto è presente e quale sia il carico di lavoro corrente.

Si tratta di un approccio pensato per una rete domestica reale, dove i computer non sono necessariamente sempre accesi e disponibili. Un notebook può entrare in sospensione, il PC da gaming può essere impegnato in un gioco e una workstation può essere utilizzata per un altro progetto; in sostanza i nodi possono entrare e uscire dinamicamente dal pool di risorse.

Nella dimostrazione di NVIDIA, PAIR viene utilizzato insieme a Hermes Desktop e Ollama; Hermes divide un’attività in più sub-agenti, mentre PAIR si occupa di distribuire le richieste di inferenza tra i sistemi disponibili. In una configurazione dimostrativa con cinque sub-agenti e Qwen3.6 35B A3B, NVIDIA indica un tempo medio di completamento di 6 minuti e 18 secondi utilizzando una singola RTX 5090; con due RTX 5090 collegate attraverso PAIR, il tempo medio scende a 3 minuti e 48 secondi.

NVIDIA precisa però che si tratta di una dimostrazione non ufficiale e dipendente dalla configurazione specifica, dal modello, dal carico, dalla rete e dal livello di parallelismo; è bene quindi precisare che non rappresenta quindi un benchmark universale né implica una scalabilità lineare aggiungendo GPU. La beta di NVIDIA PAIR è disponibile per Windows, macOS e Linux, sia attraverso un’interfaccia grafica sia tramite terminale. Sono supportate GPU NVIDIA GeForce RTX dalla serie 20 in poi, GPU NVIDIA RTX PRO basate su architettura Turing o successive, NVIDIA DGX Spark e sistemi Apple con chip M4 o più recenti.

NVIDIA RTX Spark arriva sui PC Windows a ottobre

Parallelamente alle novità software, NVIDIA sta preparando il debutto commerciale della piattaforma RTX Spark, che rappresenta la componente hardware pensata per portare capacità AI elevate all’interno di sistemi Windows compatti e notebook. NVIDIA descrive RTX Spark come una piattaforma destinata contemporaneamente a creator, gamer e utenti che vogliono utilizzare agenti AI in locale.

Il sistema integra una GPU RTX Blackwell capace di arrivare, secondo l’azienda, a 1 petaflop di prestazioni AI, fino a 128 GB di memoria unificata e una CPU NVIDIA Grace fino a 20 core; la memoria unificata è uno degli elementi più importanti dell’architettura, perché permette di affrontare localmente modelli e carichi che possono risultare difficili da gestire su normali PC dotati di quantità inferiori di VRAM.

La piattaforma è inoltre pensata per lavorare insieme al nuovo framework Windows dedicato agli agenti, permettendo l’esecuzione di attività in background con il controllo del sistema operativo; il debutto dei primi PC Windows RTX Spark è previsto per ottobre 2026. NVIDIA ci dice che sta ampliando anche il supporto lato gaming: tra i publisher e sviluppatori che hanno annunciato titoli destinati alla piattaforma ci sono Electronic Arts, Embark e Ubisoft, che si aggiungono a KRAFTON, NetEase, Riot Games e XBOX.

Un ecosistema locale che continua a crescere

Le novità annunciate a IFA arrivano in un momento particolarmente intenso per l’AI locale, se ne parla praticamente ogni giorno. Nel corso di agosto NVIDIA ha infatti evidenziato il supporto a una serie di nuovi modelli destinati a funzionare direttamente sulle proprie piattaforme; tra questi c’è Nemotron 3.5 Lightning, modello da 30 miliardi di parametri utilizzabile su PC RTX, workstation RTX PRO, DGX Spark e Jetson.

Z.ai ha invece portato GLM-5.3-Flash, un modello multimodale Mixture-of-Experts pensato per i carichi agentici su DGX Station. Anche Qwen ha ampliato il proprio catalogo locale con Qwen3.8-Flash-Next e Qwen3.8-27B, quest’ultimo indirizzato in particolare agli scenari di coding e agli agenti AI sulle GPU NVIDIA. Sul fronte della generazione video, LTX 2.5 è un modello open world ottimizzato per GPU RTX, DGX Spark e DGX Station, con supporto a NVFP4, FastVideo e ComfyUI per migliorare velocità ed efficienza nell’utilizzo della memoria.

Tra le altre novità figura MiniMax-H3, modello open weight per la generazione video con audio sincronizzato, mentre Meta ha presentato Muse Glimmer, modello open weight da 30 miliardi di parametri destinato a coding e workload agentici. NVIDIA ha inoltre introdotto il supporto alla quantizzazione NVFP4 per DGX Spark, con l’obiettivo di ridurre il consumo di memoria durante l’esecuzione locale. Completa il quadro DeepSeek v4 Flash, modello Mixture-of-Experts da 284 miliardi di parametri con 13 miliardi di parametri attivi, eseguibile localmente su DGX Station.

L’espansione dell’ecosistema non riguarda però soltanto gli agenti e gli sviluppatori; a IFA 2026 NVIDIA ha annunciato anche CyberLink PhotoDirector AI PC Mode, una nuova modalità di PhotoDirector 365 pensata per sfruttare direttamente i modelli AI generativi durante l’editing fotografico. Il software permetterà di utilizzare funzioni per la generazione e modifica delle immagini, il miglioramento dei dettagli, la rimozione di oggetti e distrazioni, la sostituzione dello sfondo e il perfezionamento dei ritratti.

La direzione mostrata da NVIDIA a IFA 2026 è piuttosto chiara: l’AI locale sta passando dalla fase degli esperimenti tecnici a quella di un vero ecosistema software e hardware. Il punto non è soltanto avere una GPU o hardware abbastanza potente per eseguire un modello; servono strumenti che rendano l’installazione più semplice, framework capaci di sfruttare meglio l’hardware e applicazioni in grado di utilizzare i modelli locali senza costringere l’utente a configurare manualmente ogni componente.

Esaminando bene il contesto, notiamo che la differenza rispetto al passato risiede soprattutto nel “modello” di utilizzo; un PC può continuare a essere una macchina da gioco o da lavoro, ma allo stesso tempo diventare un nodo di una piccola infrastruttura AI domestica, con gli agenti capaci di sfruttare le risorse disponibili quando servono.