背景：本地大模型，卡在第一台机器上
这两年本地大模型（LLM）越来越实用：断网能用、隐私不出家门、不用按量付 API 账单。但门槛也很真实——显存。一块 RTX 5090 有 32GB 显存，勉强能跑 30B 量级的模型；更大的模型就得上 DGX Spark 这种 128GB 统一内存的机器，价格自然不便宜。
英伟达 9 月初宣布了另一个思路：与其让一台机器变大，不如让多台机器协作。它推出了开源的「个人 AI 路由器」软件 NVIDIA PAIR（Personal AI Router），把家里的闲置电脑——打游戏的台式机、出差用的笔记本、甚至苹果电脑——连成一个算力池。同一时间，RTX Spark 设备也宣布 10 月开始出货，官方演示用三台机器组网，把一个智能体任务从 18 分钟压缩到 8 分 48 秒。
PAIR 到底是什么
可以把它理解成家庭算力的调度员。PAIR 在每台参与的电脑上装一个服务，服务负责三件事：
- 自动发现：同一局域网内的机器互相发现，不用手动输 IP；
- 安全配对：首次连接用 6 位 PIN 码建立信任，节点间通信走 mTLS 加密；
- 智能路由：你发出去的模型请求会被路由到「装了这个模型、且当前空闲」的节点上。
关键设计是它优先用空闲算力：你在台式机上开始打游戏，它就会自动减少或停用这台机器的算力，不跟你抢。设备加入或离开网络时，资源池会动态调整。
兼容的设备包括：RTX 20 系列及之后的显卡、RTX Pro GPU、DGX Spark 系统，以及搭载苹果 M4 或更新芯片的设备——英伟达顺手把苹果算力也拉进了自己的体系（M3 及更老芯片是否可用，目前官方没有明确说法）。
实际装起来是什么样
PAIR 的安装比想象中简单，官方提供了三个平台的安装包：
- Windows：下载安装程序一路下一步；
- Linux：一个 Debian 包，
sudo apt install ./NVPAIR-Setup-*.deb； - macOS：拖进 Applications 文件夹。
首次启动有个向导页，可以直接帮你装好推理引擎——默认推荐 Ollama，也可以选 LM Studio，或者用自己的 llama.cpp 编译版。然后在节点卡片上点「添加模型」下载模型（比如 qwen4:12b），各台机器配对后，就可以在任意一台机器上发起请求。
对开发者最友好的一点：接口是兼容的。PAIR 在本机暴露两个地址——http://127.0.0.1:1234/v1（OpenAI 兼容）和 http://127.0.0.1:11434（Ollama 兼容）。也就是说，你现有的任何客户端、智能体应用，不用改代码，把地址指过来就行，PAIR 在背后负责分发。
先别激动：它做不到的四件事
了解边界比了解功能更重要，尤其这是个还在 beta 阶段的软件：
- 显存不合并：这是最常见的误解。PAIR 做的是「请求路由」，不是「分布式推理」——一次推理只占用一台节点的显存，不能把两块 24GB 显卡拼成 48GB 来用。
- 模型要各节点自己下：只有装了目标模型的节点才会被选中当候选，多台机器意味着模型要下载多份。
- 只在局域网内工作：没有云桥接，节点都得在同一张网里（局域网发现不通时可以按地址手动添加）。
- 只做推理：训练和微调不在它的范围里。
换句话说，PAIR 解决的是「家里有好几台带 GPU 的电脑，但每台都只有一半时间在工作」的问题，解决不了「我只有一块小显卡却想跑 70B 模型」的问题。
玩机党可以怎么玩
这个工具真正有意思的地方，在于它给了旧硬件一个新岗位：
- 退役游戏本：换新电脑后，旧的那台 RTX 笔记本不用挂二手了，开机放在书房当专用推理节点，跑 7B~14B 的小模型绰绰有余；
- MacBook：M4 芯片的统一内存架构跑量化模型本来就有优势，接入后就是现成的节点；
- 按节点分工：大模型（32B 级别）只下在显存最大的机器上，小模型每台都装一份，PAIR 会自动把轻请求分流到小机器；
- 配合智能家居：官方文档里还支持无桌面环境的终端模式，Linux 小主机可以纯服务方式加入。
另外值得一提的是时间点：今年 DRAM 和 NAND 价格被 AI 数据中心推高（我之前写过内存涨价的来龙去脉），新 AI PC 只会越来越贵。在这种行情下，把已经买到的硬件榨干，比追新机更划算。
总结
PAIR 不是什么黑科技，它就是把企业里常见的「推理网关 + 集群调度」做成了家用傻瓜版。但它踩中了一个真实趋势：轻量化模型越来越强，能跑模型的设备越来越多，而这些设备的算力大部分时间都在睡觉。英伟达的算盘很直白——先让全家桶的闲置算力被利用起来，生态自然就长大了。
如果你家里正好有两台以上的 RTX 电脑或 M4 Mac，可以去看 NVIDIA PAIR 官方文档，从 GitHub 的 releases 页下载安装包试试。记得它还在 beta，生产环境别指望，折腾玩玩正好。