Nvidia объединяет домашние компьютеры в один кластер ИИ‑вычислений с помощью PAIR

3 сентября 2026 года Nvidia выпустила бета‑версию Personal AI Router (PAIR) — бесплатного программного обеспечения с открытым исходным кодом, которое связывает совместимые компьютеры в домашней сети в единый кластер для локального ИИ‑вычисления, распределяя запросы от агентных нагрузок между доступными машинами.

Несмотря на название, PAIR не является аппаратным маршрутизатором и не представляет собой новый движок вывода. По словам технического блога Nvidia, анонсировавшего программное обеспечение, такие движки, как Ollama и LM Studio, по‑прежнему запускают каждую модель на выбранной машине, тогда как PAIR обнаруживает участвующие системы, отслеживает их готовность к запросу, планирует независимые задания и возвращает каждый ответ в приложение‑источник.

Что поддерживает бета‑версия

Бета‑версия PAIR работает под Windows 11, DGX OS, Ubuntu 14.04 и macOS Tahoe, поддерживая архитектуры x64 и arm64 на всех трёх операционных системах; в документации проекта Windows on ARM помечена как экспериментальная. На странице продукта Nvidia указано поддерживаемое оборудование: все видеокарты GeForce RTX начиная с серии 20, системы DGX Spark и GB10, а также Mac с чипами Apple M4 или новее, при этом требуется минимум 8 ГБ ОЗУ и рекомендуется от 20 ГБ свободного места на диске. В техническом блоге дополнительно перечислены видеокарты RTX PRO для рабочих станций на архитектуре Turing и более новые.

Для работы не требуется подключение к Интернету, хотя оно необходимо для загрузки моделей. На странице продукта указано, что настройка кластера не требует специальных кабелей или стоек: пользователи скачивают программное обеспечение, добавляют свои устройства и запускают ИИ‑приложения через него. Nvidia публикует исходный код PAIR под лицензией Apache License 2.0, позволяя разработчикам изучать код, сообщать об ошибках и вносить улучшения в обнаружение, сопряжение, маршрутизацию, интеграцию движков, конечные точки и пользовательский опыт.

Маршрутизация без объединения GPU

Nvidia описывает PAIR как виртуальный маршрутизатор вывода, а не как способ объединения аппаратных ресурсов. Каждый запрос назначается одному подходящему узлу и остаётся там на всё время выполнения; программное обеспечение не объединяет память GPU, не комбинирует GPU в более крупный логический ускоритель, не распределяет одну модель по нескольким машинам и не делит отдельный запрос вывода между узлами.

Приложения подключаются через прокси‑конечные точки, совместимые с Ollama и OpenAI, которые PAIR создаёт, перехватывая стандартные порты, используемые этими движками. Nvidia заявила, что это позволяет агентам продолжать использовать знакомый им интерфейс без необходимости интегрировать новый API кластера. Узел считается подходящим для запроса только тогда, когда на нём включён поддерживаемый движок и присутствует требуемая модель; при этом PAIR отдаёт предпочтение узлам, где модель уже известна. Модели не обязаны быть одинаковыми во всём кластере; загрузка одной и той же метки модели на большем числе узлов расширяет пул доступных вариантов для планировщика.

Для каждого нового запроса планировщик оценивает, находится ли сопряжённый узел в сети и готов, включён ли поддерживаемый движок, присутствует ли требуемая модель, текущую нагрузку, включая активные задания, и текущую загрузку GPU, например, из‑за работающего графически интенсивного приложения. Узлы могут предоставлять ресурсы, пока они доступны, и отстраняться при необходимости, например, когда ноутбук переходит в спящий режим, выключается или покидает сеть.

Обнаружение, безопасность и конфиденциальность

После установки PAIR использует обнаружение в локальной сети через mDNS для автоматического поиска соседних систем, а узел также можно добавить по IP‑адресу. Сопряжение двух машин происходит с помощью шестизначного PIN‑кода, отображаемого на приглашённом устройстве и вводимого на принимающем. Nvidia заявила, что вся связь между узлами блокируется до установления защищённого сопряжения, после чего трафик защищается с помощью MTLS и сгенерированных сертификатов. Компания позиционирует программное обеспечение для частного локального вывода, при котором подсказки, файлы и контекст агента остаются в домашней сети пользователя, а не передаются в облачный сервис вывода. Документация репозитория предостерегает пользователей от развертывания PAIR в ненадёжных или общих сетях, поскольку включены локальные HTTP‑конечные точки, обнаружение в LAN и сетевые функции кластера.

Целевые нагрузки и неофициальная демонстрация

Nvidia заявила, что PAIR ориентирован на нагрузки, генерирующие множество независимых запросов одновременно, например, многопользовательские приложения, где ведущий агент разбивает сложную задачу на более мелкие задания для субагентов. В демонстрации с использованием агента Hermes Desktop и Ollama компания сообщила, что задача из пяти субагентов с моделью Qwen 3.6 35B A3B занимала в среднем 18 минут на одном ноутбуке RTX Spark, тогда как трёхустройственный кластер PAIR, состоящий из ноутбука RTX Spark, DGX Spark и RTX 5090, выполнил ту же нагрузку за среднее время 8 минут 48 секунд. Nvidia охарактеризовала результат как неофициальную, зависящую от конфигурации демонстрацию, а не как общий бенчмарк или обещание линейного масштабирования, отмечая, что итог зависит от параллелизма нагрузки, модели, настроек движка, аппаратуры, сети и доступности узлов.

Компания отметила, что сильно последовательные задачи, нагрузки, в которых доминирует один длительный вызов модели, или конфигурации, где только один узел хранит требуемую модель, могут получить меньшую выгоду. Документация репозитория дополнительно указывает, что в текущей версии программного обеспечения реализована единственная политика планирования, объединяющая очередь задач с грубым сигналом загрузки GPU, что делает её более подходящей для схожих машин, чем для сильно разнородного кластера, и что Nvidia собирает отзывы о том, как сделать планировщик умнее, без фиксированных обязательств по выпуску или срокам.