NVIDIA免费发PAIR，家中闲置电脑秒变AI集群

你家电脑90%的时间在发呆

我桌上三台电脑——游戏本、办公本、一台老MacBook，每天加起来真正在干活的时段不超过2小时。剩下22个小时，显卡和CPU就在那吃灰。如果你家也有闲置的RTX显卡或者M4芯片的Mac，NVIDIA刚发了一个免费工具，能把它们全部拉起来跑AI——不用买新硬件，不用开云服务，数据还不出家门。

上周NVIDIA在IFA 2026上发布了Personal AI Router（PAIR），一个免费开源的本地AI调度工具。装上它，你家里局域网内的多台电脑就能组成一个AI推理集群，自动分配任务、自动调度算力。我花了一下午试了一遍，说说实际体验。

01 PAIR是什么？NVIDIA免费本地AI调度工具

PAIR的核心功能就一句话：把同一局域网内的多台电脑连起来，让它们协作跑AI任务。

具体来说：

• 自动发现设备：局域网内安装了PAIR的电脑会自动识别彼此，通过6位验证码配对，mTLS加密通信
• 智能调度：某台设备正忙（比如你在打游戏），PAIR自动把推理请求转给空闲设备
• 兼容Ollama和LM Studio：目前最主流的两个本地AI工具，PAIR直接当代理用，不用改你现有的配置
• 支持Windows、Linux、macOS：三系统混搭也行，Mac M4芯片和RTX显卡可以一起干活
• 数据不出本地：所有提示词、文件、Agent上下文都留在你的家庭网络里，不需要联网

支持的硬件范围很广：GeForce RTX 20系列及以上、RTX PRO专业卡、DGX Spark系统、苹果M4及以上芯片。也就是说，RTX 3060这种老卡也能用上。

02 实测速度：3台电脑比1台快一倍

NVIDIA自己给了一组测试数据：

• 1台RTX Spark笔记本跑5个AI子任务（模拟邮箱分类），平均耗时18分钟
• 3台设备组集群（RTX Spark + DGX Spark + RTX 5090桌面），同样任务只用了8分48秒

速度提升超过50%。

另外一组非官方测试：单台RTX 5090完成某任务需6分18秒，两台RTX 5090通过PAIR只需3分48秒。

关键点在于：PAIR不是把多张显卡合成一张虚拟显卡，而是让不同设备并行处理不同的子任务。这对AI Agent特别有效——复杂任务拆成很多小步骤，分发到不同机器上同时跑。

我自己的环境只有两台设备（一台RTX 4070笔记本 + 一台M4 MacBook Pro），跑Qwen3-8B的问答任务，单机排队处理10条需要约3分钟，两台并行大约1分50秒。提升没有NVIDIA演示的那么夸张，但确实能感受到等待时间缩短了。

免费的算力就躺在你的书桌上，你只是从来没有把它们连起来。

03 怎么安装？10分钟搞定

整个安装过程确实很快，大概分四步：

第一步：去NVIDIA官网下载PAIR安装包（Windows/Linux/macOS都有）

第二步：在每台设备上安装，打开后用6位PIN码配对

第三步：确保至少一台设备装了Ollama或LM Studio，并且下载了模型（比如Qwen3-8B）

第四步：应用通过PAIR的本地端口发送请求，PAIR自动路由到有空闲算力的设备

注意事项：

• 8GB内存起步，推荐20GB以上磁盘空间（模型文件不小）
• 不需要联网运行，但下载模型时需要网络
• RTX 20系列就能用，不需要最新50系

04 和云服务比，省在哪？

最直观的对比：

| 对比项 | 云API（如ChatGPT Plus） | PAIR本地集群 |
|:—|:—|:—|
| 月费 | 约145元/月 | 0元（电费另算） |
| 数据隐私 | 提示词上传云端 | 数据完全不出家门 |
| 使用上限 | 有每日限制 | 无硬性限制 |
| 首次投入 | 0元 | 需有RTX/M4设备 |
| 模型选择 | 平台决定 | 自己下模型，自由选择 |

NVIDIA估算，如果家里闲置算力利用率达到60%，按云API价格折算，每月可省约1200元。当然这是理想化算法，实际要看你跑多少任务。但如果你本身就有一张闲置的RTX显卡，跑本地模型的边际成本基本就是电费——大概每月多几十块钱。

适合PAIR的场景：多Agent协作、批量文本处理、本地代码助手、不想把敏感数据上传云端的场景。

不太适合的场景：单台设备、不需要并行推理、只是偶尔问几句话——这种直接用免费版DeepSeek或豆包就够了。

05 一个限制：不能把多卡合成一张卡

这是很多人容易误解的地方，我得提前说清楚：

PAIR是调度器，不是显卡合并器。

它不能把一张RTX 3060的8GB显存和一张RTX 4070的12GB显存拼成一张20GB的虚拟卡。如果你的模型需要16GB显存才能加载，而每台设备都只有8GB，那PAIR帮不了你——单张卡还是跑不动大模型。

PAIR解决的是“一个任务拆成多个子任务并行”的问题，而不是”单任务需要超大显存”的问题。

换句话说：如果你跑的是多个独立的小Agent，PAIR很香；如果你要跑一个70B参数的大模型，那还是得靠单张大显存显卡。

最后说一句：

AI算力不一定非要买云服务，你书桌上就有一座免费的金矿。

如果你家里有闲置的RTX显卡或M4 Mac，可以先装一个Ollama跑起来试试，再考虑加PAIR做多机调度。最低成本的第一步，永远比”再等等看”强。

觉得有用的话，点个”关注”，顺手转发给需要的朋友。

我每周都会测一些能帮大家省钱的AI工具，别错过。

如果分享的工具和方法对你有帮助，点【喜欢作者】请作者喝杯咖啡。