Nvidia、個人向けAIルーター「PAIR」を公開し闲置PC活用を促進
本文の状態
日本語全文を表示中
詳細モードで約5分の本文を読めます。
同じ出来事の情報源
この情報源を基点に整理
The New Stack AI
Nvidia は家庭内のアイドル状態にある Mac や PC を活用して AI エージェントの処理を高速化するオープンソースソフトウェア「PAIR」を発表し、分散推論ではなくリクエスト単位でのルーティングを実現した。
AI深層分析を開く2026年9月4日 01:46
AI深層分析
キーポイント
Nvidia Personal AI Router (PAIR) の発表
Nvidia は家庭ネットワーク向けに、アイドル状態の Mac や PC を活用して小規模モデルをオンデマンドで実行し、エージェントワークフローを高速化するオープンソースソフトウェア「PAIR」を発表した。
分散推論ではなくリクエスト単位でのルーティング
このシステムは単一の推論リクエストを複数のマシンに分割するものではなく、Ollama や LM Studio などの既存エンジンを利用し、各リクエストを単一ノードで完遂させる「仮想推論ルーター」として機能する。
対応ハードウェアとモデルの要件
PAIR は Windows、macOS、Linux に対応しており、Nvidia GeForce RTX 20 シリーズ以降、Mac M4 以降、または Nvidia DGX Spark が要求される。
エージェント処理の並列化による効率化
PAIR は NemoClaw や OpenClaw などのエージェントが複数のサブエージェントを並列で実行することを可能にし、リードエージェントがタスクを分割してアイドルマシンに振り分ける仕組みを提供する。
リソースの動的な切り替えと性能向上
ユーザーがマシンを再使用するとGPUが返却され、ローカル推論エンジンが停止する。Nvidiaの例では2台のPCで5つのサブエージェントによる作業が約1.6倍高速化された。
重要な引用
Nvidia calls it a “virtual inference router” and is very clear that this is not a new inference engine.
This doesn’t merge GPUs or pool VRAM into a single accelerator and can’t split a single inference request across machines.
PAIR receives the request through its proxy, identifies its engine and model requirements, and selects one eligible node.
PAIR keeps an eye on which computers are available and once a user gets back to work (or gaming) on a given machine and reclaims the GPU, the local inference engine is stopped.
編集コメントを表示
編集コメント
Nvidia が自社 GPU に依存しない Mac 環境もサポート対象に含めた点は、ローカル AI エコシステムの拡大を象徴する動きである。ただし、単一推論の分割処理には対応していないため、大規模モデルの実行には依然として専用ハードウェアが必要となる点に注意が必要だ。
Source Article
元記事を日本語で読む
本文に関係しない購読案内、埋め込み通知、サイト内プロモーションは除いています。
Nvidia がオープンモデルとローカル AI に賭ける動きは、すでに形になり始めています。Hugging Face の買収はその流れをさらに加速させるでしょうが、製品レベルでも同社は、より多くのユーザーに自社のマシンで AI モデルを実行してもらうための取り組みを進めています。
先週木曜日、Nvidia は「Nvidia Personal AI Router（PAIR）」を発表しました。これは自宅のネットワーク向けに設計されたオープンソースのソフトウェアルーターで、家中にある使用されていない Mac や PC を活用して、必要に応じて小規模なモデルを起動したり、サブエージェントの支援を受けてエージェントワークフローを高速化したりすることを可能にします。
PAIR の目的は、NemoClaw、OpenClaw、Hermes といったエージェントの処理速度を上げることです。具体的には、複数のサブエージェントを並列で利用できるようにすることで実現します。リードエージェントがタスクを分割し、各サブエージェントからのモデルリクエストを、家中に眠るアイドル状態のマシン上で実行する仕組みです。
クレジット：Nvidia
Nvidia はこれを「バーチャル推論ルーター」と呼んでいますが、これは新しい推論エンジンではないことを明確にしています。代わりに、既存のマシンで動作している Ollama や LM Studio のインストールを利用し、そこでモデルを実行させます。
すべてのマシンに PAIR をインストールすれば、mDNS を使用してローカルネットワーク上の異なるシステムを自動的に発見し、各システムがリクエストを実行できるかどうかを確認できます。
ただし、この仕組みは単一の推論リクエストを複数のマシンに分割するものではありません。Nvidia は明確に述べています。これは GPU を統合したり VRAM をプールして 1 つのアクセラレーターとして扱うものではなく、単一の推論リクエストを跨いで分散処理することもできないのです。
「エージェントは、これまで通り馴染みのあるローカルインターフェースを通じてリクエストを送信できます」と Nvidia は説明します。「PAIR がプロキシ経由でリクエストを受け取り、エンジンとモデルの要件を特定して、条件を満たすノードを 1 つ選択します。そのノードがリクエストを開始から終了まで実行し、応答を PAIR を介して返します。エージェント側には 1 つの接続として見え続け、背後での配置処理はすべて PAIR が担当するのです」
image 出典：Nvidia
PAIR は、互換性のある GPU を搭載した Windows、macOS、Linux マシンに対応しています。具体的には、Nvidia がベースラインとしている GeForce RTX 20 シリーズ以降の GPU を搭載したマシン、M4 シリコン以降を搭載した Mac、あるいは Nvidia DGX Spark です（なお、今年後半に発売予定の RTX Spark PC やノートパソコンも将来的にサポート対象となります）。
Nvidia の GPU を使っていないにもかかわらず、OpenClaw などのローカルモデルやエージェントの実行に Mac が急速に普及している中で、同社が Mac への対応を強化したのは喜ばしいことです。
各システムでは異なるモデルをホストできますが、PAIR は必要なエンジンが有効で、かつ要求された正確なモデルが利用可能なマシンに対してのみリクエストをルーティングします。複数のマシンに同じモデルをインストールしておけば、ルーターは並行するリクエストの分散先としてより多くの選択肢を得られます。
imageCredit: Nvidia.
PAIR は利用可能なコンピュータを常時監視しています。ユーザーが特定のマシンで作業（またはゲーム）に戻り、GPU を再び使用可能にする状態になると、そのマシンのローカル推論エンジンが停止します。
Nvidia の事例では、高性能な RTX 5090 GPU（32 GB RAM 搭載、現時点での価格は約 5,000 ドル。当初の MSRP は 2,000 ドル）を搭載した PC を 2 台用い、Qwen3.6 35B A3B モデルを PAIR で連携させることで、5 つのサブエージェントによる作業が約 1.6 倍に高速化されました。
自宅に RTX 5090 を複数枚持つ人はそう多くないでしょう（DGX Spark デスクトップを数台持っている人も同様です）。そのため、Mac Studio や Mac mini を数台、あるいはゲーミング PC を組み合わせた環境でどうなるかはまだ不明ですが、それでもローカルエージェントのワークフローは確実に高速化されるはずです。
利用開始について
Nvidia PAIR は現在ベータ版として提供されています。使い始めるには、ネットワークに参加させたいすべてのマシンにインストールし、システムを自動発見してペアリングさせるだけです。その際、各マシンに Ollama または LM Studio をインストールし、必要なモデルもダウンロードしておく必要があります。
PAIR は、ペアリングされたマシンに Ollama や LM Studio をインストールし、モデルのダウンロードを開始することでセットアップを支援します。
関連記事
今日のまとめ
AIデイリーブリーフで今日の重要ニュースをまとめ読み