英伟达发布 PAIR：把闲置电脑连接成个人本地 AI 推理集群

英伟达在 IFA 2026 推出开源软件 Personal AI Router（PAIR）测试版，可将家庭或小型办公网络中的多台电脑连成本地推理调度集群，通过节点发现、mTLS 和调度策略将独立推理请求分发到有模型与算力的设备上，以缓解本地多智能体场景下的排队问题。PAIR 支持 Windows、Linux 和 macOS，采用六位配对码与双向 TLS 建立信任，强调数据留在本地，但实际效果取决于家庭网络稳定性、模型分布与任务并行度。

英伟达在 2026 年 9 月 3 日于 IFA 2026 期间发布 Personal AI Router（PAIR）测试版。这是一款免费开源软件，不是传统意义上的硬件路由器，而是试图把同一家庭或小型办公室网络中的多台电脑连接起来，为本地 AI 推理和智能体工作流提供更大的并行处理能力。

PAIR 可以自动发现网络中的兼容设备，根据节点是否在线、推理引擎是否可用、目标模型是否已经安装，以及当前 GPU 和任务负载，决定一项新的推理请求应交给哪台机器处理。它目前支持 Windows、Linux 和 macOS，并与 Ollama、LM Studio 等本地推理工具配合使用。

PAIR 解决的是本地多智能体的排队问题

随着本地智能体开始把复杂任务拆分给多个子智能体，单台电脑的 GPU 可能很快成为瓶颈。一个看似简单的任务，背后可能包含研究、文件整理、代码分析和结果核验等多次独立模型调用。如果所有请求都发送给同一台机器，即使家中还有其他具备算力的电脑处于闲置状态，任务也只能在同一个推理引擎前排队。

英伟达在 技术博客 中将 PAIR 描述为一个“虚拟推理路由器”。应用或智能体仍然可以通过熟悉的 Ollama 或 LM Studio 接口发送请求，不需要为每一台设备单独编写适配逻辑。PAIR 在代理层后面负责识别请求、筛选可用节点并转发任务，完成后再把结果返回给原来的应用。

这意味着 PAIR 的主要收益来自工作负载级别的并行，而不是把多张显卡合并成一张更大的虚拟显卡。一次推理请求会从开始到结束运行在一个节点上；只有相互独立的请求，才有机会同时分布到多台设备。因此，对于高度串行、主要依赖单次长模型调用，或者只有一台设备安装了目标模型的任务，PAIR 的加速空间可能有限。

英伟达技术博客给出的演示涉及 Hermes Desktop、Ollama 和 Qwen 3.6 35B A3B。一个由 RTX Spark 笔记本、DGX Spark 和 RTX 5090 组成的三设备集群，完成五个子智能体任务平均需要 8 分 48 秒；单台 RTX Spark 笔记本平均需要 18 分钟。不过，英伟达明确表示，这是一项非正式、与具体配置相关的演示，不是通用基准，也不能据此推断性能会随设备数量线性增长。实际结果会受到模型、网络、推理引擎、任务并行度和节点可用性的影响。

设备可以动态加入，也可以随时退出

家庭电脑与数据中心服务器的区别，在于它们并不会一直处于稳定、专用的运行状态。游戏电脑可能在某个时刻被用户占用，笔记本可能合上盖子或离开家庭网络，工作站也可能正在执行视频渲染等任务。

PAIR 的设计正是围绕这种不稳定性展开。软件使用 mDNS 等本地网络发现机制寻找附近设备，也允许用户通过 IP 地址添加节点。设备建立信任关系后，PAIR 会持续观察节点的在线状态、引擎状态、模型是否存在以及 GPU 利用率。当一台电脑开始运行游戏或其他前台应用时，它可以暂时退出可用算力池；当另一台设备恢复空闲，它又可以重新加入。

根据 英伟达产品页面，PAIR 支持 GeForce RTX 20 系列及更新型号、RTX Pro 工作站 GPU、DGX Spark，以及搭载 Apple M4 或更新芯片的 Mac。产品页面列出的运行平台包括 Windows 11、DGX OS、Ubuntu 14.04 和 macOS Tahoe，最低内存要求为 8GB，建议磁盘空间为 20GB 或以上。运行本身不要求互联网连接，但下载模型仍然需要网络。

英伟达强调，多个设备仍然是彼此独立的系统，PAIR 不会把它们的显存合并成一个更大的内存池。用户需要在适合的节点上准备目标模型，调度器也只会把请求发给已安装对应模型、并且当前有能力处理任务的设备。

六位配对码和 mTLS 支撑本地通信

在安全设计上，PAIR 要求设备先通过六位配对码建立信任关系。英伟达称，在安全连接和配对完成之前，节点之间的通信会被阻断；配对完成后，设备之间使用双向 TLS（mTLS）和生成的证书进行加密通信。

