Huang, NVIDIA: OpenClaw ha realizzato in tre settimane ciò che Linux ha impiegato 30 anni a raggiungere

Negli ultimi mesi il settore dell'intelligenza artificiale sta attraversando una nuova fase evolutiva: dopo l'era dei modelli generativi e delle interfacce conversazionali, l'attenzione si sta spostando verso i cosiddetti sistemi di AI agentica, software in grado non solo di rispondere a domande ma anche di pianificare ed eseguire sequenze di attività in modo autonomo.

Durante la Morgan Stanley Technology, Media & Telecom Conference 2026, il CEO di NVIDIA, Jensen Huang, ha indicato questo passaggio come uno dei cambiamenti più significativi nell'intero ecosistema AI. A suo avviso, framework come OpenClaw rappresentano un elemento chiave di questa trasformazione.

OpenClaw è un progetto open source pensato per coordinare agenti di intelligenza artificiale. Non si tratta di un nuovo modello, ma di un livello software di orchestrazione che permette agli sviluppatori di creare sistemi capaci di interagire con diversi servizi, recuperare dati, valutare risultati e proseguire automaticamente verso un obiettivo definito.

Huang ha sottolineato la velocità con cui il progetto si è diffuso, utilizzando un confronto particolarmente forte: secondo il CEO di NVIDIA, il livello di adozione raggiunto in poche settimane da OpenClaw sarebbe paragonabile a quello che Linux ha consolidato nel corso di decenni. Il paragone riguarda la velocità di diffusione nell'ecosistema open source, non il ruolo tecnologico dei due software.

"Probabilmente il fenomeno più importante che sta avvenendo, e se ci state prestando attenzione, sono sicuro che lo state facendo, OpenClaw è probabilmente la versione di software più importante mai rilasciata. Se si guarda a OpenClaw e alla sua diffusione, Linux ha impiegato circa 30 anni per raggiungere questo livello. OpenClaw, in sole tre settimane, ha ormai superato Linux. È ora il software open source più scaricato della storia, e ci sono volute solo tre settimane".

Gli agenti AI possono eseguire catene di ragionamento composte da più interrogazioni al modello, validare i risultati e utilizzare strumenti esterni per completare compiti complessi. In pratica diventano sistemi in grado di svolgere attività che finora richiedevano intervento umano.

Questo approccio permette, ad esempio, di effettuare ricerche sul web, analizzare documenti, generare immagini, scrivere codice o interagire con applicazioni esterne in modo iterativo fino al raggiungimento del risultato desiderato.

L'aumento della complessità operativa degli agenti AI ha però una conseguenza diretta: il consumo di token cresce in modo significativo rispetto alle tradizionali interazioni con i modelli.

Secondo Huang, le architetture agentiche potrebbero aumentare il consumo di token fino a 1000 volte rispetto a una singola query. Ogni passaggio di ragionamento richiede infatti ulteriori operazioni di inferenza e verifiche intermedie, aumentando il carico sui sistemi di calcolo.

Il CEO di NVIDIA descrive questo fenomeno come un "compute vacuum", un vuoto di potenza computazionale destinato a crescere con l'adozione degli agenti AI. Anche ampliando le infrastrutture hardware, la domanda potrebbe continuare a superare la disponibilità di risorse finché questi sistemi continueranno a diffondersi nei flussi di lavoro. Per il settore dell'high performance computing la situazione rappresenta una sfida, ma anche un'opportunità per i fornitori di infrastrutture.