Linus Torvalds ha pubblicato Linux 7.2 come versione stabile, rispettando la tabella di marcia prevista. Non è un dettaglio banale: il ciclo di sviluppo è stato descritto come molto intenso, con un volume di patch e segnalazioni cresciuto in modo marcato per l'ingresso di contributi legati all'ecosistema AI/LLM. Il kernel arriva in orario e si candida a essere la base di Ubuntu 26.10 e di altre distribuzioni.

L'aumento del "churn" di patch e report è un segnale strutturale. Non si tratta solo di più sviluppatori che lavorano al kernel: è l'effetto di un ecosistema AI che genera codice, test e segnalazioni a ritmi diversi dal passato. Per chi gestisce infrastrutture Linux on-premise, questo può significare due cose. Da un lato, più occhi sul codice e correzioni più rapide; dall'altro, la necessità di processi di validazione più robusti prima di adottare una release in produzione. La combinazione non è neutra per i team che mantengono server bare metal o cluster destinati all'inference di LLM.

I/O e driver: il collo di bottiglia silenzioso

I miglioramenti annunciati a I/O e driver AMD/Intel toccano un livello poco visibile ma determinante. Per l'inference di LLM in locale, la velocità di caricamento dei pesi del modello dallo storage alla memoria, l'efficienza dei trasferimenti tra CPU e GPU e la stabilità dei driver per gli acceleratori sono fattori critici. Un I/O più rapido può ridurre i tempi di avvio a freddo per modelli di grandi dimensioni e migliorare il throughput nelle pipeline che elaborano dati in streaming. I progressi sui driver interessano anche chi usa GPU AMD o Intel come alternative a NVIDIA in sistemi self-hosted, anche se la fonte non fornisce numeri di benchmark. Il valore qui è la riduzione dell'incertezza e una migliore compatibilità tra hardware eterogeneo.

Il secondo effetto è sulle distribuzioni. Ubuntu 26.10 erediterà un kernel con queste caratteristiche, e altre seguiranno. Per chi valuta deployment on-premise di LLM, il sistema operativo spesso riceve meno attenzione delle specifiche GPU o del livello di quantization. Eppure un kernel con I/O e driver migliori può allungare la vita utile dell'hardware esistente, ridurre la necessità di scaricare carichi sul cloud e rendere più prevedibili le architetture ibride. Non sostituisce una GPU mancante, ma può abbassare l'overhead per nodo e semplificare la gestione.

Il ciclo kernel intenso dovuto all'AI/LLM non è un episodio isolato: riflette come i carichi AI siano ormai parte della pianificazione infrastrutturale di base. Linux 7.2 non è la storia di una singola funzionalità, ma di una cadenza di rilascio che deve assorbire una nuova classe di contributori e requisiti di workload. Per chi segue AI-RADAR, il kernel non è più solo una componente di sistema: è una variabile nell'equazione del TCO per gli stack LLM self-hosted. La prossima sfida non sarà solo tecnica, ma organizzativa: validare rapidamente un kernel che cambia più velocemente proprio mentre le infrastrutture AI diventano più critiche.