Guida all'Open Source AI Summit 2026: date, relatori, programma e IA locale

Eva Wong

IceWhale author

Eva Wong è la redattrice tecnica e appassionata di tecnologia di ZimaSpace. Geek da sempre, appassionata di homelab e software open source, è specializzata nel tradurre concetti tecnici complessi in guide pratiche. Eva crede che l’hosting autonomo debba essere divertente, non intimidatorio. Attraverso i suoi tutorial, aiuta la community a comprendere meglio le configurazioni hardware, dalla costruzione del primo NAS alla padronanza dei container Docker.

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

Nel 2026, la domanda più importante sull’IA open source non è più se un laptop possa generare qualche token con un modello scaricato. La vera domanda è se si possa ispezionare il sistema, scegliere dove vanno i propri dati, sostituire un componente senza dover ricostruire tutto e continuare a usare le parti utili quando un fornitore cambia prezzi, politiche o API.

È questo che rende il Summit sull’IA open source particolarmente rilevante. L’evento di due giorni a San Francisco non ruota attorno al lancio di un singolo modello. Il programma spazia dall’inferenza locale ai framework per agenti, dall’informatica privata all’hardware verificabile, dalla scienza aperta all’economia, dalla sicurezza al diritto di calcolo. In altre parole, si chiede cosa serva alle persone per sviluppare, eseguire e possedere una parte maggiore del proprio stack di IA.

Il Summit sull’IA open source 2026 si svolge il 10 e 11 settembre al Presidio di San Francisco. Le candidature sono chiuse e l’evento ha raggiunto la capienza massima. Al 10 settembre, sul sito dell’evento non è stata annunciata alcuna diretta streaming pubblica. Questa guida distingue i fatti confermati dalle supposizioni, mette in evidenza le sessioni più utili a chi sviluppa soluzioni di IA locale e traduce i temi generali del summit in decisioni pratiche per un laboratorio domestico o un server privato per l’IA.

Date, luogo e stato del Summit sull’IA open source 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 prevede la colazione alle 9:00 in entrambe le giornate. Giovedì si conclude con un aperitivo, mentre gli interventi in programma venerdì terminano alle 15:40, seguiti da un incontro facoltativo.

Dettaglio	Informazioni confermate	Nota organizzativa
Evento	Summit sull’IA open source 2026	Un incontro di due giorni in presenza, incentrato sull’IA aperta, locale, privata e decentralizzata.
Date	10–11 settembre 2026	L’11 settembre è il secondo giorno, non il giorno di apertura.
Luogo	The Presidio, San Francisco	I partecipanti ammessi devono seguire le istruzioni per l’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	È necessario candidarsi; capienza raggiunta	L’interfaccia di candidatura indica attualmente che le candidature sono chiuse.
Prezzo del biglietto	150 $ per i candidati ammessi	Questo era il prezzo della prenotazione, non un biglietto per accedere senza prenotazione.
Diretta streaming	Non annunciato	Non dare per scontato che una chiacchierata informale da remoto significhi che l’intero summit venga trasmesso in streaming.

Gli orari e l’accesso agli eventi possono cambiare all’ultimo momento. Prima di partire o fare affidamento su una sessione specifica, consulta il programma ufficiale del summit.

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 del 2026 spazia su 12 temi correlati: IA locale per le aziende, casi d'uso dei modelli aperti, inferenza e calcolo, framework agentici, economia e mercati, IA per la scienza, sicurezza e misure di protezione, hardware verificabile, IA privata, diritto alla potenza di calcolo, IA aperta e chiusa e competizione globale nell'IA.

Questo mix è importante. Un modello aperto non diventa un assistente privato utile solo perché è possibile scaricarne i pesi. Servono comunque 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 complementari parte integrante del controllo sull'IA, anziché discutere i benchmark dei modelli isolatamente.

L'evento è organizzato da Presidio Bitcoin, un polo di San Francisco dedicato alle tecnologie private e decentralizzate. Questo contesto spiega perché il programma si estenda oltre l'ingegneria, includendo economia, libertà civili, politiche, affidabilità dell'hardware e accesso alla potenza di calcolo. I partecipanti dovrebbero aspettarsi un punto di vista, non una fiera neutrale che copre in egual misura ogni parte del mercato dell'IA.

