Guida all’Open Source AI Summit 2026: date, relatori, agenda e IA locale

Eva Wong

IceWhale author

Eva Wong è la Technical Writer e smanettatrice residente di ZimaSpace. Una geek da sempre con una passione per homelab e software open-source, si specializza nel tradurre concetti tecnici complessi in guide accessibili e pratiche. Eva crede che l'auto-ospitare debba essere divertente, non intimidatorio. Attraverso i suoi tutorial, dà potere alla comunità di demistificare le configurazioni hardware, dalla costruzione del loro primo NAS al dominio dei container Docker.

Open Source AI Summit 2026 Guide: Dates, Speakers, Agenda, and Local AI - Zima Store Online

La domanda più importante sull'IA open source nel 2026 non è più se un laptop possa generare alcuni token da un modello scaricato. È se puoi ispezionare il sistema, scegliere dove finiscono i tuoi dati, sostituire un componente senza ricostruire tutto e continuare a far funzionare le parti utili quando un fornitore cambia il prezzo, la policy o l'API.

È questo che rende l'Open Source AI Summit insolitamente rilevante. L'evento di due giorni a San Francisco non è incentrato sul lancio di un singolo modello. Il programma spazia dall'inferenza locale ai framework per agenti, dal calcolo privato all'hardware verificabile, dalla scienza aperta all'economia, alla sicurezza e al diritto al calcolo. In altre parole, si chiede che cosa servirebbe alle persone per costruire, eseguire e possedere una parte maggiore del proprio stack di IA.

L'Open Source AI Summit 2026 si svolge dal 10 all'11 settembre al Presidio di San Francisco. Le candidature sono ora chiuse e l'evento ha raggiunto la capienza massima. Al 10 settembre, sul sito dell'evento non è stato annunciato alcuno streaming pubblico in diretta. Questa guida distingue i fatti confermati dalle supposizioni, evidenzia le sessioni più utili per chi sviluppa sistemi di IA locali e traduce i temi generali del summit in decisioni pratiche per un home lab o un server IA privato.

Date, luogo e stato dell'evento dell'Open Source AI Summit 2026

Il summit si svolge nell'arco di due giorni, giovedì 10 e venerdì 11 settembre 2026, al Presidio di San Francisco. Il programma pubblicato inizia con la colazione alle 9:00 in entrambe le giornate. Giovedì si conclude con un aperitivo, mentre gli interventi programmati di venerdì terminano alle 15:40, seguiti da un incontro facoltativo.

Dettaglio	Informazioni confermate	Nota di pianificazione
Evento	Open Source AI Summit 2026	Un incontro in presenza di due giorni dedicato all'IA aperta, locale, privata e decentralizzata.
Date	10–11 settembre 2026	L'11 settembre è il secondo giorno, non il giorno di apertura.
Luogo	Il Presidio, San Francisco	I partecipanti accettati devono seguire le istruzioni di accesso contenute nell'e-mail di conferma.
Fuso orario	Ora locale di San Francisco	A settembre, San Francisco osserva l'ora legale del Pacifico.
Partecipazione	Candidatura obbligatoria; capienza esaurita	L'interfaccia per le candidature indica attualmente che le candidature sono chiuse.
Prezzo del biglietto	150 $ per i candidati accettati	Questo era il prezzo della prenotazione, non un biglietto per l'ingresso senza prenotazione.
Streaming in diretta	Non annunciato	Non dare per scontato che una conversazione informale a distanza significhi che l'intero summit venga trasmesso in streaming.

Gli orari e l'accesso agli eventi possono cambiare con breve preavviso. Consulta il programma ufficiale del summit prima di partire o di fare affidamento su una sessione specifica.

Che cos'è l'Open Source AI Summit?

L'Open Source AI Summit è un incontro curato dedicato ai sistemi di IA che persone e organizzazioni possono comprendere, gestire, modificare e controllare più direttamente. Il programma 2026 abbraccia 12 temi connessi: IA locale per le aziende, casi d'uso dei modelli aperti, inferenza e risorse di calcolo, framework agentici, economia e mercati, IA per la scienza, sicurezza e misure di protezione, hardware verificabile, IA privata, diritto al calcolo, IA aperta contro IA chiusa e competizione globale nel settore dell'IA.

