Μοντέλα και πλατφόρμες AI

Η Nvidia Συνδέει τους Οικιακούς Υπολογιστές σε Ένα Κοινό Συμπλέγμα AI Εξαγωγής με το PAIR

mm
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google

Η Nvidia στις 3 Σεπτεμβρίου 2026 κυκλοφόρησε τη βήτα του Personal AI Router (PAIR), ένα δωρεάν λογισμικό ανοιχτού κώδικα που συνδέει συμβατούς υπολογιστές σε ένα οικιακό δίκτυο σε ένα ενιαίο σύμπλεγμα για τοπική εξαγωγή AI, δρομολογώντας αιτήματα από φορτία εργασίας πρακτόρων σε όποιες διαθέσιμες μηχανές.

Παρά το όνομά του, το PAIR δεν είναι υλιστικός δρομολογητής ούτε νέος μηχανισμός εξαγωγής. Σύμφωνα με την τεχνική ανάρτηση του blog της Nvidia που ανακοίνωσε το λογισμικό, μηχανές όπως το Ollama και το LM Studio εξακολουθούν να εκτελούν κάθε μοντέλο σε μια επιλεγμένη μηχανή, ενώ το PAIR εντοπίζει τα συμμετέχοντα συστήματα, παρακολουθεί αν κάθε ένα είναι έτοιμο για αίτημα, προγραμματίζει ανεξάρτητες εργασίες και επιστρέφει κάθε απάντηση στην εφαρμογή που την δημιούργησε.

Τι Υποστηρίζει η Βήτα

Η βήτα του PAIR λειτουργεί σε Windows 11, DGX OS, Ubuntu 14.04 και macOS Tahoe, με υποστήριξη αρχιτεκτονικών x64 και arm64 σε όλα τα τρία λειτουργικά συστήματα· η τεκμηρίωση του έργου περιγράφει τα Windows σε ARM ως πειραματικά. Η σελίδα προϊόντος της Nvidia παραθέτει το υποστηριζόμενο υλικό ως όλες τις κάρτες GeForce RTX από τη σειρά 20 και μετά, συστήματα DGX Spark και GB10, καθώς και Mac με επεξεργαστές Apple M4 ή νεότερους, μαζί με ελάχιστη μνήμη RAM 8 GB και προτεινόμενο χώρο δίσκου 20 GB ή περισσότερο. Η τεχνική ανάρτηση του blog προσθέτει επίσης κάρτες RTX PRO workstation με αρχιτεκτονική Turing και νεότερες.

Δεν απαιτείται σύνδεση στο διαδίκτυο για τη λειτουργία, αν και χρειάζεται για τη λήψη μοντέλων. Η σελίδα προϊόντος δηλώνει ότι η δημιουργία ενός συμπλέγματος δεν απαιτεί ειδικά καλώδια ή ράφια: οι χρήστες κατεβάζουν το λογισμικό, προσθέτουν τις συσκευές τους και εκτελούν τις AI εφαρμογές τους μέσω αυτού. Η Nvidia δημοσιεύει τον πηγαίο κώδικα του PAIR υπό την άδεια Apache License 2.0, και αναφέρει ότι οι προγραμματιστές μπορούν να εξετάσουν τον κώδικα, να αναφέρουν προβλήματα και να συνεισφέρουν βελτιώσεις στην ανακάλυψη, τη σύζευξη, τη δρομολόγηση, την ενσωμάτωση μηχανών, τα άκρα και την εμπειρία χρήστη.

Δρομολόγηση Χωρίς Συγκέντρωση GPU

Η Nvidia περιγράφει το PAIR ως εικονικό δρομολογητή εξαγωγής αντί για μέθοδο συγχώνευσης υλικού. Κάθε αίτημα εκχωρείται σε έναν επιλέξιμο κόμβο και παραμένει εκεί για όλη τη διάρκεια του· το λογισμικό δεν συγκεντρώνει μνήμη GPU, δεν συνδυάζει GPU σε έναν μεγαλύτερο λογικό επιταχυντή, δεν διασπά ένα μοντέλο σε πολλές μηχανές, ούτε χωρίζει ένα εν εξελίξει αίτημα εξαγωγής μεταξύ κόμβων.

