家里台式机在吃灰，笔记本跑本地模型卡成幻灯片，想玩AI智能体却被一块显卡的算力卡死——这种”设备很多、算力不够”的尴尬，英伟达上周给出了一个零成本的解法。9月4日，英伟达在IFA 2026上发布了免费开源工具NVIDIA PAIR（Personal AI Router，个人AI路由器），它能把家里局域网内的多台电脑自动组成一个本地AI算力网络。这篇实测带你搞清楚它到底能干什么、怎么用、值不值得装。
NVIDIA PAIR是什么：让闲置电脑”组队”的免费软件
先澄清一个误区：PAIR名字里带”路由器”，但它不是硬件，而是一款纯软件工具。它的核心逻辑很简单——超过一半的家庭拥有两台以上电脑，这些设备的GPU大部分时间在闲置。PAIR会通过mDNS自动发现同一局域网内的兼容设备，把相互独立的AI推理请求智能路由到”有空”的机器上，而不是让所有任务都排队等同一块显卡。
上手流程只有三步：第一，在每台电脑上下载安装PAIR（提供图形界面和终端两种方式）；第二，首次配对时输入六位数验证码完成设备绑定，之后通信全程走mTLS双向加密，数据不出内网；第三，配合Ollama或LM Studio使用，PAIR会自动接管任务分发。断网也能跑——下载好模型后，整套系统可以零联网运行，这对在意隐私的用户是个实打实的卖点。
硬件门槛不高：NVIDIA GeForce RTX 20系列及更新的显卡、RTX PRO工作站卡、DGX Spark，甚至苹果M4及更新芯片都能加入。系统支持Windows 11、macOS和Linux，内存至少8GB、磁盘留20GB即可。
实测表现：18分钟的任务，三台机器8分48秒跑完
PAIR最擅长的场景是智能体工作流——主Agent把复杂任务拆成多个子任务，分给几个子Agent并行执行。单机跑这种任务时，所有请求挤一块GPU，队列越长越慢；PAIR把子任务分发到不同机器，速度直接翻倍。
英伟达给出的官方测试很有代表性：用Qwen 3.6 35B A3B模型跑一个五子智能体的收件箱整理任务，单台RTX Spark笔记本耗时18分钟；换成PAIR调度的三节点集群（含一台RTX 5090笔记本和一台DGX Spark）后，只用8分48秒，提速一倍以上。英伟达产品经理还算过一笔账：一个拥有四台高性能设备的家庭，闲置算力约165 TFLOPS，”这是一座躺在千家万户里的免费Token宝藏”。
| 方案 | 成本 | 数据隐私 | 并行能力 | 适合场景 |
|---|---|---|---|---|
| NVIDIA PAIR（本地组网） | 免费开源，仅电费 | 数据不出内网 | 多任务并行，机器越多越快 | 多智能体批量任务、隐私敏感内容 |
| 单机Ollama直跑 | 免费，但受单卡限制 | 本地安全 | 任务排队，GPU易成瓶颈 | 轻度单任务使用 |
| 云端API订阅 | 每月几十到上千元 | 数据上传第三方 | 弹性强 | 无本地显卡、追求省心 |
优缺点都很明显：它是任务分发器，不是超级计算机
优点方面：完全免费开源，零订阅费；数据全程留在局域网，隐私可控；跨平台支持连Mac都能纳入集群；设备随插随用、随走随撤，你在台式机上打游戏时，AI任务会自动迁到别的机器。
但缺点必须说透：PAIR不能把多块显卡合并成一块”大显卡”。它不做显存池化，也 无法把单个推理请求拆到多台机器上跑——每个请求必须完整地在一台设备上执行。这意味着：如果你跑的是30B以上、单机显存装不下的大模型，PAIR帮不了你；如果你的任务是高度串行的单一长请求（比如一次性长文生成），提速也很有限。它的价值来自”有闲置硬件+有可并行的任务”，两个条件缺一个，收益都会打折。
哪些人值得装：对号入座
如果你是每天跑多智能体任务的开发者、有旧游戏本想废物利用的折腾党、或对数据隐私敏感不想把文件传云端的用户，PAIR是目前成本最低的本地算力扩容方案，值得一试。如果你只有一台电脑，或主要跑单次长推理任务，先观望即可。顺带一提，本地推理省下的Token费用，和此前OpenAI自研芯片推动的推理成本战是同一个大趋势——AI算力正在从云端向边缘回流。想了解智能体任务的更多玩法，可以看这篇豆包工作实测。
一句话总结：如果你家里有两台以上带RTX显卡或M4芯片的电脑在闲置，NVIDIA PAIR是当前唯一免费、开源、数据不出门的”家用AI算力组网”方案——装上不亏。
