NVIDIA「Personal AI Router(PAIR)」発表｜複数PCのGPUへAI推論を自動分散する無料OSS、対応GPUと注意点
本記事にはアフィリエイト広告（Amazon・楽天市場等）のリンクが含まれています。
複数PCのGPUへAI推論を自動分散、無料オープンソースで導入可能
出典：NVIDIA公式ブログ「PAIR」発表記事、MarkTechPostのベンチマーク検証記事、GitHub公式リポジトリ「NVIDIA/Personal-AI-Router」にもとづきます。本記事は2026年9月7日時点の情報で構成しています。
AIエージェントに複数の作業を同時に任せたくても、自宅のPCが1台しかなければ処理は順番待ちになります。受信箱を整理するような複数のサブタスクに分かれるプランをエージェントに立てさせても、実行するGPUが1つでは結局は逐次処理に近くなり、思ったほど速くなりません。かといって、リビングのゲーミングPCと書斎のMacを両方まとめて働かせる仕組みは、これまで一般ユーザー向けには存在しませんでした。
NVIDIAは2026年9月3日、IFA 2026にあわせて次世代GPU「RTX Spark」と同時に、無料のオープンソースツール「PAIR(Personal AI Router)」を発表しました。自宅ネットワーク上の対応PCを自動検出し、AIエージェントの推論リクエストをそのとき空いているGPUへ自動的に振り分けて並列実行させる仕組みで、公開されたベンチマークでは5体のサブエージェントによる作業が、単体GPUの18分から3台構成の8分48秒へと、およそ半分の時間に短縮されています。
ただしNVIDIA公式のGitHubドキュメントには、PAIRは複数GPUのメモリをまとめて1つの巨大なGPUのように扱うわけではないという重要な注記があります。この記事では、公式ブログとMarkTechPostのベンチマーク詳細に加え、公式リポジトリのREADMEと既知の問題(Known Issues)まで確認したうえで、PAIRが「できること」と「できないこと」を切り分け、対応環境と、手元の複数PCを今すぐ連携させる価値があるかどうかの判断材料を整理します。
目次
概要PAIRとは何か｜リクエスト単位で空いているGPUへ振り分ける
PAIRは、同じホームネットワーク上にある対応PCを自動的に検出し、参加するノードを管理して、Ollama互換・OpenAI互換のプロキシエンドポイントをアプリやエージェントに提供するローカル推論ルーターです。独立した推論リクエストは、そのとき対応する推論エンジンが動いていて、目的のモデルが用意されており、待ち行列(キュー)が空いているノードへ割り振られます。
たとえば、受信箱を整理する「Sunday Reset」のようなプランをAIエージェントが立てる場合、そこに含まれる複数のサブエージェントのジョブを、ネットワーク上の複数PCへ同時に配って並列実行させます。1台のPCで順番に処理するのではなく、空いているGPUがあればすぐに仕事を回せるため、待ち時間そのものが短くなる仕組みです。
重要な注記GPUメモリはプールされない｜巨大モデルを動かす用途には使えない
見落としやすいのがこの点です。PAIRの公式GitHubドキュメントには、次のような明記があります。
NVIDIA公式のGitHubドキュメントには「PAIRは独立したリクエストをそれぞれ1つのノードへ振り分ける。GPUメモリをプールする、複数GPUを1つの論理GPUとして結合する、1つのモデルを複数マシンにまたがって分割する(シャーディング)、実行中の推論リクエストをノード間で分割する、といったことは行わない」と明記されています。
つまりPAIRは、VRAM不足で動かせない巨大なモデルを、複数PCのGPUを合算することで動かせるようにするツールではありません。あくまで、それぞれのPCが単独で完結できる推論リクエスト(エージェントのサブタスクなど)を、空いているノードへ効率よく配る負荷分散の仕組みです。1つの大きなモデルをGPU間で分割して実行したい場合は、PAIRとは別の仕組みが必要になり、これはPAIRの守備範囲ではありません。
ベンチマーク実際にどれくらい速くなるか｜18分→8分48秒の実測
NVIDIAとMarkTechPostが公開した実測では、デモアプリ「Hermes Desktop」を使い、架空の家庭の受信箱を整理する5体のサブエージェントからなるワークロードを、Ollama経由でQwen 3.6 35B A3Bモデルを使って実行しています。