Questa combinazione è importante. Un modello aperto non diventa un assistente privato utile solo perché i suoi pesi possono essere scaricati. Ha comunque bisogno di un motore di inferenza, spazio di archiviazione, autorizzazioni, un'interfaccia, recupero del contesto, accesso agli strumenti, monitoraggio, aggiornamenti e un perimetro di sicurezza. Il summit considera questi livelli circostanti parte della questione del controllo dell'IA, invece di discutere i benchmark dei modelli in modo isolato.

L'evento è organizzato da Presidio Bitcoin, un hub di San Francisco incentrato sulle tecnologie private e decentralizzate. Questo contesto spiega perché il programma vada oltre l'ingegneria, includendo economia, libertà civili, politiche, affidabilità dell'hardware e accesso alle risorse di calcolo. I partecipanti dovrebbero aspettarsi un punto di vista, non una fiera neutrale che copra ogni segmento del mercato dell'IA in modo uniforme.

Chi parlerà all'Open Source AI Summit 2026?

Il sito dell'evento elenca 47 relatori nei settori dei modelli e dell'inferenza, degli agenti e degli strumenti, della privacy e della sicurezza, della scienza aperta, delle politiche e dei diritti, nonché della filosofia e dell'economia. Tra i partecipanti di rilievo figurano Bryan Catanzaro, vicepresidente della ricerca sull'apprendimento profondo applicato di NVIDIA; Jeff Boudier, vicepresidente del prodotto di Hugging Face; Travis Oliphant, creatore di NumPy e SciPy; Ravin Kumar, Staff Research Engineer di Google DeepMind; ricercatori di AI2; e professionisti di Together AI, Block, Spiral, Google, Prime Intellect, OpenTeams e aziende di IA incentrate sulla privacy.

Un lungo elenco di relatori non costituisce automaticamente un'agenda utile. Per chi sviluppa soluzioni di IA locale, il filtro migliore è il livello del sistema che ogni sessione aiuta a chiarire:

Se stai decidendo...	Dai priorità a questi argomenti	A cosa prestare attenzione
Quali modelli possono essere eseguiti localmente	IA locale, motori di inferenza, personalizzazione di modelli aperti	Utilizzo della memoria, quantizzazione, throughput, limiti del contesto, supporto hardware e compromessi operativi.
Come creare un agente utile	Cicli degli agenti, harness, protocolli e strumenti	Stato, nuovi tentativi, autorizzazioni degli strumenti, osservabilità, cambio di modello e ripristino dagli errori.
Come proteggere i prompt sensibili	IA privata, calcolo confidenziale e sicurezza	Dove esiste il testo in chiaro, chi controlla le chiavi, cosa può essere verificato e quali affermazioni richiedono fiducia.
Se un modello è realmente aperto	Pesi aperti, scienza aperta, licenze e personalizzazione dei modelli	Accesso alle informazioni di addestramento, al codice, ai parametri, ai diritti di modifica e ai termini di ridistribuzione.
Chi controlla l’infrastruttura dell’AI	Diritto al calcolo, economia, geopolitica e hardware verificabile	Disponibilità, concentrazione, regolamentazione, affidabilità dell’hardware e dipendenza dai provider centralizzati.

Agenda dell’Open Source AI Summit: cosa seguire il 10 settembre

Il primo giorno passa dal caso politico a favore dell’AI aperta alla meccanica dell’inferenza, alla personalizzazione dei modelli, agli agenti locali, ai protocolli aperti e alla sicurezza del software. Tre sessioni creano una sequenza tecnica particolarmente utile.

Lo stato dell’AI locale

“Lo stato dell’AI locale” di Ahmad M. Osman è il punto di ingresso più diretto per i lettori interessati a eseguire l’AI sul proprio hardware. Le domande utili sono pratiche: quali carichi di lavoro sono passati dalle dimostrazioni all’uso quotidiano affidabile? Dove la larghezza di banda della memoria e le dimensioni del modello continuano a creare difficoltà? Quando l’inferenza locale riduce i costi e quando si limita a trasferirli su hardware, energia e manutenzione?

