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

Nvidia 3 сентября 2026 года 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 вывода ИИ, маршрутизируя запросы от агентных нагрузок через любые доступные машины.

Несмотря на название, PAIR не является аппаратным маршрутизатором и не представляет собой новый движок вывода. Согласно техническому блогу, 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 задачи и возвращает каждый ответ в приложение‑источник.

Что поддерживает бета‑версия

Бета‑версия PAIR работает под управлением Windows 11, Linux и macOS, поддерживая архитектуры x64 и arm64 на всех трёх ОС; в документации проекта указано, что Windows on ARM считается экспериментальной. На странице продукта перечислено поддерживаемое оборудование: все графические процессоры GeForce RTX, начиная с 20‑й серии, системы DGX Spark и GB10, а также Mac с процессорами Apple M4 и новее, при условии минимум 8 ГБ ОЗУ и рекомендованного объёма диска 20 ГБ и более. В техническом блоге дополнительно указаны графические процессоры RTX PRO для рабочих станций на архитектуре Turing и новее.

Для работы не требуется подключение к Интернету, хотя оно необходимо для загрузки моделей. На странице продукта говорится, 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 просматривать код, сообщать о проблемах 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 единый логический ускоритель, не распределяет одну модель по нескольким машинам и не делит один 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 внедрения нового API кластера. Узел считается подходящим для запроса только тогда, когда на нём включён поддерживаемый движок и присутствует именно требуемая модель; PAIR отдаёт предпочтение узлам, о которых уже известно, что они хранят модель. Модели не обязаны быть одинаковыми во всём кластере; загрузка одинакового тега модели на несколько узлов расширяет пул подходящих узлов для планировщика.

Для каждого нового запроса планировщик учитывает, онлайн ли сопряжённый узел и готов ли он, включён ли поддерживаемый движок, присутствует ли запрашиваемая модель, текущую загрузку, включая активные задачи, и текущую загрузку GPU, например, работу графически‑интенсивного приложения. Узлы могут предоставлять ресурсы, когда они доступны, и отстраняться, когда это необходимо, например, когда ноутбук переходит в спящий режим, закрывается или выходит из сети.

Обнаружение, безопасность и конфиденциальность

После установки PAIR использует локальное обнаружение через mDNS для автоматического поиска соседних систем, а узел также можно добавить вручную по IP‑адресу. Сопряжение двух машин происходит с помощью шестизначного PIN‑кода, отображаемого на приглашённой машине и вводимого на присоединяемой.

Nvidia заявила, что вся коммуникация между узлами блокируется до завершения безопасного 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 агентов остаются в домашней сети пользователя, а не передаются в облачный сервис вывода. Документация репозитория предостерегает пользователей ознакомиться с разделом безопасности перед развертыванием PAIR в недоверенной или общей сети, поскольку в ней присутствуют локальные HTTP‑конечные точки, обнаружение в LAN и сетевые функции кластера.

Целевые нагрузки и неофициальная демонстрация

Nvidia заявила, что PAIR предназначен для нагрузок, генерирующих множество независимых запросов одновременно, например, многопользовательских приложений, где ведущий агент разбивает сложную задачу на более мелкие работы для подагентов. В демонстрации с использованием агента Hermes Desktop и Ollama компания сообщила, что задача из пяти подагентов с моделью Qwen 3.6 35B A3B заняла в среднем 18 минут на одном ноутбуке RTX Spark, тогда как трёхузловой кластер PAIR, состоящий из ноутбука RTX Spark, DGX Spark и RTX 5090, выполнил ту же работу за в среднем 8 минут 48 секунд.

Nvidia охарактеризовала результат как неофициальную, зависящую от конфигурации демонстрацию, а не как общий бенчмарк или обещание линейного масштабирования, отмечая, что итоговые показатели зависят от параллелизма нагрузки, модели, настроек движка, аппаратного обеспечения, сети и доступности узлов.

Компания указала, что сильно последовательные задачи, нагрузки, доминирующие одним длительным вызовом модели, или конфигурации, где только один узел хранит требуемую модель, могут получить меньшую выгоду. Документация репозитория добавляет, что в текущей версии поставляется единственная политика планирования, объединяющая очередную работу с грубым сигналом использования GPU, что делает её более подходящей для схожих машин, чем для сильно разнородного кластера, и что Nvidia желает получить обратную связь о том, как сделать планировщик умнее, без фиксированных обязательств по тому, что будет выпущено и когда.