Nvidia PAIR 将闲置的家庭 GPU 组成本地 AI 推理网络

Nvidia 自身的发布宣传大量使用了‘集群’和‘超级计算机’等术语，但其技术文档明确限定了 PAIR 的实际功能：PAIR 将每个独立请求完整地调度到单个节点，明确不合并 GPU 内存、不将多个 GPU 组合成更大的逻辑 GPU，也不将单个模型分片到多台设备上 ^[1]。实际上，它表现为一个位于现有本地推理引擎之上的调度层，根据节点就绪状态、目标模型是否已加载、当前工作负载以及其它应用占用 GPU 资源的情况，决定由网络中的哪一台设备处理请求 ^[2]。这一区别至关重要：数据中心意义上的‘集群’会合并内存，使超大模型可在多个 GPU 上运行；而 PAIR 仅为每项任务选择最合适的单台设备——更接近家庭网络的智能负载均衡器，而非多 GPU 模型分片技术。

推出时机源于一种特定的新问题：当代理框架将任务拆分为多个并行子代理时，所有子代理会竞争同一 GPU 资源，导致排队和停滞，而 PAIR 正是为将此类工作负载分散到网络中具有空闲容量的设备而设计 ^[3]。Nvidia 将这一解决方案与家庭硬件现状结合，指出超过一半的美国家庭已拥有两台或更多 PC，其中许多设备大部分时间处于闲置状态，这正是 PAIR 旨在调动而非闲置的未开发资源 ^[4]。综合来看，其宣传重点不再是‘购买更大 GPU’，而是‘停止浪费家中已有的 GPU’——尽管这仅对实际拥有多个兼容设备且同时运行的家庭才真正有效。

PAIR 并非孤立发布——Nvidia 在柏林 IFA 2026 展会上与 RTX Spark N1X 笔记本平台一同推出该技术，该平台提供两种配置，最高支持 128GB 统一内存，计划于 2026 年 10 月上市，联想已宣布推出基于相同芯片的 Yoga Pro 9n 和 Yoga 9n 2-in-1 笔记本 ^[5][6]。旗舰演示采用 Nous Research 的 Hermes Desktop 代理而非通用基准：运行 Qwen 3.6 35B A3B 模型的五子代理工作负载，在单台 RTX Spark 笔记本上耗时 18 分钟，而通过 PAIR 在包含该笔记本、DGX Spark 和 RTX 5090 的三设备集群上运行后，耗时降至 9 分钟以内 ^[7][8]。选择该合作伙伴并非偶然——Hermes Agent 是目前最广泛使用的开源代理框架之一，为 Nvidia 提供了一个高曝光度的场景，展示为何 RTX Spark 用户需要在后台运行 PAIR。

对测试版进行深入测试的评测者发现，PAIR 的能力比 Nvidia 官方材料所描述的更强，也更具即兴发挥空间。XDA Developers 发现，添加新的推理引擎仅需一个声明式 JSON 清单，而非硬编码集成，这使他们能够通过单一端点在两台设备上分别运行 Qwen-3.8-Flash-Next 和 GLM-5.3-Flash 两种完全不同模型的请求，并进一步通过 Tailscale 隧道将葡萄牙的 Mac 与爱尔兰的 DGX Spark 配对，最终将集群扩展至 18 块 GPU ^[9]。这些行为在 0.1.1 测试版中均未被文档记录或官方支持，而测试也暴露了真实限制：调度器仅读取粗略的 GPU 利用率区间、节点就绪状态和模型是否存在，无法感知缓存预热状态、各节点硬件差异或实测延迟——因此一个技术上‘可用’的节点仍可能是较慢的选择。