Nvidia представила PAIR (Personal ИИ Router) — open-source инструмент, который автоматически распределяет локальные ИИ-запросы между всеми доступными устройствами в домашней сети. Решение позиционируется как способ сократить время ожидания при выполнении параллельных задач с участием нескольких агентов. PAIR работает как виртуальный роутер между существующими инструментами вроде Ollama или LM Studio и компьютерами в сети, поэтому пользователям не нужно менять свои агенты или приложения.
Принцип работы PAIR напоминает балансировку нагрузки в центрах обработки данных: вместо того чтобы перегружать один GPU, инструмент направляет запросы на те машины, которые свободны, а затем собирает результаты и возвращает их вызывающему приложению. Поддерживаемое оборудование включает GeForce RTX начиная с 20-й серии, рабочие станции RTX Pro, DGX Spark и Apple silicon начиная с M4. PAIR автоматически обнаруживает совместимые устройства в сети и защищает весь трафик между ними с помощью MTLS-шифрования. Бета-версия доступна для Windows, macOS и Linux.
В демонстрации Nvidia кластер из трех устройств выполнил задачу с пятью субагентами чуть менее чем за 9 минут, тогда как на одном ноутбуке на это ушло 18 минут. Ускорение в два раза достигнуто за счет параллельного выполнения подзадач на разных GPU. Однако важно понимать ограничения: PAIR не ускоряет одиночные запросы, а лишь эффективнее распределяет нагрузку при наличии нескольких задач или агентов. Для пользователей с одним мощным GPU выигрыш может быть минимальным.
Инструмент работает как виртуальный роутер между приложениями (Ollama, LM Studio) и компьютерами, не требуя изменений в агентах.
Появление PAIR отражает стратегию Nvidia по усилению связи открытых ИИ-инструментов с собственным оборудованием. Эта же логика прослеживается в недавнем приобретении Hugging Face за 12,9 млрд долларов. Для энтузиастов локального ИИ PAIR может стать способом объединить разнородные устройства — от игровых ПК до Mac mini — в единый вычислительный пул без сложной настройки. Однако проект находится на стадии беты, и его реальная эффективность в неконтролируемых домашних сетях еще предстоит проверить.
Технология PAIR интересна тем, что переносит в домашние условия принципы оркестрации, давно используемые в дата-центрах. Если инструмент оправдает ожидания, он может снизить барьер для запуска ресурсоемких ИИ-моделей на обычном пользовательском оборудовании. Но пока это нишевое решение для тех, у кого уже есть несколько устройств с достаточно мощными GPU и желание экспериментировать с локальным ИИ.
