Linus Torvalds heeft de Linux-kernel opengesteld voor bredere AI-ondersteuning. De beheerder van het project nam een nieuw onderdeel op dat AI-hardware beter laat aansluiten. Dit gebeurt in de ontwikkelfase van de volgende kernelrelease, op het moment van schrijven verwacht rond Linux 6.11. Doel is om datamodellen en algoritmen sneller en veiliger op pc’s en servers te laten draaien, ook in Europa.
Linux voegt AI-subsystem toe
De Linux-kernel krijgt een generiek “accelerator”-subsystem voor AI-versnellers. Een subsystem is een bouwsteen in de kernel die functies en regels bundelt voor een categorie apparaten. Daarmee verdwijnt de lappendeken van ad-hoc oplossingen voor uiteenlopende AI-chips. Leveranciers kunnen voortaan één uniforme route volgen voor hun stuurprogramma’s.
Zo’n stuurprogramma is de softwarebrug tussen hardware en besturingssysteem. Met het nieuwe onderdeel worden geheugenbeheer, taakverdeling en toegang tot de hardware consistenter geregeld. Dat maakt het eenvoudiger om AI-toepassingen in gebruikersruimte te verbinden met de juiste rekenkern onder de motorkap.
Torvalds’ besluit verlaagt de instap voor nieuwe AI-hardware in Linux. Het helpt ook om prestatieproblemen en beveiligingslekken eerder te vinden, omdat code op één plek samenkomt. Voor organisaties betekent dit minder afhankelijkheid van losse patches of propriëtaire hulplagen.
Een NPU is een aparte chip die rekenwerk voor AI-modellen versnelt. Dit scheelt energie en maakt lokaal draaien van modellen mogelijk.
Ruimte voor NPU-stuurprogramma’s
Het nieuwe framework is bedoeld voor uiteenlopende AI-chips, zoals NPUs in laptops en servers. Denk aan Intel Core Ultra met “AI Boost” (NPU), AMD Ryzen AI met XDNA en Qualcomm Hexagon op ARM-platforms. Ook gespecialiseerde kaarten voor datacenters kunnen via dezelfde kapstok aansluiten.
Tot nu toe belandden AI-stuurprogramma’s versnipperd bij bijvoorbeeld grafische (DRM) of camerastacks (V4L2). Dat leverde onduidelijkheid en dubbele code op. Door één pad te kiezen, wordt het eenvoudiger om functies als geheugen delen, wachtrijen en prioriteiten uniform te regelen.
Voor ontwikkelaars van AI-software betekent dit voorspelbare interfaces. Bibliotheken als PyTorch en ONNX Runtime kunnen gerichter optimaliseren voor Linux. Dat verkort de tijd tussen nieuwe hardware en bruikbare prestaties in populaire frameworks.
Sneller naar lokaal draaien
Betere NPU-ondersteuning maakt lokaal draaien van modellen praktischer, ook voor Europese overheden en bedrijven. Lokale inferentie vermindert datastromen naar de cloud en kan zo helpen bij AVG-eisen als dataminimalisatie. Het verlaagt ook kosten en vertraging, wat nuttig is voor zorg, mobiliteit en onderwijs.
In Nederlandse context kunnen werkplekken met Linux profiteren van stillere, energiezuinige AI-taken. Denk aan transcriptie, vertaling of beeldanalyse zonder internetverbinding. Voor organisaties met gevoelige data is minder afhankelijkheid van externe verwerkers een voordeel.
De technische winst zit in efficiëntere taakverdeling tussen CPU, GPU en NPU. Het nieuwe subsystem biedt houvast om die onderdelen veilig te laten samenwerken. Dat beperkt risico’s rond geheugenfouten en rechtentoedeling.
Gevolgen voor EU-regels
De Europese AI-verordening (AI Act) stelt eisen aan hoog-risico systemen. Het besturingssysteem valt daar niet direct onder, maar betere kernelondersteuning helpt leveranciers om controles en logboeken consistent te bouwen. Dat maakt het eenvoudiger om conformiteit te tonen, vooral bij toepassingen in overheid en zorg.
Voor generieke modellen (GPAI) en open-source componenten blijven transparantie en documentatie belangrijk. Distributies als Debian, Ubuntu en Fedora zullen, op het moment van schrijven, procedures moeten aanscherpen rond firmware en licenties. Dit voorkomt dat gesloten blobs botsen met open-sourcebeleid of inkoopregels.
Ook de AVG blijft leidend. Lokaal draaien met een NPU kan privacyrisico’s verlagen, maar organisaties moeten nog steeds zorgen voor versleuteling, toegangsbeheer en logging. Impact assessments blijven nodig, zeker bij biometrie of profilering.
Impact voor gebruikers en makers
Linux-gebruikers mogen in komende releases snellere AI-functies verwachten op moderne laptops en workstations. De eerste stappen richten zich vaak op basisfunctionaliteit; geavanceerde features volgen later. Reken op updates in kernel, drivers en gebruikersbibliotheken voordat alles stabiel is.
Voor softwaremakers wordt het eenvoudiger om één pad te ondersteunen richting meerdere NPUs. Dat verkleint de onderhoudslast en versnelt bugfixes. Ook pakketbeheerders in distributies kunnen features consistenter aan- of uitzetten, per apparaat en veiligheidsprofiel.
Bedrijven die AI aan de rand inzetten, zoals in fabrieken of winkels, winnen aan keuzevrijheid. Met een gemeenschappelijk framework is overstappen tussen hardwareleveranciers minder pijnlijk. Dat past bij Europese ambities rondom digitale soevereiniteit.
Wat nog ontbreekt
Niet alle functies zijn meteen beschikbaar. Denk aan geavanceerde energiebesparing, multi-tenant isolatie en fijnmazige kwaliteitscontroles. Dit vergt tijd, testen en samenwerking met hardwareleveranciers.
Een tweede punt is firmware. Veel NPUs vertrouwen op gesloten firmwarepakketten. Distributies moeten duidelijk maken welke onderdelen open zijn, en hoe updates veilig en traceerbaar verlopen.
Tot slot is er de toolchain. Bibliotheken en frameworks moeten hun back-ends bijwerken om het nieuwe pad in de kernel te benutten. Tot die tijd blijven prestaties en stabiliteit wisselend, vooral op de allernieuwste chips.