Come funzionano davvero i motori di inferenza

La sessione di Zain Hasan sui motori di inferenza dovrebbe aiutare a distinguere le capacità del modello dalle prestazioni del runtime. Due persone possono scaricare lo stesso modello e ottenere risultati molto diversi, perché formato del modello, quantizzazione, elaborazione batch, lunghezza del contesto, gestione della cache, supporto del backend e trasferimento della memoria influenzano tutti velocità e stabilità. Pertanto, “questa macchina può eseguire il modello?” è una domanda incompleta. La domanda migliore è se possa eseguire il contesto e il carico di lavoro richiesti con un tempo di risposta accettabile.

Progettare cicli e grafi di agenti con modelli locali

La sessione di Dustin Dannenhauer passa da un singolo prompt a un sistema ad agenti. Questa distinzione è importante. Un modello locale può essere adeguato per classificazione, estrazione, instradamento o una chiamata a uno strumento con ambito limitato, anche quando è più debole di un modello cloud all’avanguardia nel ragionamento aperto. Una buona progettazione degli agenti assegna a ciascun modello un compito che può svolgere in modo affidabile e introduce limiti per strumenti, credenziali, tentativi e stato.

Le sessioni successive, “Panorama degli harness agentici” e “Messa in sicurezza del software open source”, aggiungono due livelli mancanti: orchestrazione e rischi della catena di approvvigionamento. Il codice scaricabile è ispezionabile, ma non è automaticamente sicuro. Modelli, container, estensioni, competenze degli agenti, pacchetti Python e template della community ampliano tutti la base di calcolo considerata attendibile.

Agenda dell’Open Source AI Summit: cosa succede l’11 settembre?

Venerdì 11 settembre è il secondo giorno. Il programma segue un percorso più serrato: dalla creazione con modelli aperti alla privacy, alla sovranità aziendale, alla scienza, alla geopolitica, all’hardware verificabile e alla prospettiva di NVIDIA sull’infrastruttura per l’IA aperta.

Orario	Sessione	Perché è importante
9:30–9:55	Come creare la propria IA con modelli aperti	Jeff Boudier di Hugging Face collega l’accesso ai modelli ai componenti necessari per trasformare un modello in un sistema utilizzabile.
10:05–10:35	Conversazione informale sul manifesto dell’informatica	Presenta l’accesso alla capacità di calcolo e il controllo degli utenti come questioni sociali ed economiche, non solo come scelte infrastrutturali.
10:45–11:15	Tavola rotonda sulla privacy	Utile per confrontare l’esecuzione locale, gli ambienti di esecuzione affidabili, i servizi crittografati e le garanzie che ciascuna architettura può offrire.
11:30–12:00	Sovranità progettata	Si chiede in che modo la proprietà dell’infrastruttura, dei dati e del software influenzi il valore aziendale e la dipendenza a lungo termine.
12:10–12:40	IA per la scienza	Esplora come un’infrastruttura di ricerca aperta possa rendere più facile esaminare ed estendere modelli, metodi e risultati.
13:45–14:15	La geopolitica dell’IA	Inserisce chip, modelli, regolamentazione e capacità di calcolo nella più ampia competizione per il controllo tecnologico.
14:25–14:55	Hardware verificabile	Estende la questione della fiducia oltre il software, fino a firmware, hardware, attestazione e macchina fisica.
15:05–15:35	Conversazione informale con Bryan Catanzaro	Presenta il punto di vista di NVIDIA sulla ricerca dei modelli, l’inferenza e lo stack hardware-software alla base dell’IA aperta.

La giornata termina alle 15:40 dopo una breve sessione conclusiva. Seguono un happy hour e un incontro facoltativi al 38 Keyes Avenue. I partecipanti devono comunque usare la conferma dell’evento per i dettagli finali sull’accesso, anziché considerare un riepilogo online come documento di ammissione.

