Serve Linux per far girare l'AI locale su un laptop?

Non per l'inferenza — Windows nativo è pienamente competitivo nel 2026, con build CUDA di prima classe di Ollama, ComfyUI, A1111 e LM Studio. Linux, o WSL2, serve soprattutto per addestramento e fine-tuning, dove l'ecosistema è Linux-first.

WSL2 è abbastanza buono per l'addestramento AI?

Sì. Il passthrough CUDA di NVIDIA in WSL2 è maturo, quindi Unsloth, axolotl e bitsandbytes funzionano tutti. L'overhead rispetto a Linux nativo è piccolo, tipicamente circa il 2–8% sui job GPU-bound, senza il fastidio del dual-boot.

Quali sono gli errori WSL2 più comuni?

Due: tenere modelli e dataset sotto /mnt/c, dove l'IO tra sistemi operativi è diverse volte più lento — tienili nel filesystem Linux — e non limitare la RAM di WSL2 in .wslconfig, così Windows e Linux si contendono la memoria durante i grandi run con offload.

Windows spreca VRAM con l'AI locale?

Sì — il compositor del desktop e il browser trattengono tipicamente 0,3–0,8 GB di VRAM. È significativo su una scheda da 6 GB, dove può decidere se un workflow SDXL entra, ma irrilevante su una scheda da 16 GB.

Quando vale la pena il fastidio di Linux nativo?

Per una macchina dedicata all'addestramento: guadagna l'ultimo qualche percento di prestazioni, ROCm completo per il calcolo AMD e run sostenuti più snelli, al costo di dover armeggiare con driver specifici del laptop. Le workstation ex-lease sono i migliori cittadini Linux che recensiamo.

Windows, WSL2 o Linux per l'AI locale su un laptop: cosa conta davvero (2026)

Ogni laptop usato che recensiamo arriva con Windows, e la prima domanda dopo “quale laptop?” è “ci devo mettere Linux?”. La risposta onesta: dipende interamente da quali strumenti AI usi. Questa guida mette a confronto le tre configurazioni realistiche — Windows nativo, Windows + WSL2 e Linux nativo — con i carichi di lavoro che contano.

La versione breve

Inferenza (Ollama, LM Studio, ComfyUI, A1111): Windows nativo va bene. Tutti gli strumenti mainstream offrono build Windows di prima classe con supporto CUDA. Se questo è tutto il tuo carico di lavoro, smetti di leggere e usa la macchina.
Addestramento e fine-tuning (Unsloth, axolotl, bitsandbytes, Triton, flash-attention): ti serve Linux — e WSL2 conta. L’ecosistema di addestramento è costruito e testato su Linux; su Windows nativo questi strumenti vanno dal fragile all’assente.
GPU AMD per il calcolo: solo Linux. Il supporto ROCm per le schede Radeon che si trovano nei laptop è territorio Linux, parziale e specifico per modello — la ragione pratica per cui raccomandiamo NVIDIA ovunque (CUDA vs ROCm).

Windows nativo: meglio della sua reputazione

Lo stato del tooling AI su Windows nel 2026 è davvero buono per l’inferenza. Ollama si installa come una normale app e usa CUDA automaticamente; ComfyUI e A1111 hanno pacchetti one-click; LM Studio è nativo per Windows. I driver Windows di NVIDIA sono eccellenti, e cose come il monitoraggio della GPU durante l’ispezione di un laptop usato sono più facili qui.

Due tasse specifiche di Windows da conoscere. Primo, il compositor del desktop e il browser trattengono tipicamente 0,3–0,8 GB della tua VRAM — su una scheda da 6 GB, è la differenza tra un workflow SDXL che entra o che va in OOM. Secondo, il rumore di fondo sotto carico sostenuto (aggiornamenti, indicizzazione, bloatware OEM sulle macchine usate) può togliere qualche punto percentuale ai lavori lunghi; un’installazione pulita di Windows su qualsiasi laptop usato appena comprato risolve più che le sole prestazioni.

