PAIR y RTX Spark: así quiere Nvidia llevar la IA local a más ordenadores

Nvidia presentó en IFA 2026 una estrategia para que la IA local deje de ser una combinación de modelos, comandos y configuraciones manuales. Su propuesta une cuatro elementos: despliegue simplificado de agentes, inferencia más rápida, reparto de tareas entre varios equipos y nuevos PC con mucha más memoria para cargas locales exigentes. 1021

PAIR convierte la red doméstica en un grupo de equipos para inferencia

La novedad más distintiva es NVIDIA Personal AI Router (PAIR), una beta gratuita y de código abierto para inferencia local. PAIR proporciona a una aplicación o agente una única dirección local y dirige cada solicitud de inferencia independiente a un equipo vinculado que esté disponible en la red local. Sus endpoints proxy son compatibles con interfaces de estilo Ollama y OpenAI, de modo que los flujos existentes pueden aprovecharlo sin rediseñarse alrededor de un nuevo framework de agentes. 13

La herramienta responde a un problema habitual en los agentes: una tarea compleja puede dividirse en varios trabajos simultáneos o delegarse en subagentes, pero todos acaban esperando a la misma GPU. PAIR puede enviar solicitudes separadas a los equipos que tengan disponibles el motor y el modelo necesarios, teniendo en cuenta la carga actual. Funciona con flujos basados en Ollama y LM Studio. 11011

Lo que PAIR sí hace —y lo que no hace

La distinción clave es que PAIR es un enrutador de solicitudes, no un sistema que una las GPU de varios ordenadores como si fueran un único acelerador de gran tamaño. La documentación explica que selecciona qué equipo atiende cada solicitud independiente. En la práctica, aporta más capacidad simultánea y menos espera para trabajos que puedan separarse; no combina la VRAM de varios PC para cargar un modelo que no cabe en ninguno de ellos por sí solo. 123

Nvidia indica compatibilidad con sistemas Windows con RTX, sistemas DGX Spark y dispositivos macOS compatibles. Entre los requisitos publicados figuran las GPU GeForce RTX de la serie 20 o posterior, DGX Spark/GB10 y Mac con M4 o posterior, además de los requisitos del sistema operativo correspondiente. 8

Para quien tenga, por ejemplo, un sobremesa, un portátil y un Mac compatible o un DGX Spark conectados a la misma red, el hardware que normalmente está inactivo puede servir para trabajo local en paralelo. La privacidad también es parte central del planteamiento: Nvidia afirma que las indicaciones, los archivos y el contexto del agente permanecen en la red doméstica del usuario. 48

Menos fricción al instalar agentes locales

Nvidia también presentó Hermes Agent, OpenClaw y Perplexity Portable Computer como vías más sencillas para ejecutar agentes en hardware Nvidia local. Las experiencias anunciadas para Windows se basan en llama.cpp e integran optimizaciones de inferencia de Nvidia, reduciendo la necesidad de elegir manualmente un modelo, localizar un servicio de inferencia compatible y ajustar la configuración. 1521

Este punto importa porque la barrera de la IA local no suele ser solo la potencia disponible, sino también la complejidad de puesta en marcha. Una instalación guiada o con un clic que detecte el hardware compatible y elija una configuración adecuada puede hacer los agentes locales más accesibles que una pila montada desde cero. Nvidia afirma que Hermes ofrecerá despliegue con un clic en sistemas RTX y DGX con Windows y Linux, mientras que OpenClaw simplificará la configuración en PC Windows con hardware RTX compatible. 21

La velocidad de inferencia es el incentivo del software

La compañía también anunció optimizaciones actualizadas para llama.cpp y vLLM, con una mejora de hasta 1,9 veces en la inferencia local, según Nvidia. La empresa señala que el software actualizado está disponible directamente y a través de LM Studio; además, prevé una actualización de rendimiento para Ollama. 1021

La cifra es un máximo comunicado por el fabricante y dependiente de cada carga de trabajo, no una garantía para todos los modelos ni todas las GPU. Los resultados reales variarán según la arquitectura del modelo, la cuantización, la longitud del prompt, el hardware y la posibilidad de dividir el trabajo en solicitudes independientes. Aun así, estas mejoras son relevantes porque llegan a herramientas de código abierto conocidas, sin exigir una interfaz de modelos exclusiva de Nvidia. 1017

RTX Spark abre una categoría de PC para IA local con más memoria

En el apartado de hardware, Nvidia indicó que los PC Windows RTX Spark, basados en su plataforma N1X con arquitectura Arm, se esperan para octubre. La configuración superior combina una CPU Grace de 20 núcleos con una GPU RTX Blackwell y puede alcanzar 128 GB de memoria unificada y un petaflop de rendimiento de IA. 3440

La memoria unificada es especialmente importante para la IA local: el tamaño del modelo y el contexto pueden estar limitados por la capacidad de memoria, no solo por la velocidad bruta de la GPU. RTX Spark busca crear una categoría superior de dispositivos Windows para agentes locales y cargas privadas de mayor tamaño, manteniendo a la vez capacidades gráficas convencionales. Nvidia ha dicho que socios como Lenovo y Acer llevarán diseños RTX Spark al mercado. 253242

La estrategia completa: hacer de la IA local una plataforma de consumo

En conjunto, los anuncios atacan cuatro obstáculos para la adopción de IA local:

• Despliegue: las aplicaciones de agentes reducen el trabajo manual de elegir y configurar una pila local. 1521
• Rendimiento: el trabajo de Nvidia en llama.cpp y vLLM busca acelerar la inferencia en un único dispositivo. 1017
• Escalado para trabajo simultáneo: PAIR pone a disposición de solicitudes locales independientes equipos compatibles que de otro modo estarían inactivos. 13
• Escalado para cargas mayores: RTX Spark propone una plataforma Windows con mucha más memoria unificada que la configuración habitual de una GPU de consumo. 4042

Conviene no mezclar estos beneficios. PAIR sirve para inferencia paralelizable, pero no permite que un modelo individual sea mayor de lo que puede alojar cualquiera de los equipos participantes. RTX Spark puede abordar ese segundo límite con configuraciones de memoria unificada de gran capacidad, pero requiere hardware nuevo y no es una actualización gratuita para un PC existente. Además, las afirmaciones de rendimiento de Nvidia todavía deben comprobarse en cargas de producción reales. 1240

Aun con esas salvedades, el paquete presentado en IFA 2026 es coherente: Nvidia intenta que la IA local se parezca menos a un nicho de modelos y herramientas de línea de comandos, y más a una opción integrada de computación personal para agentes, creadores y desarrolladores que quieren decidir dónde se ejecuta su trabajo de IA. 1014