Nvidia yhdistää kotitietokoneet yhdeksi AI-päättelyklusteriksi PAIRin avulla

Nvidia julkaisi 3. syyskuuta 2026 Personal AI Routerin (PAIR) betaversion, ilmaisen avoimen lähdekoodin ohjelmiston, joka yhdistää yhteensopivat tietokoneet kotiverkossa yhdeksi klusteriksi paikallista AI-päättelyä varten, reitittäen pyyntöjä agenttityökuormista käytettävissä olevien koneiden välillä.

Nimestään huolimatta PAIR ei ole laitteistorouteri eikä uusi päättelymoottori. Nvidia:n teknisen blogipostauksen, jossa ohjelmisto ilmoitettiin, mukaan moottorit kuten Ollama ja LM Studio suorittavat edelleen jokaisen mallin valitulla koneella, kun taas PAIR löytää osallistuvat järjestelmät, seuraa, onko kukin valmis pyyntöön, aikatauluttaa itsenäisiä töitä ja palauttaa jokaisen vastauksen alkuperäiseen sovellukseen.

Mitä beta tukee

PAIR‑beta toimii Windows 11:ssä, DGX OS:ssä, Ubuntu 14.04:ssä ja macOS Tahoe:ssa, ja x64- sekä arm64-arkkitehtuurit tukevat näitä kolmea käyttöjärjestelmää; projektin dokumentaatio kuvaa Windows on ARM:ia kokeellisena. Nvidia:n tuotesivu luettelee tuetuksi laitteistoksi kaikki GeForce RTX -näytönohjaimet 20‑sarjasta eteenpäin, DGX Spark‑ ja GB10‑järjestelmät sekä Macit, joissa on Apple M4 -siru tai uudempi, lisäksi vähintään 8 GB RAM-muistia ja suositeltavasti 20 GB tai enemmän levytilaa. Tekninen blogipostaus mainitsee lisäksi RTX PRO -työasemagrafiikat Turing‑arkkitehtuurilla ja uudemmilla.

Toiminta ei vaadi internetyhteyttä, vaikka sitä tarvitaan mallien lataamiseen. Tuotesivu kertoo, että klusterin perustaminen ei vaadi erityisiä kaapeleita tai telineitä: käyttäjät lataavat ohjelmiston, lisäävät laitteensa ja ajavat AI‑sovelluksensa sen kautta. Nvidia julkaisee PAIR‑lähdekoodin Apache License 2.0 -lisenssillä, ja kehittäjät voivat tarkastella koodia, raportoida ongelmia ja osallistua parannuksiin löytämisessä, parituksessa, reitityksessä, moottorin integroinnissa, päätepisteissä ja käyttäjäkokemuksessa.

Reititys ilman GPU‑kokoamista

Nvidia kuvaa PAIRia virtuaalisena päättelyrouterina eikä laitteiston yhdistämistapana. Jokainen pyyntö osoitetaan yhdelle kelvolliselle solmulle ja pysyy siellä koko elinkaarensa ajan; ohjelmisto ei yhdistä GPU‑muistia, yhdistä GPU:ita suuremmaksi loogiseksi kiihdyttimeksi, hajauta yhtä mallia koneiden välillä eikä jaa yhtä käynnissä olevaa päättelypyyntöä solmujen kesken.

Sovellukset yhdistävät Ollama-yhteensopiviin ja OpenAI-yhteensopiviin välityspäätepisteisiin, jotka PAIR luo ottamalla hallintaansa kahden moottorin käyttämät oletusportit. Nvidia totesi, että tämä tarkoittaa, että agenttien käyttöliittymät voivat jatkaa tutun käyttöliittymän käyttöä ilman uutta klusteri‑API:a integroitavaksi. Solmu kelpaa pyynnölle vain, kun sillä on käytössä tuettu moottori ja tarkalleen pyydetty malli on siellä, ja PAIR suosii solmuja, joiden tiedetään jo sisältävän mallin. Mallien ei tarvitse olla identtisiä koko klusterissa; saman mallitunnisteen lataaminen useammalle solmulle antaa ajoittajalle laajemman kelvollisen poolin.