WSL2: il default pragmatico per gli smanettoni

WSL2 esegue un vero kernel Linux sotto Windows, e il passthrough CUDA di NVIDIA al suo interno è maturo — nvidia-smi dentro Ubuntu-su-WSL2 funziona semplicemente, e con esso Unsloth, axolotl, bitsandbytes e il resto dello stack di addestramento. L’overhead rispetto a Linux nativo è piccolo (tipicamente ~2–8% sui job GPU-bound, stimato da benchmark della community).

Le insidie riguardano il file system e la memoria, non la GPU:

Tieni modelli e dataset dentro il filesystem Linux (~/models), non sotto /mnt/c/... — l’IO tra sistemi operativi è diverse volte più lento e ammazza il caricamento dei modelli e lo streaming dei dataset.
WSL2 si accaparra la RAM avidamente; limitala in .wslconfig (es. 24 GB su una macchina da 32 GB) o Windows e Linux si contenderanno la memoria durante i grandi run con offload.
Gli strumenti GUI vivono sul lato Windows; pensa a WSL2 come alla tua macchina di addestramento headless.

Per la maggior parte dei lettori — Windows come daily driver, fine-tuning occasionale — Windows + WSL2 è la configurazione raccomandata: strumenti di inferenza nativi, stack di addestramento in WSL2, nessuna cerimonia da dual-boot.

Linux nativo: massime prestazioni, massimo armeggiare

Un’installazione bare-metal di Ubuntu/Fedora ti compra: l’ultimo qualche percento di prestazioni (nessun livello di virtualizzazione, nessuna tassa VRAM del compositor con un desktop leggero), ROCm completo se sei bloccato con il calcolo AMD, termici più puliti nei run lunghi su un’installazione snella, e l’ambiente che ogni strumento di addestramento serio documenta per primo.

I costi sono specifici dei laptop: la grafica NVIDIA Optimus/ibrida richiede ancora qualche accompagnamento occasionale (scegliere i profili di potenza, assicurarsi che la dGPU vada in sleep su batteria), la sospensione/ripresa con il driver NVIDIA resta un terno al lotto su alcuni modelli, e i laptop business comprati ex-lease possono arrivare con BitLocker e Secure Boot configurati — disattiva BitLocker prima di ripartizionare, e o registra la chiave MOK del driver NVIDIA o disattiva Secure Boot, altrimenti il driver GPU non si caricherà silenziosamente.

Le workstation ex-lease come il Precision 7560 e il ThinkPad P15 Gen 2 sono i migliori cittadini Linux che recensiamo — la certificazione Linux aziendale significa che driver, aggiornamenti firmware (LVFS) e sensori in genere si comportano bene.

Raccomandazione per utente

Studente che impara le basi: Windows nativo + Ollama/ComfyUI. Aggiungi WSL2 il giorno in cui un tutorial menziona pip install unsloth.
Sviluppatore / data scientist: Windows + WSL2 come default; dual-boot Ubuntu solo se la qualità della sospensione e l’ultimo 5% contano per te.
Macchina di addestramento dedicata (il laptop vive su una scrivania, magari con una eGPU): Linux nativo, desktop leggero, modelli su un NVMe veloce.
Proprietario di GPU AMD che fa calcolo: Linux nativo o accetta il solo-CPU — e la prossima volta compra NVIDIA.

Riepilogo

Per l’inferenza, Windows nativo è pienamente competitivo nel 2026 — non installare Linux per superstizione.
Per addestramento/fine-tuning, l’ecosistema è Linux-first: WSL2 ne offre il ~95% senza il fastidio del dual-boot.
Tieni i carichi WSL2 sul filesystem Linux e limitane la RAM — i due errori che tutti fanno una volta.
Linux nativo guadagna l’ultimo qualche percento, ROCm completo e run sostenuti snelli, al costo di armeggiare con driver specifici del laptop; le workstation ex-lease lo gestiscono meglio.
Il compositor di Windows si mangia in silenzio 0,3–0,8 GB di VRAM — significativo su schede da 6 GB, irrilevante su 16 GB.