Sie verschmilzt keine GPUs, sie verwaltet die Warteschlange: Was NVIDIAs PAIR wirklich ist

Am 3. September 2026 hat NVIDIA auf der IFA 2026 in Berlin die Beta von PAIR (Personal AI Router) vorgestellt: Die Ankündigung steht im offiziellen Technical Blog, in einem von Seth Schneider gezeichneten Beitrag, und SiliconANGLE berichtet unabhängig davon. Um den Missverständnissen vorzubeugen, die zu jeder Ankündigungseuphorie gehören, lohnt es sich zu sagen, was diese Software nicht tut: Sie fasst nicht den VRAM mehrerer Grafikkarten zusammen, sie verteilt kein einzelnes KI-Modell über mehrere Rechner, und sie beschleunigt keine einzelne Anfrage. In der Dokumentation des offiziellen Repositorys hält NVIDIA fest, dass jede Anfrage vollständig auf einem einzigen Knoten ausgeführt wird. PAIR arbeitet als lokaler „virtual inference router“ und stellt einen einzigen Zugangspunkt bereit, über den unabhängige Aufgaben auf mehrere kompatible Rechner im selben lokalen Netz verteilt werden.

Die Architekturentscheidung kommt ohne neue Cluster-APIs aus: Die Software fungiert schlicht als Proxy für die bestehenden Schnittstellen von Ollama und LM Studio. Der Code liegt im GitHub-Repository NVIDIA/Personal-AI-Router, die Apache-2.0-Lizenz ist in den Dateiköpfen angegeben. Geräte werden im lokalen Netz per mDNS gefunden oder über die IP-Adresse angegeben; die Kopplung zweier Rechner verlangt die ausdrückliche Zustimmung der Nutzerinnen und Nutzer, danach kommunizieren die Knoten verschlüsselt über mutual TLS mit generierten Zertifikaten. Das kurioseste Hardware-Detail betrifft die Kompatibilität: Neben GeForce-RTX-GPUs ab der Serie 20, DGX-Spark-Systemen und RTX-PRO-Karten nennt die offizielle Seite auch Macs mit Apple-M4-Chip oder neuer. Das System läuft vollständig offline, sofern die Modelle bereits auf den einzelnen Rechnern liegen, und die Mindestanforderungen bleiben bescheiden (empfohlen werden 8 GB RAM und 20 GB Speicherplatz) für Clients unter Windows, macOS und Linux.

Zur Leistung nennt NVIDIA einen Test mit Microsoft AutoGen und fünf parallelen Sub-Agenten, bei dem die Verarbeitungszeit von 18 Minuten auf einem einzelnen RTX-Notebook auf 8 Minuten und 48 Sekunden in einem Netz aus drei Geräten sinkt. Das Unternehmen selbst bezeichnet diese Messung allerdings als inoffizielle Veranschaulichung, gültig nur für jene Konfiguration. Der Vergleich ist nicht reproduzierbar: Modell, Quantisierung und Generierungsparameter fehlen, unabhängige Messungen gibt es bislang nicht. Wie auch SiliconANGLE anmerkt, bringt die flexible Natur des Systems fehlende Dienstgütegarantien mit sich: Übernimmt jemand wieder die direkte Kontrolle über einen Rechner im Verbund, werden die Aufträge neu verteilt — PAIR passt damit zu langen Aufgaben ohne enge Fristen. Offen bleiben außerdem die tatsächliche Höchstzahl der Knoten, der Netzwerk-Overhead durch das Routing, der Zeitplan für eine stabile Version und die mögliche künftige Unterstützung anderer Engines als Ollama und LM Studio.

Apple-Macs zu unterstützen ist ein pragmatisches Eingeständnis, wie zersplittert die Rechenleistung im Wohnzimmer inzwischen ist: Es zwingt NVIDIA, Software für fremde Hardware zu optimieren, die der Konzern selbst nicht herstellt. PAIR löst die eigentliche Hürde lokaler Inferenz nicht — riesige Modelle passen weiterhin nicht auf einzelne Consumer-Karten —, aber es verwandelt den Leerlauf der Geräte nebenan in eine Ressource für parallele Arbeitsabläufe. — Olya