Nvidia Perkuat AI Lokal di IFA 2026: PAIR Bagi Tugas ke PC di Rumah, Bukan Gabungkan GPU

Nvidia memanfaatkan IFA 2026 untuk menyusun strategi AI lokal yang lebih lengkap: agen lebih mudah dipasang, inferensi pada satu perangkat lebih cepat, beberapa komputer di rumah dapat dipakai secara terkoordinasi, dan hadir kelas PC Windows baru untuk model privat berukuran lebih besar. Benang merahnya adalah menjaga prompt, file, model, serta konteks agen tetap berada di perangkat atau jaringan lokal, sambil membuat AI lokal lebih realistis digunakan secara luas. 1215

PAIR mengubah jaringan rumah menjadi kumpulan perangkat komputasi

Sorotan utamanya adalah NVIDIA Personal AI Router (PAIR), alat gratis dan open-source dalam fase beta. PAIR menyediakan satu endpoint lokal untuk aplikasi, menemukan sistem yang kompatibel di jaringan lokal, lalu mengarahkan setiap permintaan inferensi yang independen—misalnya dari Ollama atau LM Studio—ke komputer yang sedang tersedia. Dengan demikian, aplikasi atau agen yang sudah ada tidak perlu didesain ulang untuk memanfaatkan perangkat lain. 124

Kegunaan yang paling masuk akal adalah menjalankan pekerjaan agen atau subagen secara paralel dan memakai PC yang sebelumnya menganggur. PAIR dapat memilih perangkat berdasarkan ketersediaan mesin inferensi, model, dan beban kerja saat itu. 14

Namun, ada batasan penting: PAIR bukan teknologi yang menyatukan GPU dan memori dari beberapa PC menjadi satu akselerator raksasa. Satu permintaan inferensi tetap dilayani oleh satu sistem yang dipilih. Artinya, manfaat utamanya adalah meningkatkan jumlah pekerjaan independen yang bisa diproses bersamaan dan mengurangi antrean—bukan membuat satu model yang terlalu besar untuk satu PC dapat dimuat dengan membagi model tersebut ke beberapa komputer. 12

PAIR mendukung sistem Windows ber-RTX, DGX Spark, dan perangkat macOS, sementara rincian kompatibilitas serta ambang perangkat keras mengikuti dokumentasi Nvidia. 412

Menurunkan hambatan pemasangan agen AI lokal

Nvidia juga mengatakan Hermes Agent, OpenClaw, dan Perplexity Portable Computer akan menawarkan penyiapan model lokal yang lebih sederhana untuk GPU Nvidia. Pendekatan ini mengurangi kebutuhan pengguna untuk memilih model, backend inferensi, serta konfigurasi secara manual. 714

Langkah tersebut penting karena adopsi AI lokal sering kali tersendat bukan semata akibat keterbatasan GPU, melainkan kerumitan instalasi dan konfigurasi. Bagi pengguna yang ingin menjalankan agen dengan data lebih privat, proses satu klik atau otomatis dapat menjadi perbedaan antara sekadar mencoba dan benar-benar menggunakan AI lokal.

Inferensi diklaim bisa lebih cepat hingga 1,9 kali

Pada lapisan perangkat lunak, Nvidia menyebut optimasi terbaru untuk llama.cpp dan vLLM dapat meningkatkan kecepatan inferensi lokal hingga 1,9 kali. Peningkatan itu tersedia secara langsung dan melalui LM Studio serta Ollama, dengan pembaruan Ollama tambahan direncanakan. 714

Optimasi ini memberi alasan performa untuk memakai perangkat keras Nvidia, meskipun model dan antarmuka yang dipakai pengguna tetap dapat berasal dari ekosistem open-source.

RTX Spark menargetkan model lokal yang lebih besar

Dari sisi perangkat keras, sistem Windows RTX Spark berbasis platform N1X Nvidia yang memakai arsitektur ARM dijadwalkan hadir pada Oktober. Konfigurasi tertingginya mencakup CPU Grace 20-core, GPU Blackwell RTX, memori terpadu hingga 128 GB, serta performa AI hingga satu petaflop. 1215

Kapasitas memori terpadu yang besar relevan untuk menjalankan model lokal dan alur kerja agen yang lebih berat—yang kerap melampaui kapasitas memori praktis GPU konsumen biasa. Nvidia juga menyebut desain dari mitra seperti Lenovo dan Acer, serta memosisikan RTX Spark bukan hanya untuk AI, tetapi juga penggunaan PC umum termasuk dukungan gim. 12

Pada akhirnya, pengumuman Nvidia di IFA 2026 bukan hanya soal satu alat baru. PAIR menangani pemakaian banyak perangkat, optimasi perangkat lunak menangani kecepatan, pemasangan agen menangani kerumitan, dan RTX Spark menangani kebutuhan model yang lebih besar. Kombinasi tersebut dirancang untuk membuat aplikasi AI privat di perangkat sendiri lebih mudah dipakai, bukan sekadar kuat di atas kertas. 71214

Tetap ada catatan: PAIR dan angka percepatan tersebut merupakan klaim vendor atau kemampuan perangkat lunak tahap awal. Hasil nyata akan bergantung pada ukuran model, latensi jaringan, kombinasi perangkat, serta apakah pekerjaan agen dapat dipecah menjadi permintaan yang independen. Sumber yang ditinjau juga belum memuat daftar otoritatif lengkap semua gim atau seluruh model yang dioptimalkan untuk RTX saat peluncuran.