Nvidia gør lokal AI mere praktisk med PAIR og RTX Spark

Nvidias annonceringer på IFA 2026 udvider satsningen på lokal AI til en mere sammenhængende pakke: lettere installation af agenter, hurtigere inferens på én maskine, koordinering af flere computere i hjemmet og en ny Windows-pc-platform til større, private modeller. Den røde tråd er, at prompts, filer, modeller og agentkontekst skal kunne blive på brugerens egne enheder og lokale netværk. 1215

PAIR fordeler arbejdet – men bygger ikke én kæmpe GPU

Det centrale nye værktøj er den gratis open source-løsning NVIDIA Personal AI Router (PAIR). Den giver programmer ét lokalt endepunkt, finder kompatible systemer på netværket og sender hver selvstændig inferensforespørgsel fra eksempelvis Ollama eller LM Studio til en maskine, der er ledig og kan køre den relevante model. Det gør den særligt relevant for agentforløb, hvor flere underopgaver kan køres parallelt, eller hvis hjemme-pc'er ellers står ubrugte. 1216

Det er dog en vigtig teknisk afgrænsning: PAIR slår ikke GPU'er eller hukommelse sammen til én distribueret accelerator for en enkelt modelkørsel. Hver forespørgsel behandles af ét udvalgt system. Gevinsten ligger derfor i højere kapacitet til samtidige, uafhængige opgaver og kortere ventetid – ikke i at få en model, der er for stor til én computer, til at passe på tværs af flere pc'er. 12

PAIR kan bruges med understøttede RTX-baserede Windows-systemer, DGX Spark og macOS-enheder. De konkrete krav og kompatibilitetsgrænser afhænger af Nvidias supportdokumentation. 412

Mindre opsætning, hurtigere lokal inferens

Nvidia varslede også enklere lokal udrulning i Hermes Agent, OpenClaw og Perplexity Portable Computer. Målet er, at brugeren i mindre grad selv skal vælge model, inferensmotor og konfiguration, før en lokal agent kan komme i gang på en Nvidia-GPU. 714

Samtidig oplyser Nvidia, at opdaterede optimeringer i llama.cpp og vLLM kan give op til 1,9 gange hurtigere lokal inferens. Optimeringerne kan bruges direkte og via LM Studio og Ollama, mens yderligere Ollama-opdateringer er planlagt. 714 Det styrker Nvidias rolle i den lokale AI-softwarestack, også når modeller og brugerflader fortsat er open source.

RTX Spark skal løfte grænsen for lokale modeller

På hardwaresiden ventes Windows-baserede RTX Spark-systemer med Nvidias ARM-baserede N1X-platform i oktober. Topkonfigurationen kan nå op på en 20-kernet Grace-CPU, Blackwell RTX-GPU, op til 128 GB samlet hukommelse og op til én petaflop AI-ydeevne. 1215

Især muligheden for meget samlet hukommelse er væsentlig for større lokale modeller og agentforløb, der ikke praktisk kan ligge i hukommelsen på et almindeligt forbruger-grafikkort. Nvidia oplyser, at blandt andre Lenovo og Acer ventes med RTX Spark-designs, og platformen positioneres både til AI og almindelig pc-brug, herunder gaming. 12

Nvidias samlede budskab er dermed ikke kun et produkt til udviklere: PAIR skal udnytte flere enheder i hjemmet, mens enklere agentinstallationer og RTX-optimerede modeller skal gøre den lokale regnekraft anvendelig i praksis. 714

Der er dog forbehold. PAIR og de angivne hastighedsforbedringer er leverandørens egne oplysninger eller tidlige softwareegenskaber. Den reelle effekt vil afhænge af modellens størrelse, netværksforsinkelse, kombinationen af enheder og af, om agentens opgaver faktisk kan deles op i uafhængige forespørgsler. Kilderne giver heller ikke en komplet, autoritativ liste over alle spil eller alle RTX-optimerede modeller ved lanceringen.