AnswersPublished16 sources
Nvidia PAIR kan fordele lokal AI mellem dine pc’er
Nvidias gratis open source beta PAIR fordeler uafhængige lokale AI forespørgsler mellem kompatible computere på samme netværk, så flere opgaver kan køre samtidig. PAIR samler ikke VRAM, deler ikke en model mellem pc’er og splitter ikke én forespørgsel over flere GPU’er; hver opgave kører fortsat på én maskine.
Udgivet afRedigeret med GPT-5.6 TerraBilleder genereret med GPT Image 2
Research answer
Key takeaways
- Nvidias gratis open source beta PAIR fordeler uafhængige lokale AI forespørgsler mellem kompatible computere på samme netværk, så flere opgaver kan køre samtidig.
- PAIR samler ikke VRAM, deler ikke en model mellem pc’er og splitter ikke én forespørgsel over flere GPU’er; hver opgave kører fortsat på én maskine.
- Nvidia varsler op til 1,9 gange hurtigere lokal inferens samt kompakte RTX Spark pc’er med Windows fra Lenovo og Acer i oktober 2026.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What did Nvidia announce at IFA 2026 about its local-AI strategy, including how its free open-source Personal AI Router (PAIR) pools compati. Article summary: At IFA 2026, Nvidia positioned local AI as a private, multi-device “home cluster” strategy: simplify agent setup, speed inference, and let agents use otherwise idle PCs on a local network. The central new software is PAI. Topic tags: general, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clic
Nvidia brugte IFA 2026 til at præsentere en lokal AI-strategi med et enkelt udgangspunkt: De computere, der allerede står på hjemmenetværket, kan bruges som en privat pulje af kapacitet til AI-inferens. Hovednyheden er NVIDIA Personal AI Router (PAIR), en gratis open source-beta, der sender forespørgsler fra AI-apps og -agenter til kompatible lokale maskiner med ledig kapacitet. Nvidia annoncerede samtidig enklere opsætning af lokale agenter, inferensoptimeringer og kompakte RTX Spark-pc’er med Windows, som ventes i oktober 2026. 3
8
PAIR fordeler opgaver – ikke ét stort AI-job
PAIR giver AI-programmer og agenter ét lokalt forbindelsespunkt med proxyendpoints, der er kompatible med Ollama og OpenAI. Softwaren finder egnede computere på lokalnetværket og vælger maskine for hver selvstændig inferensforespørgsel ud fra tilgængelig inferensmotor, model og aktuel belastning. 1
7
Det er især relevant for agentarbejdsgange, hvor en større opgave bliver brudt ned i mange uafhængige delopgaver. I stedet for at alle opgaver står i kø til den samme GPU, kan PAIR sende dem til forskellige maskiner, når der er kapacitet. Nvidia beskriver det som en personlig AI-inferensklynge til hjemmet, uden særligt klyngeudstyr, rackmontering eller kompliceret opsætning. 7
16
Den afgørende begrænsning: VRAM bliver ikke slået sammen
PAIR er ikke distribueret modelinferens. Det betyder konkret:
- VRAM fra flere pc’er bliver ikke samlet i én større hukommelsespulje.
- En enkelt model bliver ikke delt mellem maskiner.
- Én inferensforespørgsel bliver ikke delt over flere GPU’er.
- Hver forespørgsel fra Ollama eller LM Studio udføres på én egnet computer. Gevinsten er højere kapacitet til flere uafhængige forespørgsler på samme tid.
1
PAIR kan altså være nyttig, hvis flere lokale agentopgaver skal afvikles parallelt. Men systemet får ikke en model, der er for stor til hukommelsen i hver enkelt pc, til at passe ved at samle flere computere.
Hvilke systemer kan indgå?
