你家里那台吃灰的游戏本、孩子换下来的旧主机、书房里跑PS的主机——别扔,英伟达刚给了它们一个正经活儿。
9月3号,英伟达悄悄放出一款叫 PAIR(Personal AI Router) 的开源工具,免费,Windows、Mac、Linux 通吃。干的事儿一句话讲清楚:把你家所有闲置电脑连成一个本地 AI 算力池,你电脑上跑的 AI Agent 再也不用排队挤一张显卡了。
换句话说:你家里那台装着 RTX 5090 的游戏机、那台 M4 芯片的 Mac mini、那台 RTX 工作站——以前只能轮流干活,现在可以一起上。
具体有多猛? 英伟达自己测了一组数据:同样的五智能体任务,单跑一台 RTX Spark 笔记本要 18 分钟。把 RTX Spark 笔记本、DGX Spark、RTX 5090 三台机器用 PAIR 串起来跑——8 分 48 秒。
速度快了一倍多,而且你这个月不用再交云服务费了。
每月 1200 美元的"AI智商税",有人开始不交了
过去一年,玩本地大模型的人都被"云端 API"三个字按在地上摩擦过。
你想跑个 Qwen 3.6 35B 这种量级的模型,要么自己买张 RTX 5090(一万多块人民币),要么每月乖乖给 OpenAI、Anthropic、AWS 交几百到上千美元的 token 费。Wccftech 那篇报道直接喊出来:PAIR 是在"砍掉每月 1200 美元的云账单"。
这不是夸张。当 AI Agent 开始干正事——同时调度五六个子任务、并行跑搜索、写代码、做对比——你一张显卡很快就不够用了。你要么堆硬件,要么上云。
英伟达的解法是第三条路:把家里现有的电脑用起来。
PAIR 不是一个新模型,也不是一个新推理引擎。它本质是个"虚拟路由器",装在每台电脑上,自动发现局域网里其他装着 PAIR 的机器,然后把 AI 任务智能分发过去。Ollama、LM Studio 这些本地推理软件不用改一行代码,直接接管。
它不是"分布式训练",是"分布式排队"
很多人一看 PAIR 简介就兴奋:是不是我那台破笔记本也能分到 RTX 5090 的算力?
想多了。
PAIR 不是把一个任务切碎给多台机器算——它是"工作级并发"。一个子任务从头到尾就在一台机器上跑完,只不过五个子任务可以分到五台机器上同时干。
这意味着两件事:
第一,你这台老电脑能不能加入,取决于它有没有英伟达 RTX 20 系以上显卡、或者 RTX PRO 工作站、或者 DGX Spark,Mac 端则需要 M4 及以上的芯片。你那台十年前的 i5 老主机,英伟达救不了。
第二,这个工具最适合的场景是"AI Agent 在跑多任务",比如一边研究、一边写代码、一边整理邮件。如果是"一个任务死磕到底"那种顺序型工作,PAIR 也救不了你——因为只有一个长调用,分不出去。
用起来麻烦不?比想象中简单
PAIR 的设计思路是"零摩擦"。
你装好 PAIR 之后,它会用 mDNS 自动扫局域网里其他装了 PAIR 的机器。你点一下"批准配对",两台电脑之间就建立了一条 MTLS 加密的安全通道——其他没授权的设备根本连不进来。
之后你在主电脑上发起一个请求,PAIR 这个"路由器"会自动判断:谁闲着、谁装着需要的模型、谁的 GPU 还剩多少显存。然后把任务甩给那台机器,跑完再把结果送回来。
你的 Agent 程序对此完全无感。它还以为自己在跟 Ollama 说话,实际上背后已经换人了。
更狠的是:你打游戏的瞬间,主电脑 GPU 被抢了,PAIR 会自动把新来的推理请求甩给书房那台闲置的机器,你甚至感觉不到卡顿。
这设计挺聪明的——家庭场景跟机房不一样,你没法要求所有人都 7×24 在线。PAIR 就接受这个现实:谁有空谁干活,谁忙谁退出。
英伟达在下一盘什么棋
这款工具是开源的,免费,没绑任何英伟达硬件独家——Mac M4+ 也能加入。
英伟达为什么要这么做?
因为它要的不是从你身上多收一份 PAIR 的钱,它要的是让你家所有电脑都装上英伟达显卡。
推理市场现在被云端吃掉了大半——OpenAI、Anthropic、谷歌,他们跑的是英伟达 GPU,但客户买的是云服务,不是 GPU。PAIR 等于在告诉普通用户:你不用花钱买云服务,自己攒几台 RTX 机器,本地跑得比云端还便宜、还快。
当"本地 AI 集群"这个概念在家用场景立住,英伟达的显卡就多了一个新故事可讲——不只是给游戏玩家和 AI 工程师用的,而是给"我想自己跑 AI、不想给云厂商打工"的每一个普通人。
对普通用户的意义更直接:
以前你买 RTX 5090,只能用一张卡的算力。
现在你买 RTX 5090,等于买了张"集群入场券"——家里只要有别的英伟达机器,大家伙一起干活。
从这个角度看,PAIR 其实是英伟达给消费级显卡市场打的一针兴奋剂。
谁该现在就去试试?
如果你符合这三个条件,PAIR 现在就有用:
(1) 你已经在用 Ollama 或 LM Studio 跑本地模型;
(2) 你家里至少有两台装着英伟达 RTX 显卡(或 M4+ Mac)的机器;
(3) 你经常让 AI Agent 同时跑多个任务,而且嫌单卡慢。
如果只符合前两条,装上也不亏——等哪天你开始重度用 AI 助手,PAIR 就派上用场了。
下载地址英伟达已经挂出来:developer.nvidia.com/blog 搜 PAIR,GitHub 上代码全开源,随便扒。
说到底,英伟达这次干的事儿挺反直觉——它把一项本来要靠云厂商花钱才能享受的能力,直接送到了你家客厅。
AI 大模型这场仗,越来越不像"谁家模型更聪明"的较量了,而是"谁能让普通人用得起、跑得起"的较量。
云端再便宜,也是别人的机房。本地再简陋,是你自己的算力。
这个账,越来越多人开始算明白了。