Chi interverrà all'Open Source AI Summit 2026?

Il sito dell'evento elenca 47 relatori sui modelli e l'inferenza, gli agenti e gli strumenti, la privacy e la sicurezza, la scienza aperta, le politiche e i diritti, la filosofia e l'economia. Tra i partecipanti di spicco figurano Bryan Catanzaro, vicepresidente della ricerca in deep learning 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 attente alla privacy.

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

Se stai decidendo...	Dai priorità a questi temi	A cosa prestare attenzione
Quali modelli possono essere eseguiti in locale	IA locale, motori di inferenza, personalizzazione dei modelli aperti	Uso della memoria, quantizzazione, throughput, limiti di 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 dopo un errore.
Come proteggere i prompt sensibili	IA privata, calcolo riservato e sicurezza	Dove sono presenti dati in chiaro, chi controlla le chiavi, cosa si può verificare e quali affermazioni richiedono fiducia.
Quanto un modello è davvero aperto	Pesi aperti, scienza aperta, licenze e personalizzazione dei modelli	Accesso alle informazioni di addestramento, al codice e ai parametri, diritti di modifica e condizioni di ridistribuzione.
Chi controlla le infrastrutture dell’IA	Diritto alla potenza di calcolo, economia, geopolitica e hardware verificabile	Disponibilità, concentrazione, regolamentazione, affidabilità dell’hardware e dipendenza dai fornitori centralizzati.

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

La prima giornata passa dalle ragioni politiche a favore dell’IA aperta ai meccanismi dell’inferenza, della personalizzazione dei modelli, degli agenti locali, dei protocolli aperti e della sicurezza del software. Tre sessioni formano una sequenza tecnica particolarmente utile.

Lo stato dell’IA locale

«State of Local AI» di Ahmad M. Osman è il punto di partenza più diretto per chi è interessato a eseguire l’IA sul proprio hardware. Le domande utili sono pratiche: quali carichi di lavoro sono passati dalle dimostrazioni a un uso quotidiano affidabile? Dove la larghezza di banda della memoria e le dimensioni dei modelli creano ancora difficoltà? Quando l’inferenza locale riduce i costi, e quando invece li trasferisce semplicemente 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 in batch, lunghezza del contesto, gestione della cache, supporto del backend e trasferimento dei dati in memoria influiscono tutti su velocità e stabilità. Chiedersi «Questa macchina può eseguire il modello?» non basta. La domanda migliore è se può gestire il contesto e il carico di lavoro richiesti con tempi di risposta accettabili.

Progettare cicli e grafi di agenti con modelli locali

La sessione di Dustin Dannenhauer passa da un singolo prompt a un sistema di agenti. Questa distinzione è importante. Un modello locale può essere adeguato per classificazione, estrazione, instradamento o chiamate a strumenti circoscritte, anche se è meno efficace 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 impone limiti agli strumenti, alle credenziali, ai nuovi tentativi e allo stato.

Le sessioni successive «Agentic Harness Landscape» e «Securing Open Source Software» aggiungono due tasselli mancanti: orchestrazione e rischi della catena di approvvigionamento. Il codice scaricabile può essere ispezionato, ma non è automaticamente sicuro. Modelli, container, estensioni, competenze degli agenti, pacchetti Python e modelli della community ampliano tutti la base di calcolo considerata attendibile.

Programma 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.

Ora	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	Inquadra 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 fidati, i servizi crittografati e le garanzie offerte da ciascuna architettura.
11:30–12:00	Sovrani per progettazione	Si chiede come la proprietà di infrastruttura, dati e software incida sul valore aziendale e sulla dipendenza a lungo termine.
12:10–12:40	IA per la scienza	Esplora come un’infrastruttura di ricerca aperta possa rendere più facile esaminare e ampliare modelli, metodi e risultati.
13:45–14:15	La geopolitica dell’IA	Inquadra chip, modelli, regolamentazione e capacità di calcolo nel più ampio scenario della competizione per il controllo tecnologico.
14:25–14:55	Hardware verificabile	Estende la questione della fiducia oltre il software, includendo firmware, hardware, attestazione e macchina fisica.
15:05–15:35	Conversazione informale con Bryan Catanzaro	Presenta la prospettiva di NVIDIA sulla ricerca sui modelli, l’inferenza e lo stack hardware-software alla base dell’IA aperta.

