La mailing list di Mesa, storico progetto per l’accelerazione grafica open-source su Linux, si anima. Un ingegnere Huawei scrive per discutere la possibilità di rilasciare pubblicamente il codice di un driver Vulkan sviluppato per una GPU interna. La notizia, di per sé, potrebbe far sperare in un nuovo concorrente nel panorama dei processori grafici sostenuti da driver aperti, con tutto ciò che ne consegue per i carichi di calcolo — non solo grafica, ma anche intelligenza artificiale. Invece, dalla lettura del messaggio e dalle prime reazioni, emerge un profilo decisamente più incerto. La proposta appare talmente timida e priva di un piano concreto che, nella sua forma attuale, è già data per spacciata: l’upstream dentro Mesa, al momento, non decollerà.

Il driver Vulkan non serve solo per rasterizzare poligoni. L’API Vulkan Compute consente di sfruttare la GPU per carichi paralleli, come l’inference di LLM, quando manca un supporto nativo per CUDA o librerie AI dedicate. In un panorama di deployment on-premise, dove le aziende costruiscono stack Linux auto-gestiti per addestramento e inference, avere un driver stabile, integrato nel kernel e manutenuto dalla comunità è un prerequisito quasi scontato. GPU che arrivano con blob proprietari o pacchetti out-of-tree aumentano la complessità, riducono la portabilità e creano frizioni per chi cerca sovranità sui dati e auditabilità dell’intero stack.

Huawei, dal canto suo, non è nuova a iniziative hardware ambiziose, come gli acceleratori NPU della famiglia Ascend. Tuttavia, l’azienda ha spesso operato con un ecosistema software chiuso o semi-chiuso, specialmente dopo le restrizioni statunitensi. Un driver Vulkan aperto per Mesa avrebbe rappresentato un’inversione di rotta, allineando Huawei a un modello virtuoso già seguito da AMD e Intel, che oggi offrono driver upstream di qualità per i loro prodotti grafici e di calcolo. Invece, la timidezza dell’iniziativa segnala una volontà politica tiepida, forse frenata da timori legati alla proprietà intellettuale o da strategie interne che preferiscono mantenere il controllo totale sullo stack software.

Per chi valuta hardware per data center on-premise o edge, l’episodio manda un segnale chiaro: le GPU Huawei non sono (ancora) candidate affidabili per un deployment open-source a lungo termine. Il TCO di una soluzione non si misura solo in dollari per teraflops, ma anche nella prevedibilità degli aggiornamenti del driver, nella compatibilità con le ultime versioni del kernel Linux e con le principali librerie di calcolo. Un driver mezzo abbandonato prima ancora di nascere mina la fiducia e sposta l’ago della bilancia verso chi dimostra impegno continuativo nella comunità.

Non è detto che il progetto venga abbandonato del tutto: potrebbe riapparire in futuro con una proposta più strutturata. Ma per ora, chi segue con attenzione le dinamiche dell’hardware per l’AI on-prem segna una perdita di opportunità. In attesa di sviluppi, il panorama delle GPU supportate da driver open rimane meno affollato di quanto potesse sembrare questa settimana.