Nvidia har hittat ännu ett användningsområde för grafikkorten och datorerna som redan står hemma hos användarna.
På IFA 2026 har företaget presenterat PAIR, Personal AI Router, ett nytt verktyg som kopplar samman kompatibla datorer på samma lokala nätverk. Tanken är att maskinerna ska kunna dela på arbetsbelastningen när du kör AI-modeller och AI-agenter lokalt.
Namnet kan dock vara lite missvisande. PAIR är ingen fysisk router som du behöver köpa, utan gratis programvara med öppen källkod.
Annons
I praktiken vill Nvidia göra det möjligt att bygga ett litet personligt AI-kluster av datorerna du redan har hemma, skriver The Verge.
Läs även: Google utmanar Nvidia – kan göra AI billigare
Fördelar AI-jobben mellan datorerna
PAIR hittar kompatibla datorer på det lokala nätverket och avgör vilken maskin som ska ta hand om en AI-förfrågan. Verktyget fungerar med de populära lösningarna Ollama och LM Studio för att köra AI-modeller lokalt.
Men det finns en viktig begränsning. PAIR slår inte ihop flera grafikkort till ett enda större grafikkort. Det kombinerar heller inte datorernas grafikminne och delar inte upp en enskild AI-förfrågan mellan flera maskiner.
I stället skickas varje separat förfrågan till en dator som har rätt modell och tillräckligt med ledig kapacitet.
Det gör tekniken särskilt intressant för AI-agenter. Sådana system kan dela upp en större uppgift i flera mindre jobb som går att köra parallellt. PAIR kan då fördela jobben mellan flera datorer i stället för att låta alla vänta på samma GPU.
Systemet kan dessutom anpassa sig när datorerna används till annat. Om du börjar spela på gamingdatorn kan andra AI-jobb skickas till en annan tillgänglig maskin.
Läs även: Valkompass – Teknikvalet 2026
Fungerar även med Mac
Det kanske mest oväntade är att Nvidia inte begränsar PAIR till sina allra senaste grafikkort. På PC stöds GeForce RTX 20-serien och nyare. Även RTX Pro-arbetsstationer och Nvidias DGX Spark-system kan användas.
Men även Apple-användare släpps in. PAIR har stöd för Mac-datorer med M4-chip eller senare, vilket betyder att exempelvis en MacBook kan ingå i samma lokala AI-kluster som en Windows-dator med GeForce RTX.
Datorerna behöver inte heller använda samma operativsystem. PAIR finns för Windows, Linux och macOS och kompatibla maskiner med olika system kan kopplas samman.
Nvidia anger minst 8 GB RAM som systemkrav för PAIR och rekommenderar minst 20 GB ledigt lagringsutrymme. Vilka AI-modeller som faktiskt går att köra beror däremot på hårdvaran i den enskilda datorn och kraven från Ollama eller LM Studio.
AI-datan kan stanna hemma
Den stora poängen med PAIR är inte bara att utnyttja fler datorer. Verktyget är en del av Nvidias större satsning på att göra det enklare att köra AI lokalt på den egna hårdvaran, i stället för att skicka varje förfrågan till en AI-tjänst i molnet.
Nvidia uppger att prompter, filer och kontext från AI-agenter kan stanna på användarens lokala nätverk när PAIR används med lokala modeller och tjänster.
Det kan vara intressant för den som arbetar med känsliga dokument eller helt enkelt inte vill skicka lika mycket information till externa AI-tjänster. Samtidigt kräver det förstås att hela lösningen faktiskt hålls lokal. Om en app eller annan komponent använder en extern tjänst gäller inte samma fördel.
Nvidia arbetar också med att göra lokal AI snabbare. Nya optimeringar för llama.cpp ska enligt företaget kunna ge upp till 1,9 gånger högre genomströmning på ett GeForce RTX 5090. Förbättringarna kan även användas genom bland annat LM Studio och Ollama.
Den prestandasiffran gäller dock Nvidias nya optimeringar för llama.cpp och ska inte blandas ihop med PAIR. Nvidia säger alltså inte att PAIR i sig gör en AI-modell 1,9 gånger snabbare.
PAIR går att testa redan nu
Nvidia PAIR har släppts som en beta och går att använda på Windows, Linux och macOS. Installationen görs på de datorer som ska ingå i klustret. Maskinerna paras sedan ihop på det lokala nätverket med hjälp av en sexsiffrig kod.
För den genomsnittliga datoranvändaren är PAIR fortfarande en ganska nischad produkt. Att köra stora AI-modeller lokalt kräver mycket minne och beräkningskraft, och många hushåll har knappast flera kraftfulla datorer stående redo för AI-jobb.
Men för entusiaster som redan har exempelvis en gamingdator och en modern laptop blir idén mer intressant.
I stället för att låta den lediga beräkningskraften stå oanvänd kan flera maskiner hantera olika delar av ett större AI-arbetsflöde. PAIR är därför kanske inte riktigt ett datacenter hemma i bokstavlig mening. Men det visar tydligt vart Nvidia vill ta lokal AI: fler av datorerna du redan äger ska kunna arbeta tillsammans när AI-jobben börjar hopa sig.