NemoClaw è la soluzione di NVIDIA basata su OpenClaw per l'AI agentica: maggiore sicurezza e semplicità

Nel corso della GTC 2026, NVIDIA ha presentato una serie di novità dedicate allo sviluppo di agenti AI autonomi, una categoria di applicazioni che l'azienda considera il prossimo livello evolutivo dell'intelligenza artificiale. Al centro degli annunci figurano il nuovo NVIDIA Agent Toolkit, il runtime di sicurezza OpenShell e l'integrazione con l'ecosistema OpenCLAW, oltre a nuovi aggiornamenti per le piattaforme DGX Spark e DGX Station.

Secondo NVIDIA, l'emergere di sistemi agentici - definiti come agenti software capaci di pianificare, eseguire compiti e perseguire obiettivi complessi in autonomia - sta cambiando il modo in cui l'AI viene utilizzata. In questo modello, l'utente non fornisce più soltanto istruzioni puntuali o prompt specifici, ma può assegnare missioni complete come la creazione di software o l'esecuzione di attività articolate.

Per supportare questo paradigma, NVIDIA ha introdotto Agent Toolkit, una raccolta di modelli open, strumenti di sviluppo, runtime e blueprint destinati alla creazione e alla valutazione di agenti autonomi di lunga durata. La piattaforma si basa su diversi componenti dell'ecosistema NVIDIA:

• modelli Nemotron open source, pensati per compiti di ragionamento, programmazione, analisi documentale, visione e speech
• NeMo, utilizzato per profiling, personalizzazione e ottimizzazione degli agenti
• NIM, dedicato all'inferenza dei modelli
• Dynamo, pensato per la scalabilità dei carichi di lavoro

Tra le nuove funzionalità compare anche COOP, un sistema che consente agli agenti di affrontare problemi di ottimizzazione espressi in linguaggio naturale.

Uno degli elementi più rilevanti annunciati da NVIDIA è OpenShell, un runtime open source progettato per gestire la sicurezza e l'accesso alle risorse degli agenti autonomi.

Gli agenti AI di nuova generazione possono infatti interagire con dati sensibili, servizi esterni e strumenti software. Questo introduce rischi legati a escalation di privilegi, accessi non autorizzati o uso improprio delle informazioni. OpenShell si propone quindi come livello infrastrutturale che permette agli agenti di operare in modo produttivo, applicando al contempo policy di sicurezza, controlli di rete e protezioni della privacy. In particolare, il runtime introduce un ambiente isolato (sandbox) e un sistema di controlli basati su policy che fungono da "guardrail" per limitare comportamenti non sicuri.

Inoltre, come da previsioni, NVIDIA ha annunciato NemoClaw, la propria implementazione per l'ecosistema OpenClaw, una piattaforma open dedicata allo sviluppo di agenti autonomi auto-evolutivi.

Il progetto nasce dalla collaborazione con la comunità OpenClaw e con il suo sviluppatore Peter Steinberger. L'obiettivo dichiarato è rendere questi agenti più affidabili, scalabili e accessibili. Non a caso, Jensen Huang ha definito OpenClaw "il sistema operativo della personal AI", paragonandolo al ruolo che macOS e Windows hanno avuto per il personal computing, parlando di una nuova "rinascita del software".

NVIDIA vede OpenClaw come un vero punto di partenza per l'agentic AI, arrivando a paragonarne l'impatto a quello di HTML nello sviluppo del web: una piattaforma destinata a standardizzare e diffondere l'uso di molteplici agenti AI in diversi ambiti applicativi, dal coding all'ingegneria fino ai flussi enterprise.

NemoClaw rappresenta uno stack completo che consente di installare OpenClaw, i modelli Nemotron e il runtime OpenShell tramite un singolo comando. L'integrazione con NVIDIA Agent Toolkit permette inoltre di ottimizzare automaticamente l'ambiente di esecuzione.

L'ambiente risultante introduce un livello infrastrutturale finora mancante per gli agenti autonomi: da un lato fornisce accesso alle risorse necessarie per operare, dall'altro applica controlli di sicurezza, rete e privacy basati su policy.

Dal punto di vista operativo, NemoClaw è progettato per essere flessibile: può utilizzare qualsiasi coding agent e sfruttare modelli open eseguiti in locale - come i Nemotron - su sistemi dedicati. Allo stesso tempo, grazie a un "privacy router", gli agenti possono accedere anche a modelli di frontiera in cloud, combinando quindi risorse locali e remote. Questo approccio ibrido consente agli agenti di apprendere nuove competenze e completare task complessi rispettando vincoli di sicurezza e privacy.

La soluzione è progettata per funzionare su diverse piattaforme dedicate, tra cui PC con GPU GeForce RTX, workstation RTX PRO, DGX Station e DGX Spark, permettendo di eseguire agenti sempre attivi ("always-on") su hardware locale.