実行時間はおよそ半分に短縮されていますが、これは特定のワークロード・特定のモデル・特定のハードウェア構成での結果であり、どんな作業でも同じ倍率で速くなるわけではありません。また、NVIDIA公式のドキュメントによれば、PAIRのスケジューラーは各ノードにどれだけジョブが溜まっているかだけを見て仕事を割り振ります。GPUの世代・VRAM容量・応答速度・モデルが読み込み済みかどうかは考慮しないため、性能差の大きいPCを混在させたクラスタでは、遅いノードにも速いノードとほぼ同じ頻度で仕事が回ることがあると説明されています。性能が近いPC同士を組み合わせたほうが、現状のPAIRには向いています。
対応環境対応OS・GPU・推論エンジン一覧
手持ちのGPUが対応範囲に入るかどうかは重要な確認ポイントです。GeForce RTX 20シリーズ以降が対象のため、型落ちしたRTX 3090のような旧世代のGPUを積んだPCも、単体で使うだけでなくPAIRのノードとして活用できます。ローカルLLMやAI画像生成そのものに使うPCを新しく組みたい場合は、AI画像生成・ローカルLLM用PC構成ガイド2026もあわせて確認してください。
導入手順今すぐ試す場合の手順と注意点
導入の流れそのものは複雑ではありません。
- GitHubのリリースページから、使っているOS向けの署名付きインストーラー(Windows用.exe・Linux用.deb・macOS用.dmg)をダウンロードする
- PAIRを起動し、ノードのカードから「Engine settings」を開いてOllamaまたはLM Studioをインストールする(すでに導入済みならPAIRが自動で検出する)
- モデルを1つ追加する
- 2台目以降のPCでは「Settings→Cluster」を開き、招待元の画面に表示される6桁のPINを入力してペアリングする
注意したいのは、PAIRがローカルのHTTPエンドポイント・LAN上での機器発見・PINによる信頼確立・クラスタ通信を使う点です。NVIDIA公式は、信頼できないネットワークや共有ネットワークで運用する前に、セキュリティ関連のドキュメントを確認するよう案内しています。自宅の管理されたネットワーク以外で使う場合は、この点を確認してから導入してください。
判断誰に関係のあるツールか
- 自宅に対応するNVIDIA GPU搭載PCやApple Silicon搭載Macが複数台あり、Ollama・LM StudioでローカルLLMやAIエージェントを動かしている人
- 受信箱整理のように複数のサブエージェントへ分かれるタスクを、待ち時間なく並列で処理させたい人
- RTX 20/30シリーズなど型落ちのGPUを積んだPCが自宅に余っている人
- 対応するPC・Macが1台しかない人(分散させる相手がいないため恩恵がない)
- AMD Radeon環境しかない人(現時点の対応ハードウェアに含まれない)
- 1つの巨大なモデルをVRAM不足で動かせないことを、複数GPUの合算で解決したい人
- パブリックベータの粗さを許容できない人(スケジューラーがGPU性能差を考慮しないなど既知の制限が残る)
ローカルLLMやAI画像生成そのものを本格的に動かす1台を新しく組みたい場合、PAIRは1台あたりの性能不足を解決する手段ではない点に注意してください。PAIRはあくまで、すでに手元にある複数のPCを連携させて、独立したリクエストを並列で処理させる仕組みです。
FAQよくある質問
まとめまとめ｜負荷分散ツールであってVRAM合算ツールではない
NVIDIAは2026年9月3日、IFA 2026にあわせて無料オープンソースツール「PAIR(Personal AI Router)」を発表しました。自宅ネットワーク上の対応PCを自動検出し、AIエージェントの推論リクエストを空いているGPUへ振り分けて並列実行させる仕組みで、公開されたベンチマークでは5体のサブエージェントによる作業がおよそ半分の時間に短縮されています。
一方で、公式ドキュメントが明記する通り、PAIRは複数GPUのVRAMを合算するツールではありません。あくまで独立したリクエストをノード単位で振り分ける負荷分散の仕組みであり、1つの大きなモデルを動かせない環境の解決策にはならない点は誤解しないよう注意してください。
対応ハードウェアはGeForce RTX 20シリーズ以降・RTX PROワークステーションGPU・DGX Spark・Apple M4以降のシリコンで、AMD Radeonは含まれません。自宅に対応するPCやMacが複数台あり、Ollama・LM StudioでローカルLLMやAIエージェントを動かしている人には試す価値がありますが、v0.1.1のパブリックベータという段階である点は踏まえておく必要があります。
※本記事の情報は2026年9月7日時点のNVIDIA公式発表・GitHub公式リポジトリにもとづきます。
あわせて読みたい