这套机制的目标，是让提示词、文件和智能体上下文留在用户自己的网络中，而不是自动发送到云端。英伟达在产品页面上把 PAIR 定位为“私人本地推理”工具，并表示本地 AI 工作流可以在不依赖云端推理服务的情况下运行。

不过，“数据不必上云”并不等同于所有风险都已经消失。家庭网络中的设备是否可信、节点上的推理引擎是否经过妥善配置、模型和日志如何管理，都会影响实际安全性。PAIR 的 开源代码仓库 采用 Apache 2.0 许可证，但仓库同时提醒用户，在不受信任或共享的网络中部署前应先阅读安全政策。模型、推理引擎和其他配套软件也可能有各自的使用条款。

“个人 AI 数据中心”更像产品定位，而非数据中心替代品

英伟达及相关报道把这类多设备本地推理描述为一种“个人 AI 数据中心”体验。这个说法有助于说明产品愿景：用户可以利用家中已经拥有的电脑，而不是另外购买一套专用集群，让本地智能体获得更多可调度的计算资源。

但从技术机制看，PAIR 更接近一个面向家庭设备的推理调度和代理层。它不提供新的基础模型，也不取代 Ollama 或 LM Studio，更不会把多个 GPU 组成一个可以承载超大模型的统一加速器。它最适合的是存在多个独立请求的场景，例如多智能体研究、并发的代码任务，或同时运行多个本地 AI 工具。

《The Verge》在 相关报道 中援引英伟达产品经理 Seth Schneider 的说法称，英伟达设想的典型用户可能只有一台 MacBook 或 Windows 笔记本，再加上一台游戏电脑，而不一定是拥有多台高端工作站的极端家庭。报道也提到，英伟达曾以一个拥有 RTX Spark 笔记本、DGX Spark 台式机、RTX 5090 笔记本、游戏电脑和 MacBook 的家庭为例，估计其中存在约 165 万亿次浮点运算的闲置算力。这个数字属于厂商在特定假设下的示例，不应被视为普通家庭的普遍配置或性能基准。

本地 AI 的竞争正在从模型扩展到整套工作流

PAIR 的发布与英伟达在 IFA 期间推动的其他本地 AI 产品形成了同一条路线。英伟达同时宣布，Hermes Agent、OpenClaw 和 Perplexity Portable Computer 将获得更简化的本地设置体验；llama.cpp 和 vLLM 也获得了面向本地 NVIDIA 平台的推理优化。

这一趋势意味着，本地 AI 的竞争重点正在从“设备能否运行某个模型”，转向“设备能否稳定承载一个完整的智能体工作流”。模型之外，用户还需要推理引擎、工具调用、任务调度、权限控制、沙箱和本地与云端之间的路由机制。AIFlux此前关于 英伟达与微软推出 RTX Spark 的报道也指出，个人 AI 设备的关键问题不只是峰值算力，还包括智能体权限、操作系统安全和软件生态。

在开发者场景中，PAIR 还可能降低运行本地智能体的配置门槛。AIFlux此前报道的 用本地模型自动分流开源 PR 与 Issue 展示了另一种本地化工作流：模型、队列、受限工具和通知系统可以组合起来，处理持续进入的开源项目任务。PAIR 的作用则是进一步把这类工作流中的独立推理请求分摊到多台可用设备上。

测试版仍需真实家庭场景验证

英伟达已经开放 PAIR beta 下载，并在 产品页面 提供图形界面和终端方式的入口。但软件是否真正适合普通用户，仍取决于几个尚未被发布会完全回答的问题：家庭网络中的节点发现是否稳定，设备睡眠和唤醒后的恢复是否可靠，不同硬件与模型组合下的调度效果如何，以及多台电脑同时运行时的噪音、耗电和散热成本是否可以接受。

更重要的是，PAIR 的收益建立在任务具有足够并行度的前提上。它可能减少多个子智能体争用单台 GPU 时的排队，却无法自动缩短每一次模型调用本身的生成时间，也不能解决模型质量、上下文管理或工具权限方面的问题。

因此，PAIR 目前更准确的定位，是把分散在家庭网络中的闲置算力组织起来，为本地多智能体应用提供弹性容量的测试版软件。它展示了个人设备从“运行一个模型”走向“共同承载一套 AI 工作流”的可能性，但其实际价值仍要通过不同家庭配置、网络条件和长期使用中的独立测试来验证。

来源

• NVIDIA Technical Blog：NVIDIA PAIR Virtual Inference Router Expands Available Compute on Your Local Network
• NVIDIA：Personal AI Router for Local Inference
• NVIDIA Blog：Sparks Fly: NVIDIA Accelerates Local AI at IFA 2026
• NVIDIA GitHub：Personal AI Router
• The Verge：Nvidia launches free tool that links idle computers into a personal AI data center