NVIDIA ha posto particolare attenzione alla piattaforma DGX Spark, pensata per rendere lo sviluppo di agenti autonomi più accessibile agli sviluppatori che preferiscono lavorare in ambienti locali. Il sistema si basa sul Superchip GB10 Grace Blackwell, dotato di Tensor Core Blackwell e supporto al formato dati FP4. Secondo NVIDIA, la piattaforma è in grado di raggiungere fino a un petaflop di prestazioni AI in FP4, valore utile per elaborare prompt molto estesi e gestire richieste concorrenti provenienti da più agenti.

La crescente complessità dei flussi agentici richiede infatti finestre di contesto molto ampie - fino a un milione di token - e la capacità di gestire più prompt contemporaneamente.

Tra le novità software annunciate per DGX Spark figura anche un aggiornamento che estende le capacità di clustering: sarà infatti possibile collegare fino a quattro sistemi (contro i due supportati ufficialmente in precedenza) sfruttando interconnessioni basate su networking ConnectX a 200 GbE. Questo consente di creare configurazioni più scalabili, verosimilmente con topologia a stella, per eseguire più modelli e agenti in parallelo mantenendo i dati in locale.

DGX Spark è un sistema pensato come "AI supercomputer" desktop compatto, rivolto a sviluppatori, data scientist e team di ricerca per prototipazione, fine-tuning e inferenza locale di modelli di grandi dimensioni. Il suo utilizzo è particolarmente interessante per startup e ambienti enterprise che vogliono evitare fin da subito il ricorso a infrastrutture cloud o data center. All'evento sono stati annunciati anche nuovi modelli compatibili con DGX Spark, molti dei quali ottimizzati per il formato NVFP4 al fine di migliorare efficienza e prestazioni sul GB10: Nemotron Super V3-120B (NVFP4) con finestra di contesto fino a 1 milione di token, Nemotron-3-Nano-30B-A3B-Omni, Nemotron Nano v2.1 4B, FLUX.2 Klein per la generazione di immagini, LTX 2.3 22B per la generazione video, Qwen 3.5 multimodale e Sinistea (NVFP4).

Sono inoltre previsti nuovi playbook e guide pratiche per sviluppatori, che riflettono l'evoluzione verso workflow agentici complessi. Tra questi figurano playbook dedicati a OpenClaw e OpenShell, oltre a scenari come LM Studio su DGX Spark, CLI Coding Agent, speculative decoding su sistemi dual DGX Spark, robotica (es. Reachy Photo Booth) e ottimizzazione kernel (cuTile).

Se DGX Spark non bastasse, NVIDIA propone DGX Station, descritta come la piattaforma di riferimento per la creazione e l'esecuzione di agenti avanzati, che compie un salto netto in termini di architettura e prestazioni. Le nuove DGX Station portano infatti su desktop il Superchip GB300 Grace Blackwell Ultra, lo stesso utilizzato nei sistemi datacenter NVIDIA. Si tratta di una soluzione che combina due GPU Blackwell in un unico package con 288 GB di memoria HBM3E, collegate tramite interconnessione NVLink-C2C a 900 GB/s a una CPU Grace con 72 core Arm Neoverse-V2 e 496 GB di memoria LPDDR5X.

Nel complesso, il sistema arriva a offrire fino a 784 GB di memoria totale e una potenza di calcolo dichiarata pari a 20 PetaFLOPS in FP4 (con sparsity).

Queste caratteristiche permettono di eseguire in locale modelli linguistici fino a 1 trilione di parametri, portando capacità tipicamente da datacenter direttamente sulla scrivania degli sviluppatori. Le DGX Station possono inoltre essere utilizzate non solo come workstation standalone, ma anche come nodi "on-demand" accessibili in remoto da team di sviluppo, grazie alla compatibilità architetturale con le infrastrutture datacenter NVIDIA.

Dal punto di vista software, il sistema supporta un ampio ecosistema di strumenti e modelli, inclusi framework e piattaforme diffuse come Docker, Red Hat, JetBrains, Ollama, llama.cpp, ComfyUI e Weights & Biases, oltre a modelli avanzati come Nemotron, Qwen, Mistral e altre soluzioni di frontiera.

Il tutto ha però un costo energetico non trascurabile: NVIDIA indica un consumo massimo di circa 1.600 watt, rendendo necessarie configurazioni elettriche adeguate, soprattutto in ambito professionale.Le DGX Station saranno inizialmente disponibili tramite partner come ASUS, Dell, Gigabyte, MSI e Supermicro (con HP attesa successivamente), mentre NVIDIA non commercializzerà direttamente una propria versione. I preordini sono già partiti, ma le consegne sono previste nei prossimi mesi e i prezzi - non ancora ufficiali - si collocheranno con ogni probabilità in fascia decisamente elevata.