不只是雲端 AI 模型，現在本地 AI 模型的能力也越來越強，因此不少人開始直接在自己的電腦上運行 AI 代理，協助處理各種工作。不過，當 AI 面對一項複雜任務時，通常會把工作拆成多個小任務，再交由不同的子代理分頭處理。這時如果所有子代理的請求都送到同一個本機推理引擎與 GPU，部分請求就可能進入排隊等待，這反而形成運算瓶頸，讓整體執行速度變得非常慢。
為了解決這個狀況，NVIDIA 在 IFA 2026 就發表一個全新 NVIDIA PAIR 應用程式。它是一款免費、開源的個人 AI Router 軟體，可以把同一個區域網路裡的 Windows、Linux 與 Mac 串在一起，再將不同的本機 AI 推理請求，交給有能力處理的電腦。NVIDIA 也展示原本在單台 RTX Spark 筆電平均要跑 18 分鐘的多代理工作，換成三台裝置組成的 PAIR 叢集後，時間大幅縮短到 8 分 48 秒。
圖片來源：Wccftech
NVIDIA PAIR 免費開源：串家中閒置電腦跑本地 AI，多代理任務從 18 分鐘縮短至 8 分 48 秒
這款 NVIDIA PAIR 應用程式你可以看成是本機 AI 的指揮中心，它不是把各電腦的顯卡合併成一個更強 AI 運算電腦，而是幫你進行適當的任務分配，讓工作不會擠在同一台電腦上運算，進而做到更快完成任務的結果。
圖片來源：Wccftech
使用方式也很簡單，在家中的電腦安裝 PAIR 後，把裝置配對成同一個叢集，接著準備好要使用的推理引擎與模型。當 AI 應用程式或代理透過 Ollama、LM Studio 相容介面將請求送到 PAIR 提供的本機端點後，PAIR 就會選出符合條件的節點，再交由該節點上的 Ollama 或 LM Studio 執行完整請求，最後將結果傳回原本的應用程式。
這對原本就在使用 Ollama 或 LM Studio 的人來說相當方便，不用另外改寫代理工具。
圖片來源：Wccftech
而最適合使用 NVIDIA PAIR 的任務是，同一時間會產生多筆獨立請求的工作。例如 Hermes Agent 收到一項整理家庭信箱的任務後，會叫出五個子代理分別查看不同內容，再將結果彙整成行動清單。如果這五個子代理全部使用同一台電腦上的同一個模型，請求就可能排隊排很長。這時如果區域網路中還有其他已配對、裝有相同模型的電腦，PAIR 就能把不同請求分別送出去，讓多台電腦平行處理。
也代表說，這比較適合多代理研究、自動化工作，或同時開著多個本機 AI 工具的情境。
NVIDIA 展示使用 Hermes Desktop 建立五個子代理，再由各節點上的 Ollama 執行 Qwen 3.6 35B A3B 模型。單獨使用一台 RTX Spark 筆電時，相同工作平均花費 18 分鐘。改用 RTX Spark 筆電、DGX Spark 與 GeForce RTX 5090 組成的三裝置叢集後，平均時間為 8 分 48 秒，省下超過一半時間：
圖片來源：Wccftech
當然，時間雖然省很多，但也不能說裝 PAIR 後就一定快兩倍。NVIDIA 有特別註明，這是特定硬體、模型與設定下的非正式展示，不是通用 benchmark，也不保證增加節點後會呈現線性加速。實際效果還會受到任務能拆出多少獨立工作、模型設定、網路、節點狀態等因素影響。
外媒 Wccftech 報導中還分享兩張 RTX 5090 的示範情境，原本單張 RTX 5090 平均需要 6 分 18 秒的工作，透過 PAIR 分派給兩台 RTX 5090 後縮短為 3 分 48 秒：
圖片來源：Wccftech
更棒的地方是，不同作業系統的電腦也可以串成同一個 PAIR 叢集。
NVIDIA 目前提供 Windows 11、Linux 及 macOS 版本，x64 與 arm64 架構都有對應安裝檔，Windows on ARM 則還在實驗性支援階段。官方產品頁列出的主要硬體包括 GeForce RTX 20系列以上、採用 Turing 架構以上的R TX PRO、DGX Spark 及 Apple M4 以上晶片，推理引擎則支援 Ollama 與 LM Studio。
NVIDIA PAIR Beta 已經可以在 GitHub 免費下載，採 Apache 2.0 授權開源。
至於 NVIDIA 提到的每月約 1,200 美元雲端 API 價值，是以家庭閒置算力提高至 60% 利用率、運行 Qwen 3.8 27B 所能產生的 Token 數量，再換算成雲端 API 成本所得出的估算情境，並不代表每個人安裝 PAIR 後都真的能省下 1,200 美元。除此之外，NVIDIA 在這個情境中也估算每月會增加約 120 美元電費，因此家中電腦的硬體、開機時間、電價與實際 AI 工作量，都會影響最終效益：
圖片來源：Wccftech