Οι εφαρμογές συνδέονται μέσω διακομιστών μεσολάβησης συμβατών με Ollama και OpenAI, τους οποίους το PAIR δημιουργεί αναλαμβάνοντας τις προεπιλεγμένες θύρες που χρησιμοποιούν οι δύο μηχανές. Η Nvidia δήλωσε ότι αυτό σημαίνει ότι τα εργαλεία πρακτόρων μπορούν να συνεχίσουν να χρησιμοποιούν τη διεπαφή που ήδη γνωρίζουν, χωρίς νέο API συμπλέγματος για ενσωμάτωση. Ένας κόμβος γίνεται επιλέξιμος για αίτημα μόνο όταν μια υποστηριζόμενη μηχανή είναι ενεργοποιημένη σε αυτόν και το ακριβές ζητούμενο μοντέλο είναι παρόν, και το PAIR προτιμά κόμβους που ήδη γνωρίζει ότι διαθέτουν το μοντέλο. Τα μοντέλα δεν χρειάζεται να είναι ταυτόσημα σε όλο το σύμπλεγμα· η φόρτωση της ίδιας ετικέτας μοντέλου σε περισσότερους κόμβους παρέχει στον προγραμματιστή μεγαλύτερη επιλέξιμη δεξαμενή.

Για κάθε νέο αίτημα, ο προγραμματιστής αξιολογεί αν ένας συνδεδεμένος κόμβος είναι σε λειτουργία και έτοιμος, αν μια υποστηριζόμενη μηχανή είναι ενεργοποιημένη, αν το ζητούμενο μοντέλο είναι παρόν, το τρέχον φορτίο εργασίας συμπεριλαμβανομένων των ενεργών εργασιών, και την υπάρχουσα χρήση GPU, όπως μια εφαρμογή βαριάς γραφικής επεξεργασίας. Οι κόμβοι μπορούν να συνεισφέρουν χωρητικότητα όταν είναι διαθέσιμοι και να αποσυνδεθούν όταν χρειάζεται, π.χ. όταν ένα laptop μπαίνει σε αναστολή, κλείνει ή αποσυνδέεται από το δίκτυο.

Ανακάλυψη, Ασφάλεια και Ιδιωτικότητα

Μετά την εγκατάσταση, το PAIR χρησιμοποιεί ανακάλυψη τοπικού δικτύου μέσω mDNS για αυτόματη εύρεση κοντινών συστημάτων, και ένας κόμβος μπορεί επίσης να προστεθεί με διεύθυνση IP. Η σύζευξη δύο μηχανών γίνεται με έναν εξαψήφιο κωδικό PIN που εμφανίζεται στη μηχανή που προσκαλεί και εισάγεται στη μηχανή που προσκαλείται. Η Nvidia δήλωσε ότι όλες οι επικοινωνίες κόμβου-προς-κόμβο μπλοκάρονται μέχρι να ολοκληρωθεί η ασφαλής σύζευξη, μετά την οποία η κίνηση ασφαλίζεται με MTLS και παραγόμενα πιστοποιητικά. Η εταιρεία προωθεί το λογισμικό για ιδιωτική τοπική εξαγωγή, με τις προτροπές, τα αρχεία και το πλαίσιο του πράκτορα να παραμένουν στο οικιακό δίκτυο του χρήστη αντί να αποστέλλονται σε υπηρεσία εξαγωγής στο σύννεφο. Η τεκμηρίωση του αποθετηρίου προειδοποιεί τους χρήστες να διαβάσουν τις σημειώσεις ασφαλείας πριν αναπτύξουν το PAIR σε μη αξιόπιστο ή κοινόχρηστο δίκτυο, καθώς περιλαμβάνει τοπικά HTTP άκρα, ανακάλυψη LAN και δικτύωση συμπλέγματος.

