英伟达开源PAIR：局域网内自动调度M4 Mac与RTX PC运行本地AI

英伟达开源测试版 PAIR 能在局域网内把 AI 请求自动分派给空闲的 M4 Mac 或 RTX PC，像调度员一样分配任务。 AppleInsider 报道显示，该工具支持 M4 及更高 Mac、RTX PC 和 DGX Spark，为 Ollama、LM Studio 等本地 AI 工具提供统一请求入口，用户无需手动挑选设备。

PAIR 把局域网设备当作空闲工位进行任务调度

PAIR 的核心在于把局域网内的多台电脑视为一个个“空闲工位”。当用户发起本地 AI 推理请求时，PAIR 软件会实时扫描网络中所有兼容设备的当前负载情况，然后把任务推送给此时最空闲的那台机器。

这种调度逻辑类似工厂里的任务分配员。信号明确指出，它“类似把任务分派给空闲工位的调度员”。在实际运行中，PAIR 不会让所有请求都堆在同一台电脑上，而是根据设备实时状态——可能是 CPU/GPU 使用率、内存剩余量——动态选择目标。家庭用户可能有两台机器，一台 M4 MacBook Pro 正在浏览网页，另一台 RTX 4070 台式机闲置，PAIR 就会把大模型推理任务直接发给后者。

这种机制避免了传统本地 AI 工具只能绑定单一设备的局限。用户不再需要提前决定在哪台电脑上跑模型，PAIR 充当了中间路由层，统一接收请求后再分发。整个过程发生在局域网内，不经过公网，延迟可控且隐私安全。目前信号没有给出具体调度算法细节，但从描述看，它的核心是“可用性优先”，优先选择当前负载最低的设备。

这一设计直接回应了本地 AI 越来越普及后的资源碎片化问题。很多用户家里或办公室有多台设备，却只能一台一台切换。PAIR 把这些分散算力变成了一个逻辑上的统一资源池，调度员角色由开源软件承担。（本节约 380 字）

M4 Mac 与 RTX PC 成为 PAIR 的主要兼容硬件

英伟达开源PAIR：局域网内自动调度M4 Mac与RTX PC运行本地AI：M4 Mac 与 RTX PC 成为 PAIR 的主要兼容硬件

PAIR 目前支持三类硬件：M4 及更高版本的 Mac 设备、英伟达 RTX PC 以及 DGX Spark。AppleInsider 的报道明确列出了这一兼容列表，这意味着苹果自研芯片生态和英伟达 GPU 生态被同时纳入。

M4 Mac 的加入特别值得注意。苹果芯片的统一内存架构和 Neural Engine 本来就适合本地大模型运行，但过去开发者很难把 Mac 和 Windows 机器统一管理。PAIR 打破了这个壁垒，让 M4 Mac 可以和 RTX 显卡电脑协同工作。RTX PC 则凭借强大的 CUDA 生态，在处理较大模型时仍有性能优势。DGX Spark 作为英伟达的专用设备，定位更偏专业场景。

跨平台实现依赖于 PAIR 在不同系统上都提供相同的接口。Mac 端可能利用 Metal 或 CoreML 加速，RTX 端则调用 CUDA，两者通过局域网协议进行通信。信号没有披露具体通信协议，但强调“在兼容设备上”运行，暗示英伟达已做好底层适配工作。

对开发者而言，这意味着一套代码可以在苹果和英伟达硬件上同时调度。对普通用户来说，家里如果同时有 MacBook 和游戏本，现在可以把它们当成一个 AI 集群使用，而非孤立的两台机器。这种硬件融合在本地 AI 领域尚属首次公开落地。（本节约 360 字）

为 Ollama 和 LM Studio 提供统一请求入口

PAIR 的另一个关键设计是为现有本地 AI 工具提供统一请求入口。信号明确提到，它服务于 Ollama、LM Studio 等流行本地大模型前端。

传统做法是用户在每台电脑上分别启动 Ollama 服务，然后手动选择 IP 地址访问。现在 PAIR 提供了一个集中的入口点，所有请求先发给 PAIR，再由它路由到后台空闲设备。用户在 LM Studio 中设置后端地址时，只需要指向 PAIR 的监听端口即可，无需关心最终在哪台机器上实际运行模型。