L’IA open source non è la stessa cosa dei pesi aperti

L’espressione «modello open source» viene spesso usata in modo generico. Un fornitore può rilasciare i pesi, ma non rendere disponibili importanti informazioni sui dati di addestramento, il codice di addestramento o i diritti necessari per modificare e ridistribuire il sistema. Può essere comunque molto utile, ma non offre lo stesso livello di apertura.

La Definizione di IA open source si concentra su quattro libertà: usare il sistema per qualsiasi scopo, studiarne il funzionamento, modificarlo e condividerlo con o senza modifiche. Afferma inoltre che la forma preferita per la modifica deve includere informazioni sui dati sufficientemente dettagliate, il codice pertinente e i parametri del modello.

Termine	Cosa indica di solito	Cosa non garantisce
Pesi aperti	Puoi ottenere i parametri del modello addestrato alle condizioni indicate.	Piena trasparenza sull’addestramento, utilizzo senza restrizioni, riproducibilità o una licenza conforme ai criteri OSI.
IA open source	Il sistema è concepito per garantire diritti significativi di utilizzo, studio, modifica e condivisione.	Che un determinato download sia di piccole dimensioni, sicuro, imparziale, accurato o facile da gestire.
IA locale	Una parte o la totalità dell’inferenza viene eseguita su hardware che controlli nelle vicinanze.	Licenze aperte, addestramento trasparente, configurazione di sicurezza adeguata o assenza di connessioni esterne.
IA privata	L’architettura è progettata per limitare l’accesso non autorizzato a prompt, file, output o identità.	Che tutto venga eseguito localmente o che ogni dichiarazione sulla privacy sia verificabile in modo indipendente.

Queste etichette descrivono dimensioni diverse. Un modello chiuso può essere fornito tramite un servizio che tutela la privacy. Un modello open-weight può essere eseguito localmente. Un sistema realmente aperto può comunque divulgare dati tramite un’interfaccia o uno strumento per agenti configurato in modo errato. Acquirenti e sviluppatori dovrebbero porsi domande separate su licenze, luogo di esecuzione, flusso dei dati, sicurezza e controllo operativo.

Perché l’inferenza locale è solo un livello della proprietà dell’IA

Scaricare un modello dà l’impressione di possederlo perché la dipendenza più visibile scompare. Quelle meno visibili restano. Un servizio IA utile ha bisogno di archiviazione dei dati, un runtime, un’interfaccia utente, gestione delle identità, recupero, log, backup, controlli di rete e, talvolta, accesso a strumenti esterni.

Per un laboratorio domestico, è utile suddividere lo stack in quattro livelli:

Livello dei dati: documenti, foto, contenuti multimediali, embedding, database, file dei modelli e backup.
Livello di calcolo: CPU, GPU, memoria, motore di inferenza, formato del modello e librerie di accelerazione.
Livello dei servizi: API, interfacce web IA locali, pipeline di recupero, runtime per agenti e automazione.
Livello di controllo: account utente, autorizzazioni, segreti, esposizione alla rete, log, aggiornamenti e ripristino.

Questi livelli non devono necessariamente risiedere in un unico dispositivo. Una workstation con GPU può eseguire l’inferenza, mentre un server domestico sempre acceso archivia i documenti, esegue l’interfaccia web, gestisce gli accessi degli utenti ed esegue il backup della configurazione. Questa suddivisione è spesso più sensata che costringere un NAS orientato all’archiviazione a diventare una workstation IA di fascia alta.

Se stai progettando questa architettura da zero, inizia con una configurazione di server IA locale e definisci il carico di lavoro prima di acquistare l’hardware. Un modello di piccole dimensioni che serve una persona ha requisiti molto diversi da quelli di un agente multimodale che indicizza una libreria multimediale condivisa.

Cosa dovrebbe funzionare localmente e cosa può rimanere nel cloud?

La contrapposizione tra aperto e chiuso del summit non richiede una soluzione completamente locale. Un design migliore assegna ogni attività all’ambiente più adatto in base a requisiti di privacy, latenza, capacità e manutenzione.