Στοχευόμενα Φορτία Εργασίας και Μία Μη Επίσημη Επίδειξη

Η Nvidia δήλωσε ότι το PAIR στοχεύει σε φορτία εργασίας που εκθέτουν πολλαπλά ανεξάρτητα αιτήματα ταυτόχρονα, όπως εφαρμογές πολλαπλών πρακτόρων όπου ένας κύριος πράκτορας διασπά ένα σύνθετο έργο σε μικρότερες εργασίες για υποπράκτορες. Σε μια επίδειξη με τον πράκτορα Hermes Desktop και το Ollama, η εταιρεία ανέφερε ότι μια εργασία πέντε υποπρακτόρων χρησιμοποιώντας το μοντέλο Qwen 3.6 35B A3B χρειάστηκε κατά μέσο όρο 18 λεπτά σε ένα μόνο laptop RTX Spark, ενώ ένα σύμπλεγμα PAIR τριών συσκευών που συνδύαζε ένα laptop RTX Spark, ένα DGX Spark και ένα RTX 5090 ολοκλήρωσε το ίδιο φορτίο εργασίας σε μέσο όρο 8 λεπτά και 48 δευτερόλεπτα. Η Nvidia χαρακτήρισε το αποτέλεσμα ως μια μη επίσημη, ειδική για τη διαμόρφωση επίδειξη και όχι ως γενικό benchmark ή υπόσχεση γραμμικής κλιμάκωσης, σημειώνοντας ότι τα αποτελέσματα εξαρτώνται από την παραλληλία του φορτίου εργασίας, το μοντέλο, τις ρυθμίσεις της μηχανής, το υλικό, το δίκτυο και τη διαθεσιμότητα των κόμβων.

Η εταιρεία ανέφερε ότι εργασίες με υψηλή ακολουθία, φορτία εργασίας που κυριαρχούνται από μία μακρά κλήση μοντέλου, ή διαμορφώσεις όπου μόνο ένας κόμβος διαθέτει το ζητούμενο μοντέλο μπορεί να αποκομίσουν λιγότερο όφελος. Η τεκμηρίωση του αποθετηρίου προσθέτει ότι το λογισμικό αυτή τη στιγμή παρέχει μια ενιαία πολιτική προγραμματισμού που συνδυάζει την ουρά εργασιών με ένα αδρό σύστημα σήματος χρήσης GPU, καθιστώντας το πιο κατάλληλο για παρόμοιες μηχανές παρά για ένα πολύ μικτό σύμπλεγμα, και ότι η Nvidia επιθυμεί ανατροφοδότηση για τη βελτίωση του προγραμματιστή χωρίς δεσμευτικές υποσχέσεις σχετικά με το τι θα κυκλοφορήσει ή πότε.

Ο Theo Nash είναι ένας ειδικός που δημιουργήθηκε από AI στο Unite.AI, που καλύπτει την υποδομή AI, τον υπολογισμό και τα συστήματα υλικού που τροφοδοτούν την σύγχρονη τεχνητή νοημοσύνη. Το έργο του επικεντρώνεται στις τεχνικές βάσεις πίσω από τις μεγάλες εργασίες AI, συμπεριλαμβανομένων των κέντρων δεδομένων, των επιταχυντών, των δικτύων και των στοιχείων λογισμικού που τα συνδέουν.
Με μια αναλυτική και μηχανική προοπτική, ο Theo εξετάζει πώς οι προόδους στις GPU, το εξειδικευμένο σιλικόνιο, τις αρχιτεκτονικές μνήμης και τα κατανεμημένα συστήματα επιτρέπουν новые γενιές μοντέλων AI. Δίνει ιδιαίτερη προσοχή στις ανταλλαγές απόδοσης, την ενεργειακή αποτελεσματικότητα, την κλιμακωσιμότητα και τις πρακτικές περιορισμοί που διαμορφώνουν την ανάπτυξη της υποδομής AI στον πραγματικό κόσμο.
Οι άρθρα που γράφονται από τον Theo Nash δημιουργούνται από AI και αναθεωρούνται από την редакτική ομάδα του Unite.AI για να διασφαλίσουν την τεχνική ακρίβεια, τη σαφήνεια και την υπεύθυνη κάλυψη του ταχέως εξελισσόμενου τοπίου υπολογισμού AI.