NVIDIA PAIR verbindet lokale Rechner für schnellere KI
NVIDIA PAIR vernetzt Rechner im Heimnetzwerk und verteilt KI-Aufgaben auf mehrere Systeme, statt einzelne Geräte vollständig auszulasten.
NVIDIA PAIR verwandelt mehrere Computer im Heimnetzwerk in einen gemeinsamen Verbund für lokale KI-Anwendungen. Die Software verteilt einzelne Aufgaben auf verfügbare Geräte und eignet sich besonders für agentische Arbeitsabläufe.
Laut «Martin Cid Magazine» arbeitet PAIR als Proxy mit Ollama und LM Studio und erkennt kompatible Geräte automatisch. Dadurch können unterschiedliche Rechner gemeinsam arbeiten, auch wenn darauf verschiedene KI-Modelle installiert sind.
Ein NVIDIA-Test zeigt den möglichen Zeitgewinn bei einer Aufgabe mit fünf Subagenten und mehreren vernetzten Geräten. Auf einem einzelnen RTX-Spark-Laptop dauerte die Berechnung 18 Minuten, während drei Geräte dafür 8 Minuten benötigten.
NVIDIA PAIR nutzt vorhandene Hardware
«IT-Daily» zufolge unterstützt PAIR GeForce-RTX-Karten ab der 20er-Serie sowie RTX-Pro-GPUs und DGX-Spark-Systeme. Auch Apple-Rechner mit M4-Chip oder neuer können in den lokalen Verbund eingebunden werden.
Die Software berücksichtigt, welche Geräte gerade verfügbar sind, und kann Aufgaben bei veränderter Auslastung entsprechend neu verteilen. So soll zusätzliche Rechenleistung genutzt werden, ohne laufende Anwendungen auf den beteiligten Computern unnötig zu beeinträchtigen.
Für die Absicherung werden die Geräte zunächst mit einem sechsstelligen Code miteinander verbunden und anschliessend gegenseitig authentifiziert. Die Kommunikation zwischen den Systemen wird durch mTLS-Verschlüsselung geschützt.
Lokale KI wird zum Trend
«BornCity» berichtet, dass NVIDIA PAIR im Rahmen der IFA 2026 vorgestellt wurde und seit dem 3. September verfügbar ist. Die Beta-Version unterstützt Windows, Linux und macOS und arbeitet innerhalb des lokalen Netzwerks.
NVIDIA geht davon aus, dass ein durchschnittlicher Haushalt rund 165 Teraflops ungenutzte Rechenleistung bereitstellen könnte. Dabei werden die Grafikspeicher der einzelnen Geräte nicht zusammengeschaltet, sondern die Aufgaben auf verschiedene Rechner verteilt.
Die Software fügt sich in einen breiteren Trend zur dezentralen KI-Verarbeitung ein. Weitere Hersteller präsentierten zuletzt ebenfalls lokale KI-Systeme, spezialisierte Hardware und Lösungen für die Verarbeitung ohne permanente Cloud-Anbindung.