Carico di lavoro	Di solito favorisce l’esecuzione locale	Di solito favorisce un modello cloud
Ricerca nei documenti privati	File sorgente sensibili, query ripetute, ambito prevedibile e accesso alla LAN.	Contesto molto esteso o ragionamento avanzato che un modello locale non è in grado di gestire in modo affidabile.
Classificazione ed estrazione	Attività ad alto volume, ripetitive e circoscritte, con un formato di output verificabile.	Input rari che richiedono una conoscenza più ampia o una comprensione multimodale più avanzata.
Assistente alla programmazione	Repository privati, lavoro offline, completamento del codice e domande mirate sul repository.	Attività complesse di debug o architettura in cui un ragionamento più avanzato crea più valore del controllo locale.
Utilizzo di strumenti da parte dell’agente	File locali, servizi domestici o API interne protetti da autorizzazioni rigorose.	Ricerca aperta o pianificazione impegnativa, purché il contesto sensibile venga rimosso o controllato.
Analisi di immagini e contenuti multimediali	Librerie fotografiche personali, filmati di sicurezza, registrazioni private e indicizzazione in background.	Generazione o analisi occasionale di fascia alta che richiederebbe acceleratori locali costosi.

Un sistema ibrido può indirizzare le attività private di routine a un modello locale e trasferire quelle selezionate a un modello cloud solo dopo che l’utente ha approvato i dati da inviare. La difficoltà non consiste nel collegare due API, ma nel rendere visibile l’instradamento, prevenire fughe di dati silenziose, conservare registri utili senza memorizzare segreti e gestire in sicurezza l’indisponibilità di uno dei due servizi.

Come si integra un home server nello stack IA aperto

Un home server è più utile quando viene considerato un’infrastruttura persistente anziché una macchina per benchmark. Può restare disponibile mentre i laptop sono in sospensione, centralizzare l’archiviazione di modelli e documenti, ospitare un’interfaccia web per più dispositivi, eseguire l’indicizzazione pianificata e mantenere i backup separati dagli ambienti IA sperimentali.

Un sistema a basso consumo può gestire orchestrazione, recupero, inferenza leggera, database e interfacce anche quando la generazione più impegnativa viene eseguita altrove. La guida ai carichi di lavoro IA a basso consumo spiega in quali ambiti CPU e hardware modesto restano utili. Per scegliere l’interfaccia, confronta le interfacce web IA locali in base ad autenticazione, compatibilità dei modelli, supporto al recupero e controlli multiutente, non solo all’aspetto.

Chi costruisce sistemi incentrati sull’archiviazione può utilizzare un sistema come il NAS cloud personale ZimaCube 2 come livello per i dati e i servizi, collegando poi una GPU separata per l’elaborazione quando i modelli più grandi lo richiedono. Questa separazione mantiene stabili i file importanti e i servizi sempre attivi, mentre l’ambiente dei modelli, soggetto a cambiamenti più rapidi, può essere aggiornato, ricreato o isolato indipendentemente.

Cinque domande da portare con te dal summit

Che tu partecipi a San Francisco o segua in seguito i progetti e i relatori, queste cinque domande sono più durature di qualsiasi singolo annuncio:

Cosa possiedo davvero? Controlla la licenza del modello, la disponibilità del codice sorgente, i dati, la configurazione, i prompt, gli embedding e il percorso di esportazione.
Dove esiste il testo in chiaro? Traccia i prompt, i documenti recuperati, gli output degli strumenti, i log, i file temporanei, i backup e i dati telemetrici.
Quale componente posso sostituire? Verifica se il modello, il motore di inferenza, l’interfaccia, l’archivio vettoriale e il framework dell’agente sono davvero intercambiabili.
Cosa succede quando l’agente sbaglia? Limita le autorizzazioni, richiedi conferma per le azioni che comportano conseguenze, conserva punti di ripristino e rendi visibili gli errori.
Quale carico di lavoro vale la pena eseguire localmente? Misura il valore della privacy, la frequenza, la latenza, il costo dell’hardware, il consumo energetico, la manutenzione e il divario qualitativo rispetto alle alternative in hosting.

L’intelligenza artificiale aperta acquista significato quando queste domande hanno risposte concrete. Scaricare un modello è un inizio. Un sistema che puoi comprendere, spostare, riparare, proteggere e continuare a utilizzare è molto più vicino alla proprietà.

