Три игровых ПК в офисе превращаются в один свой ИИ: NVIDIA PAIR

Что выпустила NVIDIA

В начале сентября NVIDIA опубликовала бету PAIR. Это программа, которую ставят на каждый компьютер в сети. Компьютеры находят друг друга, подтверждают связь шестизначным PIN-кодом и дальше работают как один пул. Приложение или ИИ-агент обращается к привычному адресу, а PAIR сам решает, на каком из компьютеров выполнить запрос.

Поддерживаются видеокарты GeForce RTX 20-й серии и новее, рабочие станции с RTX PRO, мини-компьютеры DGX Spark и Mac на чипах M4 и новее. Установщики есть для Windows 11, Linux (пакет .deb) и macOS. Исходники лежат в репозитории NVIDIA на GitHub, там же файлы для скачивания: версия 0.1.0 вышла 26 августа 2026 года, 0.1.1 через два дня и содержит только исправление сборки. Анонс бета-версии вышел 3 сентября в блоге NVIDIA для разработчиков.

Свои цифры NVIDIA приводит такие. Пять ИИ-субагентов разбирали почтовый ящик. На одном ноутбуке с RTX работа шла в среднем 18 минут. Три устройства (ноутбук, DGX Spark и компьютер с RTX 5090) справились за 8 минут 48 секунд. Это замер самой NVIDIA на одной задаче, не независимый тест.

Как PAIR раскидывает запросы

Каждый запрос уходит целиком на один компьютер. PAIR смотрит, в сети ли узел, включён ли на нём движок, есть ли там нужная модель, сколько у него сейчас активных задач и насколько занята видеокарта. Если модель уже загружена на каком-то узле, он получает предпочтение.

Здесь есть расхождение с тем, как новость пересказывали в ряде обзоров. В описании проекта прямо сказано, что планировщик не учитывает модель видеокарты, объём свободной видеопамяти и «стоимость» запроса. Он смотрит на очередь и сглаженную загрузку GPU. Поэтому писать «PAIR видит свободную видеопамять» неправильно.

Работает PAIR поверх двух движков: Ollama и LM Studio. Другие рантаймы, включая vLLM и llama.cpp, в документации не названы. Для приложений он отдаёт интерфейсы, совместимые с Ollama и OpenAI, так что чат-клиент или агент, который умеет работать с OpenAI-адресом, подключается без переделки. Пример из документации: адрес вида 127.0.0.1:11434 и путь /v1/chat/completions.

Чего PAIR не умеет

Памяти нескольких карт он не складывает. Одну большую модель на три компьютера не разрезать: если модель не помещается в видеопамять самого слабого узла, где её собираются запускать, пользы от кластера не будет. Идея другая: много независимых небольших запросов вместо одного огромного. Это хорошо ложится на работу нескольких сотрудников и на агентов, которые гоняют десятки мелких обращений.

Вторая особенность стоит в документации чёрным по белому: адрес принимает запросы только с того компьютера, где он поднят. Обращение с другой машины сети получает отказ 403. То есть «один адрес для всей команды» PAIR сам не создаёт. Каждый ПК видит весь пул, но сотрудник со своего ноутбука к нему просто так не подключится.

Остальное по мелочи. Нужная модель должна быть скачана на каждом узле, иначе запрос туда не пойдёт. Версия 0.1.1 это бета, интерфейсы ещё будут меняться. Это домашний и офисный инструмент, не замена серверной стойки.

Безопасность сети

В файле SECURITY.md разработчики пишут честно. Шестизначный PIN нужен только для первого знакомства машин и не считается постоянным паролем. После него узлы обмениваются сертификатами, и связь между ними шифруется (mTLS). Но шифрование закрывает только каналы кластера. Локальные HTTP-адреса, служебные данные обнаружения в сети и API самих движков остаются без защиты. У локального API нет токена на каждый запрос.

Там же сказано: общую офисную сеть, чужой Wi-Fi и взломанный роутер нужно считать потенциально враждебными. Рекомендация одна: сегментация сети и правила файрвола на каждом узле. Не открывать локальные адреса наружу и не пробрасывать порты PAIR через роутер.

И последнее про данные. NVIDIA оговаривает, что слова «работает локально» ещё не доказывают, что данные никуда не уходят. Если какой-то из клиентов, источников моделей или движков ходит в интернет, данные могут уйти. Для 152-ФЗ локальная сеть это хорошее начало, но не готовый ответ: нужны ещё учёт доступа, список тех, кто работает с персональными данными, и проверка, что в интернет ничего не уходит.

Что можно сделать уже сейчас

Студия, агентство, редакция. Три-четыре мощных ПК у монтажёров и дизайнеров днём заняты, но ночью и в обед простаивают. Ставим PAIR, выбираем модель под их видеопамять, поднимаем общий чат для сотрудников. Тексты, черновики и разбор договоров остаются в офисе, а подписка за каждого человека не нужна.

Небольшая компания с ИИ-агентами. Когда несколько агентов работают одновременно (разбор заявок, ответы клиентам, сводки), один компьютер захлёбывается. PAIR раскидывает их запросы по свободным машинам. Мы собираем ИИ-агентов под ваши процессы и подключаем их к такому пулу вместо платного облачного API.

Юристы, клиники, бухгалтерия. Документы с персональными данными нельзя отправлять в чужое облако. Локальный пул с закрытым контуром снимает главный риск, но только если сеть настроена как положено. Подробнее о железе и выборе карт: какую видеокарту брать под локальный ИИ.

Что входит в нашу работу. Проверяем, какие компьютеры годятся. Ставим PAIR и движки, подбираем модели под самую слабую карту. Поскольку сам PAIR не раздаёт доступ команде, мы ставим перед пулом отдельный шлюз: сотрудники заходят в чат по логину, у каждого свой ключ, весь доступ пишется в журнал. Этот шлюз наш собственный, в PAIR его нет, и стоит он в отдельной закрытой сети. Мониторинг загрузки и обновления берём на себя. Общая картина собирается в связке, которую мы описывали в статье про self-hosted ИИ-стек для бизнеса. Сборка кластера входит в IT-инфраструктуру, ориентиры по стоимости есть в прайсе.

Частые вопросы

Нужна ли для PAIR сильная видеокарта на каждом компьютере?

Минимум это RTX 20-й серии или Mac на M4 и новее. Но запрос выполняется на одной машине целиком, поэтому модель должна помещаться в память именно этой карты. Слабый узел будет тянуть только маленькие модели.

Можно ли объединить ПК с Windows, Mac и Linux?

Да, в документации сказано, что узлы на разных системах можно связать в один кластер. Движок на каждом выбирается свой: Ollama или LM Studio.

Заменит ли это облачный ИИ?

Для повседневных задач команды (тексты, поиск по документам, разбор писем, мелкие агенты) на моделях среднего размера, скорее всего да. Для самых больших моделей и для нагрузки в сотни одновременных пользователей нужен выделенный сервер или облако.

Коротко о главном

PAIR превращает несколько простаивающих компьютеров в общий пул для небольших запросов, бесплатно и с открытым кодом. Он не складывает память видеокарт, не раздаёт доступ всей команде и пока в бете, зато действительно экономит деньги там, где уже стоит железо.

Есть несколько мощных компьютеров в офисе, и хочется своего ИИ без облака? Напишите мне в Telegram слово «КЛАСТЕР». Посмотрим, что у вас стоит, и скажу, какую модель и какой доступ для сотрудников реально собрать.