La giornata si conclude alle 15:40 con un breve intervento di chiusura. A seguire, aperitivo e incontro facoltativi al 38 di Keyes Avenue. Per i dettagli definitivi sull’accesso, i partecipanti devono comunque fare riferimento alla conferma dell’evento, senza considerare un riepilogo online come un 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 informazioni importanti sui dati di addestramento, il codice di addestramento o i diritti necessari per modificare e ridistribuire il sistema. Può comunque essere molto utile, ma non offre lo stesso livello di apertura.

La Definizione di Open Source AI si concentra su quattro libertà: usare il sistema per qualsiasi scopo, studiare come funziona, modificarlo e condividerlo, con o senza modifiche. Afferma inoltre che la forma preferita per le modifiche 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 appresi del modello alle condizioni dichiarate.	Piena trasparenza sull’addestramento, uso senza restrizioni, riproducibilità o una licenza conforme ai criteri OSI.
AI open source	Il sistema è concepito per garantire diritti concreti di utilizzo, studio, modifica e condivisione.	Che un determinato download sia leggero, sicuro, imparziale, preciso o facile da gestire.
AI locale	Una parte o la totalità dell’inferenza viene eseguita su hardware nelle vicinanze che controlli tu.	Licenza aperta, trasparenza nell’addestramento, configurazione di sicurezza efficace o assenza di connessioni esterne.
AI privata	L’architettura è progettata per limitare l’accesso non autorizzato a prompt, file, output o identità.	Che tutto venga eseguito in locale o che ogni dichiarazione sulla privacy possa essere verificata in modo indipendente.

Queste etichette descrivono dimensioni diverse. Un modello chiuso può essere offerto tramite un servizio che tutela la privacy. Un modello con pesi aperti può essere eseguito in locale. Anche un sistema davvero open source può comunque esporre dati tramite un’interfaccia o uno strumento per agenti configurati male. Acquirenti e sviluppatori dovrebbero porsi domande distinte su licenze, luogo di esecuzione, flusso dei dati, sicurezza e controllo operativo.

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

Scaricare un modello dà una sensazione di possesso perché viene meno la dipendenza più evidente. Quelle meno visibili restano. Un servizio AI utile ha bisogno di archiviazione dei dati, un ambiente di esecuzione, un’interfaccia utente, gestione delle identità, recupero delle informazioni, log, backup, controlli di rete e, talvolta, accesso a strumenti esterni.

Per un home lab, 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 AI locali, pipeline di recupero delle informazioni, ambienti di esecuzione degli agenti e automazioni.
Livello di controllo: account utente, autorizzazioni, credenziali segrete, esposizione della rete, log, aggiornamenti e ripristino.

Questi livelli non devono necessariamente trovarsi 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 e crea copie di backup della configurazione. Spesso questa suddivisione è più sensata che trasformare a tutti i costi un NAS pensato per l’archiviazione in una workstation AI di fascia alta.

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

Cosa dovrebbe essere eseguito in locale e cosa può restare nel cloud?

L’impostazione del summit, incentrata sulla contrapposizione tra aperto e chiuso, non impone di fare tutto in locale. Una soluzione migliore assegna ogni attività alla piattaforma più adatta in base a privacy, latenza, capacità e requisiti di manutenzione.

Carico di lavoro	In genere è preferibile l’esecuzione locale	In genere è preferibile un modello cloud
Ricerca nei documenti privati	File sorgente sensibili, query ripetute, ambito prevedibile e accesso alla LAN.	Contesto molto ampio o ragionamento avanzato che un modello locale non è in grado di gestire in modo affidabile.
Classificazione ed estrazione	Attività ripetitive, circoscritte e ad alto volume con un formato di output verificabile.	Input occasionali che richiedono conoscenze più ampie o una comprensione multimodale più avanzata.
Assistente alla programmazione	Repository privati, lavoro offline, completamento del codice e domande circoscritte sul repository.	Attività complesse di debugging o architettura, in cui un ragionamento più avanzato offre più valore del controllo locale.
Uso degli strumenti da parte degli agenti	File locali, servizi domestici o API interne protetti da autorizzazioni rigorose.	Ricerca aperta o pianificazione impegnativa, purché il contesto sensibile venga rimosso o gestito in modo controllato.
Analisi di immagini e contenuti multimediali	Librerie fotografiche personali, filmati di sicurezza, registrazioni private e indicizzazione in background.	Generazione o analisi occasionale di alto livello che richiederebbe acceleratori locali costosi.

