NVIDIAのPAIR（Personal AI Router）プロジェクトは、同じネットワーク上にある複数のコンピューターの処理能力をAIタスク間で分配する。Windows、Linux、macOSデバイスのほか、RTXグラフィックスカードを搭載したWindowsコンピューター、Ubuntuを実行するマシン、Apple Siliconプロセッサを搭載したMacBookを同じクラスターに参加させることができる。専用のメインサーバーを必要としないこのシステムでは、各デバイスがタスクを実行すると同時にルーティングにも参加し、新しいデバイスを追加すると全体の処理能力が向上する。
PAIRは新しい推論エンジンではなく、OllamaとLM Studioの前段で動作するプロキシ層だ。既存のクライアントまたはエージェントのコードを変更することなく、接続先をルーターに設定できる。複数のエージェントがそれぞれ独立して行う処理は、空いているGPUに分配されるが、グラフィックスカードが物理的に1基のGPUへ統合されるわけではない。
NVIDIAのテストでは、5つのサブエージェントを使用するワークロードが、RTX Spark Laptop 1台では18分、Laptop、DGX Spark、RTX 5090で構成されたクラスターでは8分48秒で完了した。PAIRは、ゲームの実行によって負荷が高まったデバイスを一時的にタスクから外すことができる。Laptopのふたを閉じても、ほかのデバイスは処理を続行し、再び空きができたデバイスはクラスターに復帰できる。このシステムはVRAMを統合しないため、8 GBのVRAMを搭載したカード2枚を16 GBのVRAMとして使用することはできない。
なぜ重要なのか
このアプローチにより、AIワークロードは1台の高性能マシンに依存することなく、同じネットワーク上にある異なるデバイスの空き容量を活用できる。これは、Windows、Linux、macOSを使用する、ハードウェアの異なるコンピューターをまとめて活用したいマルチエージェントユーザーに柔軟性をもたらす。また、クライアント側の変更が不要であるため、既存のツールとの統合におけるハードルも下がる。ゲームの実行やふたを閉じるといった理由でデバイスを一時的に無効化できることは、クラスターが固定されたサーバーではなく、変動するリソースで動作することを示している。一方、PAIRはグラフィックスカードのメモリを統合しないため、容量が増えても、1つのタスクに割り当てられるVRAMの量が増えるわけではない。NVIDIAのテストは、性能向上が独立した処理を複数のデバイスに分散することにかかっていると示している。
背景
NVIDIAは、FikirPilotのアーカイブにおいて新しい名前ではない。過去90日間に、この名前が登場するニュースを5本公開しており、最も新しい記事は2026年9月2日付だ。
用語：エージェント
AIエージェントとは、単一の回答を生成するのではなく、目標を達成するためにツールを呼び出し、複数のステップから成る処理を実行するソフトウェアである。