Nvidia ha rilasciato in beta open source Personal AI Router, o PAIR, un software pensato per instradare le richieste AI locali verso il computer disponibile all’interno della stessa rete.
Il progetto funziona su Mac con chip M4 o successivi, su PC con GPU Nvidia RTX e sui sistemi DGX Spark. L’obiettivo non è accelerare automaticamente una singola risposta generata dal modello, ma gestire meglio i carichi concorrenti, per esempio quando più agenti AI devono eseguire attività indipendenti in parallelo.
PAIR semplifica la gestione dell’AI locale su più computer
PAIR si presenta come un orchestratore per la rete locale: rileva i computer associati, verifica quali siano liberi e assegna a ciascuna richiesta la macchina più adatta in quel momento. Il modello continua comunque a essere eseguito sul dispositivo di destinazione tramite Ollama o LM Studio, quindi il software non sostituisce l’inferenza locale ma ne coordina l’uso.
In pratica, questa modalità evita di dover impostare manualmente ogni singolo client AI su tutte le macchine disponibili. Se un computer è occupato o offline, le nuove richieste possono essere deviate su un altro sistema già abbinato. È un approccio utile in casa, in studio o in piccoli ambienti di lavoro dove si vogliono sfruttare insieme Mac, notebook RTX e workstation senza complicare troppo la configurazione.
Il vantaggio si vede con task paralleli e agenti multipli
Nvidia chiarisce un punto importante: aggiungere più computer alla rete non rende più veloce in automatico la singola risposta di un modello. Il beneficio emerge soprattutto quando il carico può essere suddiviso in attività indipendenti, come la revisione di più documenti da parte di agenti AI separati oppure flussi di lavoro con più sotto-processi eseguiti in contemporanea.
Nella dimostrazione mostrata da Nvidia, l’ambiente Hermes con Ollama e il modello Qwen 3.6 35B A3B ha distribuito il lavoro tra cinque sotto-agenti. Usando solo un portatile RTX Spark, il tempo medio di completamento è stato di 18 minuti. Affiancando anche un sistema DGX Spark e una macchina con RTX 5090, il tempo medio è sceso a 8 minuti e 48 secondi.
Tra i dati collegati spiccano prezzi GPU in forte crescita e notebook RTX Spark da 24 GB
La novità arriva mentre l’hardware Nvidia continua a muoversi su fasce di prezzo molto elevate. Tra i riferimenti collegati alla notizia viene segnalato che la GeForce RTX 5090 si sta avvicinando ai 5.090 dollari, pari a circa 4.700 euro, con un sovrapprezzo medio del 136% rispetto al listino suggerito.
Sempre nello stesso contesto viene citato anche il notebook Asus ProArt P14 basato su piattaforma RTX Spark, con memoria unificata a partire da 24 GB. Non è un listino completo del software, che resta open source in beta, ma aiuta a inquadrare il tipo di ecosistema a cui Nvidia sta guardando: strumenti locali.
