Alla Linux Plumbers Conference 2026 di Praga, John Hubbard di NVIDIA e Danilo Krummrich di Red Hat hanno presentato insieme lo stato di Nova, il driver NVIDIA open source scritto in Rust che punta a entrare nel kernel Linux upstream. La presentazione congiunta non è un dettaglio: segnala che il progetto ha una traiettoria concreta verso l'obiettivo dichiarato di diventare il driver NVIDIA ufficiale su Linux.

Per chi gestisce server GPU in contesti on-premise o air-gapped, la notizia ha un peso diverso da un semplice aggiornamento di driver. Un driver open source e upstream consente alle distribuzioni di integrare il supporto NVIDIA senza dipendere da moduli proprietari esterni, riducendo i problemi di firma, aggiornamento e compatibilità con kernel aggiornati. L'uso di Rust, linguaggio che nel kernel Linux sta guadagnando spazio per la sicurezza della memoria, aggiunge una riduzione della superficie d'attacco: un aspetto rilevante quando i carichi di inference girano su dati sensibili e devono restare sotto controllo locale.

L'ingresso di Red Hat nella presentazione non è casuale. Le distribuzioni enterprise hanno bisogno di componenti supportabili e revisionabili per offrire sistemi Linux con GPU NVIDIA senza porzioni di codice proprietario difficili da governare. Se Nova matura, cambiano gli incentivi: NVIDIA può spostare parte della propria ingegneria dal binario chiuso verso un percorso condiviso, mentre i fornitori di piattaforme on-premise possono costruire immagini più trasparenti e certificabili. Non è una vittoria automatica per nessuno: performance e copertura delle funzionalità dovranno raggiungere la parità con il driver proprietario, e i tempi restano una variabile aperta.

C'è poi un segnale strutturale. Il kernel Linux sta accettando codice Rust in aree critiche, e un driver GPU come Nova è uno dele banche di prova più ambiziosi. Per chi guarda alla sovranità dei dati e all'audit dei componenti, un driver open source riduce il vincolo di fiducia cieca nel vendor e permette ispezioni indipendenti. Non elimina la dipendenza dall'hardware, ma sposta il controllo sul software di base verso la comunità. Per le realtà che valutano deployment on-premise di GPU per LLM e inference, il driver è un elemento di fondo spesso trascurato. AI-RADAR offre framework analitici su /llm-onpremise per confrontare questi trade-off, senza scorciatoie.