Un sistema ibrido può indirizzare le attività private di routine a un modello locale e passare a un modello cloud solo per alcune attività, previa approvazione dell’utente sui dati da inviare. La parte difficile non consiste nel collegare due API, ma nel rendere visibile l’instradamento, impedire fughe di dati non rilevate, conservare registri utili senza memorizzare dati sensibili e gestire in sicurezza l’indisponibilità di uno dei servizi.

Come si inserisce un home server nello stack dell’IA aperta

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

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

Chi crea soluzioni ad alto consumo di spazio di archiviazione può usare un sistema come il NAS cloud personale ZimaCube 2 come livello per i dati e i servizi, collegando poi una GPU separata per i calcoli quando i modelli più grandi lo richiedono. Questa divisione mantiene stabili i file importanti e i servizi sempre attivi, mentre l’ambiente dei modelli, che cambia più rapidamente, può essere aggiornato, ricostruito o isolato indipendentemente.

Cinque domande da portarsi via dal summit

Che tu partecipi a San Francisco o segua i progetti e gli speaker in seguito, queste cinque domande sono più utili nel tempo di qualsiasi singolo annuncio:

Di cosa sono effettivamente proprietario? Controlla la licenza del modello, la disponibilità del codice sorgente, i dati, la configurazione, i prompt, gli embedding e le modalità di esportazione.
Dove si trova il testo in chiaro? Traccia i prompt, i documenti recuperati, gli output degli strumenti, i log, i file temporanei, i backup e i dati di telemetria.
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 una conferma per le azioni che possono avere conseguenze, conserva punti di ripristino e rendi visibili gli errori.
Quale carico di lavoro vale la pena eseguire in locale? Valuta il valore della privacy, la frequenza, la latenza, il costo dell’hardware, il consumo energetico, la manutenzione e il divario qualitativo rispetto alle alternative ospitate.

L’IA aperta diventa significativa quando queste domande hanno risposte concrete. Scaricare un modello è un primo passo. Un sistema che puoi comprendere, spostare, riparare, proteggere e continuare a gestire ti avvicina molto di più alla proprietà.

Domande frequenti sull’Open Source AI Summit 2026

Quando si svolge l’Open Source AI Summit 2026?

L’Open Source AI Summit si svolge giovedì 10 settembre e venerdì 11 settembre 2026. In entrambi i giorni la colazione è prevista a partire dalle 9:00. 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, California. I partecipanti ammessi devono seguire le indicazioni del luogo e di accesso fornite dagli organizzatori.

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

Al momento non è disponibile la 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 di prenotazione pubblicato per i candidati accettati era di 150 $, mentre in precedenza era stato offerto un numero limitato di pass gratuiti a sviluppatori di IA open source e accademici.

È prevista 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 del programma è indicato come conversazione informale a distanza, ma ciò descrive la modalità di partecipazione del relatore e non va interpretato come conferma della trasmissione in streaming dell'intero evento.

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

Tra i relatori annunciati figurano 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 che si occupano di IA aperta e privata.

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

L'espressione «pesi aperti» significa che i parametri appresi da un modello sono disponibili secondo termini specifici. L'IA open source è un concetto più ampio, che implica la libertà effettiva di usare, studiare, modificare e condividere il sistema, nonché l'accesso alla forma preferita necessaria per modificarlo. La pubblicazione dei pesi può essere utile senza soddisfare ogni aspetto 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.

Mi serve una GPU per eseguire modelli aperti in locale?

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

Un NAS può eseguire l'IA in locale?

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

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

La trasparenza del software non può dimostrare tutto ciò che riguarda la macchina sottostante. Il firmware, l'integrità del processo di avvio, l'identità del dispositivo, gli enclavi sicuri, l'attestazione e le catene di approvvigionamento dell'hardware influiscono sulla possibilità di verificare le dichiarazioni di sicurezza di un sistema. L'hardware verificabile estende la questione della fiducia dal codice del modello fino all'infrastruttura fisica.