家里每台电脑都插着 GPU，却只有一台在干活——英伟达觉得这是浪费。本周它开源了一款叫 PAIR（Personal AI Router，个人 AI 路由器）的软件：不卖硬件、不碰云端，把同一局域网里闲着的 PC、Mac 全部串起来，让本地 AI 智能体把任务摊到每一块显卡上跑。官方演示中，原本要 18 分钟跑完的多智能体任务，三台设备组网后 8 分 48 秒完成。
一、PAIR 是什么：名字带「路由器」，实则是调度软件
PAIR 是英伟达在 IFA 2026（9 月 3 日）发布的开源工具，代码已放上 GitHub（Apache-2.0 协议）。它解决一个很具体的痛点：现在跑本地 AI 智能体（如 OpenClaw、Hermes Agent），一个任务会被拆成多个子任务并行执行，但所有请求都挤在同一个 GPU 上排队，显卡成了瓶颈。
PAIR 的做法是当「调度员」：自动发现局域网内装了 PAIR 的电脑，实时跟踪每台设备的空闲状态、模型加载情况和 GPU 占用率，把独立的推理请求分给当前最有空的机器。它本身不跑模型——模型仍然由各机器上已有的 Ollama 或 LM Studio 执行，智能体框架一行代码都不用改。
硬件门槛不高：Windows、Linux、macOS 都支持，英伟达阵营覆盖 RTX 20 系及以上的 GeForce 显卡、RTX PRO 工作站卡和 DGX Spark；意外的是苹果阵营，M4 及更新芯片的 Mac 也能入网。设备间用六位配对码绑定，通信走 mTLS 双向加密。
二、实测数字：多智能体任务快一倍，165 TFLOPS「闲置算力」被唤醒
英伟达官方给了一组实测：用 Hermes Desktop + Ollama 跑一个五个子智能体的工作负载，单台 RTX Spark 笔记本耗时 18 分钟；三台设备组成 PAIR 集群后，同一任务 8 分 48 秒完成——速度约为原来的两倍。
更吸引人的是产品经理 Seth Schneider 算的一笔账：假设一个家庭里爸爸有 RTX Spark 笔记本和 DGX Spark 台式机、妈妈有 RTX 5090 笔记本、孩子有游戏台式机和 MacBook Pro，这户人家合计约有 165 TFLOPS 的算力常年闲置。「那就是坐在家里的免费 token 宝库，」他说，即便扣掉美国普通家庭的平均电费仍然划算。
PAIR 的调度很「识趣」：设备有人正在打游戏或跑任务时，它会自动绕开，等人离开再接管。官方也坦承局限——它不做「虚拟 GPU」：不合并显存、不把多个模型分片到不同显卡、不支持单模型跨机推理，只能把独立请求分发到不同节点。GitHub 上目前 371 星、22 个 open issue，还是早期项目。
三、为什么值得关注：英伟达正在抢「本地 AI 时代的入场券」
PAIR 表面是个免费小工具，背后是英伟达的一条新战线。数据中心 GPU 生意被 OpenAI、谷歌们的大模型军备竞赛推着走，但「本地 AI」正在成为第二战场：Agent 类应用（随身电脑、家庭机器人、桌面智能体）跑在用户自己的设备上，不需要也不愿意把隐私数据传云端。
英伟达这波动作不止 PAIR：IFA 上它还宣布 Perplexity Portable Computer、Hermes Agent、OpenClaw 三大 AI 智能体应用将提供英伟达 GPU 的 Windows 一键本地化部署，配合 10 月上市的 N1X 本地 AI 设备——从模型、到跑模型的显卡、再到调度显卡的软件，英伟达想把「本地 AI」这层楼全包了。
更微妙的是对苹果的「拉拢」：M4 Mac 可以接入 PAIR 网络当算力节点。过去英伟达和苹果几乎零交集，如今为了让用户的 Mac 也跑进自家生态，英伟达选择了开放——反正 Mac 上跑的模型大多还是通用开源模型，而显卡和 DGX Spark 的销量才是它的目的。
四、对比与背景：个人 AI 数据中心，英伟达补上最后一块拼图
把闲置消费级硬件变成算力池，PAIR 不是第一个：分布式推理框架（如 llama.cpp 的 RPC 模式、exo 等）早就能把多台设备拼起来跑单模型，但它们要么要改代码、要么只支持特定模型，普通人玩不转。PAIR 的价值在于零改造：装好 Ollama/LM Studio 的设备直接接入，智能体框架无感，还有图形界面——它瞄准的不是极客，而是「家里有两三台电脑」的普通 AI 用户。
这也和本站之前写过的趋势对上了：OpenClaw 这类开源智能体框架正在把「每个家庭跑自己的 Agent」变成现实（我们实测 flowctx 上下文引擎时，砍 token 的同时也在把本地 Agent 推向实用）。而当 Agent 真正跑在家里，算力调度就成了刚需——英伟达现在把这块拼图亲手补上了。
五、判断：免费工具，卖的却是生态
PAIR 短期赚不到一分钱，但它让英伟达的显卡在「云端大模型时代」之外多了一个叙事：本地 AI 时代，你的每一块 RTX 都可能被唤醒。对普通用户，门槛依然存在——你得先有一台跑得动本地模型的电脑、还得愿意折腾 Ollama，但如果你家里正好有闲置的游戏机，这可能是把「吃灰显卡」变成「AI 算力」最省事的一次。
关注 AI商业快讯，每天一篇 AI 热点深度解读。相关阅读：英伟达豪掷 20 亿美元抢筹的 Nscale（AI 算力租赁走向按合同估值）；失控智能体把德国网站当留言板（Agent 跑在别人设备上的另一面）；flowctx 深度评测（本地 Agent 的上下文引擎实测）。