Jokaisessa uudessa pyynnössä ajoittaja arvioi, onko pariliitetty solmu verkossa ja valmis, onko tuettu moottori käytössä, onko pyydetty malli läsnä, mikä on nykyinen työkuorma mukaan lukien aktiiviset tehtävät, sekä olemassa oleva GPU‑käyttö, esimerkiksi graafisesti intensiivinen sovellus käynnissä. Solmut voivat tarjota kapasiteettia käytettävissä ollessaan ja poistua tarpeen mukaan, kuten kun kannettava tietokone siirtyy lepotilaan, sulkeutuu tai poistuu verkosta.

Löytäminen, turvallisuus ja yksityisyys

Asennuksen jälkeen PAIR käyttää paikallisverkon löytämistä mDNS:n kautta löytääkseen lähistöllä olevat järjestelmät automaattisesti, ja solmu voidaan lisätä myös IP‑osoitteella. Kahden koneen pariliittäminen tapahtuu kuusinumeroisella PIN‑koodilla, joka näytetään kutsuvassa koneessa ja syötetään kutsuttavaan. Nvidia kertoi, että kaikki solmu‑solmu‑viestintä estetään, kunnes turvallinen pariliitos on muodostettu, jonka jälkeen liikenne suojataan MTLS:llä ja luoduilla varmenteilla. Yritys asettaa ohjelmiston yksityiseen paikalliseen päättelyyn, jolloin kehotteet, tiedostot ja agenttien konteksti pysyvät käyttäjän kotiverkossa sen sijaan, että ne lähetettäisiin pilvipäättelypalveluun. Säilön dokumentaatio varoittaa käyttäjiä lukemaan sen turvallisuusohjeet ennen PAIRin käyttöönottoa epäluotettavassa tai jaetussa verkossa, koska se sisältää paikallisia HTTP‑päätepisteitä, LAN‑löytämisen ja klusteriverkottamisen.

Kohdekuormat ja epävirallinen demo

Nvidia kertoi, että PAIR on suunnattu kuormille, jotka tuottavat monia itsenäisiä pyyntöjä samanaikaisesti, kuten monen agentin sovelluksille, joissa pääagentti jakaa monimutkaisen tehtävän pienempiin töihin aliedustajille. Demonstraatiossa, jossa käytettiin Hermes Desktop -agenttia ja Ollamaa, yritys raportoi, että viiden aliedustajan tehtävä, jossa käytettiin Qwen 3.6 35B A3B -mallia, kesti keskimäärin 18 minuuttia yhdellä RTX Spark‑kannettavalla, kun taas kolmen laitteen PAIR‑klusteri, joka yhdisti RTX Spark‑kannettavan, DGX Sparkin ja RTX 5090:n, suoritti saman kuorman keskimäärin 8 minuuttia ja 48 sekuntia. Nvidia kuvaili tulosta epäviralliseksi, kokoonpano‑kohtaiseksi demonstraatioksi eikä yleiseksi vertailuarvoksi tai lupaukseksi lineaarisesta skaalautuvuudesta, huomauttaen, että tulokset riippuvat kuorman rinnakkaisuudesta, mallista, moottorin asetuksista, laitteistosta, verkosta ja solmujen saatavuudesta.

Yritys totesi, että erittäin peräkkäiset tehtävät, yksi pitkän mallikutsun hallitsema kuorma tai kokoonpanot, joissa vain yksi solmu sisältää pyydetyn mallin, voivat saada vähemmän hyötyä. Säilön dokumentaatio lisää, että ohjelmisto tällä hetkellä sisältää yhden ajoituspolitiikan, joka yhdistää jonossa olevan työn karkeaan GPU‑käyttösignaaliin, mikä tekee siitä paremman sopivan samankaltaisille koneille kuin hyvin sekoitetulle klusterille, ja että Nvidia haluaa palautetta ajoittajan älykkäämmäksi tekemiseksi ilman kiinteitä sitoumuksia siitä, mitä julkaistaan tai milloin.