Nvidia PAIR: домашните GPU-та стават един клъстер

На IFA 2026 в Берлин Nvidia пусна PAIR (Personal AI Router) — безплатен инструмент с отворен код, който открива всички съвместими компютри в домашната мрежа и разпределя между тях заявките към локалните езикови модели. В същата презентация компанията обяви, че първите устройства с чипа RTX Spark N1X тръгват през октомври — в лаптопи и в компактни настолни машини. PAIR е в бета версия и вече може да се свали за Windows, macOS и Linux.

Идеята: половината от машините ви не правят нищо

Аргументът на Nvidia е прост и се основава на статистика, която компанията цитира в съобщението си от IFA: над половината американски домакинства имат два или повече компютъра, а голяма част от тази изчислителна мощ стои неизползвана през деня. Когато пуснете рояк от агенти върху една машина, тя се задъхва, докато лаптопът в другата стая и настолният компютър в кабинета мълчат.

PAIR решава точно това. Инсталирате го на всяка машина, тя се открива по mDNS, сдвояването става с шестцифрен PIN, показан на едното устройство и въведен на другото. До момента, в който сдвояването приключи, комуникацията между възлите е блокирана; след това трафикът върви през mTLS с генерирани сертификати.

Снимка: NVIDIA

Какво PAIR прави и — по-важното — какво не прави

Тук е мястото за уточнение, защото заглавието „клъстер“ подвежда. Според техническото описание в блога за разработчици PAIR е виртуален inference рутер, не начин да слеете хардуер. Всяка заявка се възлага на един подходящ възел и остава там до края си. Инструментът не обединява видеопаметта, не прави от няколко GPU-та един логически ускорител, не разпределя един модел между машините и не дели една текуща заявка на парчета.

Изборът на възел става по няколко критерия: готовност, състояние на engine-а, дали моделът вече е зареден там и текущото натоварване на GPU-то. Отговорът се стриймва обратно към приложението през същия локален интерфейс.

Съвместимостта е решена елегантно — PAIR се представя пред приложенията като Ollama или LM Studio. Това означава, че агентът ви не се пренаписва: сочите го към един локален endpoint и толкова.

Ползата зависи изцяло от вида работа. При много независими подзадачи печалбата е реална — в демонстрация, описана от unite.ai, клъстер от три устройства свалил задача с пет подагента от 18 минути на 8 минути и 48 секунди. При строго последователна работа или едно дълго извикване на модел практически няма какво да се разпредели.

Изисквания

Поддържат се GeForce RTX от 20-та серия нагоре, работните станции RTX PRO с Turing и по-нови архитектури, DGX Spark/GB10, както и Mac с Apple M4 или по-нов чип. Минимумът е 8 GB RAM, препоръчват се около 20 GB дисково пространство. Интернет е нужен само за сваляне на модели — самата работа е изцяло локална, което е и основният аргумент за поверителност. Кодът е под лиценз Apache 2.0 и стои в GitHub хранилището на Nvidia, а текущата бета е v0.1.1 за x64 и arm64, с графичен и терминален интерфейс.

Тенденцията към локален AI в дома не е нова — на същото изложение Anker показа MindBase, който комбинира AI хъб и NAS.

Снимка: NVIDIA

RTX Spark N1X: две конфигурации, старт през октомври

Втората новина е за хардуера. Nvidia потвърди двете конфигурации на N1X, пише Tom’s Hardware:

• 20-ядрен Grace CPU + 6144 CUDA ядра Blackwell, от 24 до 128 GB унифицирана памет. Тази версия ще е и в лаптопи, и в компактни настолни машини.
• 18-ядрен CPU + 5120 CUDA ядра, от 24 до 32 GB памет — само в лаптопи.

Обявената AI производителност е до 1 petaflop при FP4. Графичната част носи четвърто поколение RT ядра, пето поколение tensor ядра, Reflex 2 и DLSS 5. Обещанието за игри е 100 кадъра в секунда при 1440p с ray tracing — число, което, както отбелязва PCWorld, стъпва здраво върху генерирането на кадри в DLSS 5 и заслужава да се провери на живо.

Партньорите вече са известни: Lenovo Yoga Pro 9n и Yoga 9n 2-in-1, ASUS ProArt P16, Dell XPS 16, HP OmniBook X 14, Microsoft Surface Laptop Ultra, MSI Prestige N16 Flip AI+, плюс компактен десктоп от Acer. Издатели като EA, Ubisoft, KRAFTON, NetEase, Riot Games и Xbox са потвърдили поддръжка за платформата.

Заключение

Цени няма — нито за отделните машини, нито ориентировъчни от Nvidia. При минимум 24 GB унифицирана памет обаче е трудно да се очаква нещо евтино, а октомври е достатъчно близо, за да разберем скоро. PAIR междувременно не струва нищо и работи с хардуера, който вече имате — рядка комбинация, която си заслужава един следобед за експерименти, стига работата ви наистина да се разпада на независими подзадачи.