Domande frequenti sull’Open Source AI Summit 2026

Quando si tiene l’Open Source AI Summit 2026?

L’Open Source AI Summit si svolge giovedì 10 settembre e venerdì 11 settembre 2026. La colazione è prevista dalle 9:00 in entrambe le giornate. L’11 settembre è il secondo giorno del summit.

Dove si tiene l’Open Source AI Summit?

L’evento si tiene al Presidio di San Francisco, in California. I partecipanti accettati devono seguire le indicazioni sulla sede e sull’accesso fornite dall’organizzatore.

Posso ancora acquistare i biglietti per l’Open Source AI Summit?

Al momento non è disponibile alcuna vendita generale dei biglietti. Per partecipare era necessario presentare una candidatura e l'interfaccia per le candidature dell'evento indica che il summit ha raggiunto la capienza massima. Il prezzo pubblicato per la prenotazione degli iscritti accettati era di 150 $, mentre in precedenza era stato offerto un numero limitato di pass gratuiti a sviluppatori e accademici che lavorano sull'IA open source.

È disponibile una diretta streaming dell'Open Source AI Summit?

Al 10 settembre 2026, l'organizzatore non ha annunciato una diretta streaming pubblica sul sito web dell'evento. Un punto dell'agenda è indicato come fireside chat da remoto, ma ciò descrive la partecipazione del relatore e non dovrebbe essere interpretato come una conferma della trasmissione in streaming dell'intero evento.

Chi sono i principali relatori dell'Open Source AI Summit?

Il programma pubblicato include Bryan Catanzaro, Jeff Boudier, Travis Oliphant, Ravin Kumar, David Sacks, ricercatori dell'Allen Institute for AI e professionisti di Together AI, Google, Block, Spiral, Prime Intellect, OpenTeams e altre organizzazioni di IA aperte e private.

Qual è la differenza tra IA open source e IA con pesi aperti?

Per pesi aperti si intende che i parametri appresi da un modello sono disponibili secondo condizioni specificate. L'IA open source è un'affermazione più ampia, che implica una libertà effettiva di utilizzare, studiare, modificare e condividere il sistema, insieme all'accesso al formato preferito necessario per la modifica. Il rilascio dei pesi può essere utile senza soddisfare ogni parte di questa definizione.

L'IA locale protegge automaticamente la privacy?

No. L'inferenza locale può ridurre la necessità di inviare prompt e file a un fornitore esterno di modelli, ma la privacy dipende anche dall'esposizione alla rete, dall'autenticazione, dai log, dalle estensioni, dalle autorizzazioni degli agenti, dalla telemetria, dai backup e dalla sicurezza di ogni strumento connesso.

Ho bisogno di una GPU per eseguire localmente modelli aperti?

Non sempre. I modelli quantizzati di piccole dimensioni, i modelli per gli embeddings, i classificatori e gli assistenti leggeri possono funzionare sulle CPU, anche se la velocità di risposta e la capacità del contesto possono essere limitate. I modelli più grandi, i carichi di lavoro multimodali, i contesti lunghi e gli utenti simultanei traggono generalmente vantaggio da una maggiore larghezza di banda della memoria e dall'accelerazione GPU.

Un NAS può eseguire l'IA localmente?

Sì, entro limiti realistici. Un NAS o un server domestico può eseguire modelli più piccoli, servizi di recupero, database, interfacce e automazioni. Per l'inferenza più impegnativa, può invece archiviare i dati e ospitare il livello dei servizi, mentre una macchina GPU separata gestisce l'esecuzione del modello.

Perché l'hardware verificabile è importante per l'IA privata?

L'apertura del software non può dimostrare tutto ciò che riguarda la macchina sottostante. Firmware, integrità dell'avvio, identità del dispositivo, enclave sicure, attestazione e catene di approvvigionamento hardware influenzano la possibilità di verificare le dichiarazioni sulla sicurezza di un sistema. L'hardware verificabile estende la questione della fiducia dal codice del modello fino all'infrastruttura fisica.