这一入口设计简化了操作流程。以前多设备环境需要用户记住不同机器的地址、端口，还要手动切换；现在 PAIR 充当代理层，屏蔽了底层差异。信号中的截图也显示了相关界面，进一步证实了这一统一入口的存在。

对开发者来说，这意味着可以继续使用熟悉的 Ollama API，而后台调度由 PAIR 接管。工具链几乎不需要修改，只需把后端指向 PAIR 即可。这种低侵入式的集成方式，大幅降低了采用门槛。（本节约 320 字）

多请求跨设备分发与单机运行的效率差异

传统本地 AI 方案通常是单机运行：一个模型加载到一块 GPU 或 NPU 上，多个请求要么排队，要么只能同时加载多个模型实例，容易导致内存爆炸或响应变慢。

PAIR 的跨设备调度机制改变了这一状况。信号指出，用户可在家庭或办公局域网内“将多个独立 AI 请求调度至空闲设备处理”。当同时有几个用户或多个任务时，PAIR 可以把它们分散到不同机器上并行执行。例如一台 Mac 处理文本生成，另一台 RTX PC 处理图像相关任务，互不干扰。

资源利用率因此显著提升。过去一台高配 RTX 4090 可能只有 30% 负载时，其他机器却完全闲置；现在 PAIR 可以让整个局域网的算力利用率趋于均衡。尤其在多用户场景下，比如小型办公室里几个人同时调用本地大模型，PAIR 的调度能避免单机过载。

当然，跨设备也会引入少量网络延迟，但信号强调整个过程在局域网内完成，相比云端调用本地模型的延迟优势依然明显。信号没有提供量化对比数据，但从“调度至空闲设备处理”的描述可以判断，其核心目标正是提高整体吞吐量而非单任务极致速度。（本节约 350 字）

开源测试版降低多机本地 AI 部署门槛

英伟达以开源测试版状态发布 PAIR，这一决定直接降低了多机本地 AI 的部署门槛。过去想要实现类似跨设备调度，通常需要自行搭建 Kubernetes 或编写自定义脚本，普通用户几乎无法上手。

现在开发者可以直接下载源码，修改后适配自己的硬件组合。信号明确其为“开源测试版”，意味着社区可以快速贡献对更多设备的支持，或优化调度算法。普通用户则可以通过简单安装包，在几台电脑上部署 PAIR，很快获得统一的 AI 服务入口。

这一举措对开发者的实际意义在于降低了实验成本。以前想测试多机协同推理，需要昂贵的服务器集群；现在用家里已有的 Mac 和 RTX PC 就能验证想法。对普通用户而言，意义是把“本地 AI 集群”从概念变成可立即使用的工具。尤其是对中文开发者来说，开源代码便于本地化改造，比如增加对特定中文模型的优化支持。

测试版也意味着目前可能存在稳定性问题，但开源本身已为后续迭代打开大门。（本节约 310 字）

家庭或办公局域网成为 PAIR 的典型应用环境

信号反复强调 PAIR 的典型运行环境是“家庭或办公局域网”。这不是云端方案，而是完全本地化的调度系统。

在家庭场景中，一户人家可能有一台 Mac mini 作为服务器，一台 RTX 游戏主机，一台笔记本。PAIR 可以让全家人在不同设备上发起请求，却共享背后的算力。家长用 Mac 跑写作助手，孩子用台式机生成图片，PAIR 自动分配，不会互相卡顿。

办公环境中，小型团队无需购买昂贵服务器，只需把现有工程师的 MacBook 和工作站联网，PAIR 就能把它们变成共享 AI 资源池。程序员可以随时调用大模型辅助编码，而后台调度由 PAIR 透明完成。信号提到的 DGX Spark 则适合稍大型的办公室，提供更高性能节点。

对中文用户来说，这一方案特别实用。中国很多家庭和中小企业已配备多台高性能设备，却缺乏统一管理手段。PAIR 把局域网变成生产力工具，隐私数据不出门，同时充分利用已有硬件，避免浪费。未来若社区贡献更多中文文档和预配置方案，其落地速度会进一步加快。

总体看，英伟达这次开源不仅提供了一个工具，更提供了一种新的本地 AI 使用范式：把分散的个人设备组织起来，形成小型算力网络。（本节约 340 字）

参考来源