概念图：家用局域网里多台电脑通过中央路由器共享本地 AI 推理负载
概念封面：本地异构节点组成个人 AI 集群——非产品截图, AI 生成配图，非新闻照片

备选标题

  1. 闲置的家用算力拼成集群：NVIDIA 开源 Personal AI Router（PAIR）
  2. 不拼显存、只路由请求：PAIR 想把 RTX、DGX Spark 和 Mac 接到同一本地端点
  3. Ollama / LM Studio 之上再加一层：NVIDIA PAIR 公测把本地 Agent 流量分到闲置机器

导语

在云端 Agent 仍占主流的当下，NVIDIA 正在用一套开源软件拉本地推理的队伍：**Personal AI Router（PAIR）**公测版，把同一局域网里的 GeForce RTX、DGX Spark 与 Mac 发现并配对，对外只暴露一个本地端点，把独立推理请求路由到有引擎、有模型、负载更闲的节点。

官方强调两点边界：数据尽量留在家里；它不合并 GPU 显存、不把多卡拼成一张大卡、也不把一次推理切到多机——只是把并发请求分到不同机器。TechSpot 报道称，产品经理 Seth Schneider 把典型场景画成「全家闲置机器」：一台 RTX / DGX Spark、一台 5090 笔记本、孩子的游戏台式机和 MacBook，合计约 165 teraFLOPS 的闲置算力。

来源要点

NVIDIA 官方落地页怎么写

据 NVIDIA PAIR 产品页：

  • 定位： 面向家庭 / SOHO 的本地推理路由器；把兼容的 Windows、Linux、macOS 节点连成「个人 AI 集群」，无需特殊线缆或机架。
  • 能力： 发现节点；对接 Ollama 与 LM Studio；向应用 / Agent 提供统一本地端点，并按引擎可用性、模型是否在节点上、当前负载做路由。
  • 隐私主张： 提示词、文件与 Agent 上下文留在用户本地网络，运行期不要求联网（下载模型仍需网络）。
  • 硬件门槛（页面校验配置）： GeForce RTX 20 系及更新、DGX Spark/GB10、Mac M4 或更新；建议 ≥8 GB 内存、≥20 GB 磁盘。
  • 平台： Windows 11、DGX OS / Ubuntu、macOS Tahoe；提供各平台安装包下载。

GitHub README 补上的硬边界

Apache-2.0 仓库 NVIDIA/Personal-AI-Router 写明：PAIR 把每个独立请求路由到一台节点；不池化显存、不组成更大逻辑 GPU、不跨机切分单次推理。它可在任意受支持系统上运行，但节点能否真正承接某个引擎/模型，取决于 Ollama / LM Studio 自身要求；只有跑起兼容引擎的节点才会进入候选集，且优先已知已加载该模型的节点。安装路径推荐签名发行版（Windows .exe / Linux .deb / macOS .dmg）。

TechSpot 的产品解读

TechSpot（2026-09-04）把 PAIR 概括为：跨操作系统拼本地推理集群，几分钟完成配对；用闲置算力喂聊天机器人与 Agent；并引用 Schneider 的家庭算力例子，强调目标不是数据中心级加速卡，而是把家里已有的高性能机器用起来。

为什么值得盯

  1. 本地 Agent 的「缺中间件」问题： 多机、多引擎、多模型时，应用侧通常要自己选节点；PAIR 用兼容 Ollama / OpenAI 风格的代理端点，试图让现有 harness 少改甚至不改。
  2. 和「买一张更大的卡」不同的路径： 它卖的是调度与发现，不是更大的单卡吞吐；适合并发多请求，不适合把一个巨型模型硬拆到多机。
  3. 隐私叙事对准云端疲劳： 在 Frontier 模型继续上云的同时，NVIDIA 用开源路由器把「闲置家用算力」重新包装成可分享的本地容量。
  4. 硬件生态绑定清晰： RTX + DGX Spark + Apple Silicon 同网混部，是对消费级与工作站异构环境的明确押注。

观察

PAIR 真正有意思的地方，不在又一个本地聊天前端，而在 把家庭异构算力产品化成「可被 Agent 调用的统一本地端点」。若公测期安装体验与路由策略站得住，它可能成为 Ollama / LM Studio 之上的默认家用调度层；若节点发现、引擎安装或跨 OS 配对摩擦过大，它仍可能停在爱好者玩具。接下来该看的是：默认安全配对（mDNS / PIN / mTLS 一类机制是否够用）、对更多引擎的支持，以及「闲置算力」叙事能否落到可重复的性能数字，而不只是家庭场景故事。