Ifølge Nvidia kan PAIR forbinde kompatible Windows-, Linux- og macOS-systemer på det samme betroede lokalnetværk. Understøttet hardware omfatter GeForce RTX-pc’er fra RTX 20-serien og frem, RTX PRO-systemer baseret på Turing eller nyere, DGX Spark-systemer samt Mac-computere med Apple M4 eller nyere. Windows on Arm er eksperimentelt understøttet. 1
6
PAIR kan bruges via grafisk brugerflade eller terminal, også i hovedløse installationer og via SSH. Nvidia anbefaler at installere PAIR på den computer, hvor appen kører. Denne maskine kan derefter sende arbejdet til en inferensmotor på en anden parret computer og behøver derfor ikke selv at have en GPU eller en lokal inferensmotor. 1
Nvidia oplyser, at prompts, filer og agentkontekst holdes på hjemmenetværket. I en helt lokal opsætning bliver svarene også lokale. Det afhænger dog af brugerens valgte modeller og apps, samt om der tilvælges cloudtjenester. 6
7
Enklere opsætning af lokale AI-agenter
Nvidia har også annonceret kommende, forenklet understøttelse af lokale modeller på Nvidia-GPU’er i Hermes Agent, OpenClaw og Perplexity Portable Computer til Windows. Arbejdet bygger på llama.cpp med Nvidias inferensoptimeringer og skal mindske det manuelle arbejde med at vælge modeller, servere og kvantiseringsindstillinger. 8
Perplexity Portable Computer er ifølge Nvidia allerede tilgængelig på Linux-systemer med Nvidia RTX-GPU’er og mindst 24 GB VRAM; Windows-understøttelse er på vej. Værktøjet kan afvikle lokale arbejdsgange uden kreditter og kan, med brugerens tilladelse, sende opgaver videre til mere end 15 avancerede cloudmodeller. 8
Nvidia lover op til 1,9 gange hurtigere lokal inferens
Nye optimeringer til llama.cpp og vLLM kan ifølge Nvidia levere op til 1,9 gange hurtigere lokal inferens. Optimeringerne er tilgængelige direkte og via LM Studio og Ollama. 8
Formuleringen »op til« er Nvidias egen præstationspåstand og er ikke en garanti for alle modeller eller pc’er. Resultatet vil afhænge af blandt andet model, kvantisering, GPU, hukommelse, softwareopsætning og type arbejdsbelastning.
RTX Spark-pc’er med Windows ventes i oktober 2026
Nvidia oplyser, at kompakte RTX Spark-pc’er med Windows fra Lenovo og Acer er planlagt til oktober 2026. De er rettet mod AI-entusiaster, udviklere og kreative brugere, der vil køre agenter lokalt og mere afskærmet. 8
Nvidia fremhæver op til 128 GB samlet hukommelse til lokal prototyping, finjustering og inferens. Systemerne får også RTX-funktioner til spil, herunder ray tracing, DLSS, Reflex og G-SYNC. Electronic Arts, Embark og Ubisoft nævnes blandt udviklere, der bringer store spil til RTX Spark. 8
Det tilgængelige materiale dokumenterer ikke detaljerede specifikationer for N1X-CPU og -GPU, konkrete Lenovo- eller Acer-modelnavne eller et komplet spilbibliotek. De oplysninger bør derfor ikke betragtes som bekræftede på det nuværende grundlag.
Modeller og software, Nvidia fremhæver til RTX Spark
I RTX Spark-annonceringen nævner Nvidia blandt andet følgende lokale AI-modeller, værktøjer og arbejdsgange:
- Nemotron 3.5 Lightning
- Qwen3.8-27B
- LTX 2.5
- FastH3-opskrifter, som kommer senere
- Meta Muse Glimmer med NVFP4-kvantisering
- CyberLink PhotoDirector AI PC Mode, som er optimeret til RTX Spark ved lanceringen
8
Det vigtigste for brugeren
PAIR bør ses som en planlægger til et blandet hjemmelaboratorium – ikke som en metode til at gøre flere almindelige pc’er til én gigantisk GPU. Hvis en lokal agent kan dele sit arbejde op i selvstændige forespørgsler, kan PAIR bruge ledig kapacitet på kompatibel RTX-hardware, DGX Spark og understøttede Apple-systemer, mens data fortsat holdes inden for hjemmenetværket. 1
6
Sammen med den enklere agentopsætning og Nvidias annoncerede optimeringer til llama.cpp og vLLM er det et forsøg på at gøre lokal AI på flere enheder mere tilgængelig. Den grundlæggende begrænsning er dog uændret: Hver enkelt forespørgsel skal stadig kunne være og køre på én egnet maskine. 1
8
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Nvidia PAIR kan fordele lokal AI mellem dine pc’er"?
Nvidias gratis open source beta PAIR fordeler uafhængige lokale AI forespørgsler mellem kompatible computere på samme netværk, så flere opgaver kan køre samtidig.
What are the key points to validate first?
Nvidias gratis open source beta PAIR fordeler uafhængige lokale AI forespørgsler mellem kompatible computere på samme netværk, så flere opgaver kan køre samtidig. PAIR samler ikke VRAM, deler ikke en model mellem pc’er og splitter ikke én forespørgsel over flere GPU’er; hver opgave kører fortsat på én maskine.
What should I do next in practice?
Nvidia varsler op til 1,9 gange hurtigere lokal inferens samt kompakte RTX Spark pc’er med Windows fra Lenovo og Acer i oktober 2026.