它是个路由器，不是引擎
英伟达自己的说法是「虚拟推理路由器」，这个定语值得当真。PAIR 不带模型，也不带 kernel，跑模型的还是你机器上那份 Ollama 或 LM Studio；它做的事是发现同一局域网里还有哪些机器能干活、把整条请求整个派给其中一台、再把结果还给发起方。 调度依据是四项：节点在不在线、推理引擎起没起、这个模型在那台机器上是否已经落盘、GPU 眼下占用多少。因为对外的端点分别兼容 Ollama 和 OpenAI 接口，agent 侧不用改代码——决定「做什么」的还是 agent，PAIR 只决定「在哪台机器上做」。有人开始在那台机器上打游戏，它就退出可用池。 安全上是两段：先用六位码人工确认配对，之后节点之间用生成的证书走 mTLS，提示词和上下文不出局域网。仓库是 Apache-2.0，用 Go 写的，Windows、macOS、Linux 都有图形界面和终端两种用法，最低 8GB 内存、建议留 20GB 存储。
演示里那个 2 倍，有多少来自「分发」
IFA 上的对照是这样的：用 Hermes Desktop 加 Ollama 跑一个五子 agent 的工作流，三台设备组成的 PAIR 集群用了 8 分 48 秒，单台 RTX Spark 笔记本要 18 分钟。 数字本身没问题，但对照组只有一个，而且英伟达没有公布另外两台机器的配置。所以这两倍里有多少来自「请求被分发了」、有多少只是「池子里多进来一台更快的机器」，从公开信息里看不出来。想照着评估的人最好自己搭三台再测一遍。
什么情况下值得装
先排除一类需求：它不会让你跑更大的模型。显存不够跑 70B，接三台机器还是跑不了——PAIR 增加的是能同时处理的请求数，不是单次请求的上限。 真正对得上的是子 agent 并行这类形态：一个主 agent 拆出五六个子任务，每个子任务都是一次独立的小模型调用，这时候多几台机器是实打实的吞吐。家里或小办公室有两三台带独显的机器、平时白天闲着，且已经在用 Ollama 或 LM Studio 的人，装它的成本基本是零。只有一台机器，或者主要需求是把一个大模型跑起来，这东西帮不上忙。 目前 Perplexity Portable Computer、Hermes Agent 和 OpenClaw 已经做了 Windows 上的简化安装。beta 阶段，别急着放进生产链路。
via: NVIDIA 技术博客、PAIR 产品页与 FAQ、GitHub: NVIDIA/Personal-AI-Router、The New Stack 报道、Neowin 报道