NVIDIA、余ったPCをAIの作業群に
NVIDIAの無料オープンソースBetaは、互換PCへ独立した推論要求を振り分けますが、メモリを一つに統合するものではありません。
✓ 検証済み
出典
NVIDIA official developer announcement, cross-checked with The Verge and CNET
⚑ ローカルAI
60秒でわかる
NVIDIAのPAIRは、同じネットワーク上の互換機器へ独立したAI要求を分配します。
要点
- OllamaとLM Studioに対応し、多エージェントの待ち行列を対象にします。
- 対応例は新しいRTX、DGX Spark、M4以降のApple機器です。
- VRAMは統合せず、速度例はNVIDIAの自己報告です。
結論. PAIRはローカル作業の調整役であり、複数PCを大きなGPUに変えるものではありません。
何が出たかローカルAI向けのソフトウェアルーター
NVIDIAはPAIR Betaを公開しました。オープンソースのツールがローカルネットワーク上の互換コンピューターを見つけ、独立した推論要求を別々のノードへ送ります。OllamaとLM Studioに対応し、エージェントの枠組みを変えずにローカル機器を調整する狙いです。
3台NVIDIAの実演構成
8分48秒5つのサブタスクについての報告値
M4+公式に示されたApple対応
仕組み複数の仕事を空いたノードへ
多エージェントのワークフローでは、互いに独立した要求が複数生まれます。PAIRはノードの準備状態、モデルの有無、負荷などを見て仕事を割り当てます。1つの推論を複数PCで実行する仕組みではなく、ローカルの仕事を分配する仕組みです。
| できること | 互換機器の間で、OllamaやLM Studioの独立した推論要求を分配する。 |
|---|---|
| できないこと | 複数PCのメモリやVRAMを統合し、1つの要求をより大きなモデルで実行する。 |
| 必要な準備 | 各ノードの互換ハードウェア、推論エンジン、モデル、ネットワーク。 |
対応機器広いが、条件はある
NVIDIAはWindows、macOS、Linuxに加え、GeForce RTX 20シリーズ以降、RTX Pro、DGX Spark、M4以降のAppleシリコンを挙げています。実用性は各ノードに同じモデルとエンジンを用意できるかにも左右されます。
安全と限界ローカルでも管理は必要
安全なペアリング、mDNS、相互TLS、ノード状態に応じたスケジューリングが説明されています。それでも、参加ノードを制限し、エージェントのデータの流れを把握する必要があります。
PAIRが解決するのは機器間の調整であり、1台の限界ではない。
結論ローカル実験には便利、魔法ではない
The VergeとCNETはBetaとローカルAI用途を独立に報じましたが、最短時間はNVIDIAの自己テストです。どう使うべきか。 互換機器があるなら、低リスクの独立タスクで試し、自分の遅延を測定してから長期利用を決めてください。