NVIDIA PAIR中文部署完全指南把家里电脑串成AI算力集群2026年9月3日英伟达开源了Personal AI RouterPAIR——一款能在局域网内自动调度AI推理请求的个人AI路由器。它不是模型不生成内容但能让你的RTX 4090台式机、吃灰的MacBook Pro、室友的M3 Ultra笔记本协同工作单机18分钟的AI任务多设备协同压到8分48秒。本文是全网首份中文部署教程从环境准备到设备配对到效果验证手把手讲清楚。一、PAIR是什么——以及它解决了什么问题PAIR的定位很简单局域网内的AI请求调度员。你家可能有一台主力PCRTX 4090、一台旧笔记本GTX 1660 Ti、一台MacBook ProM3 Pro。它们各自装了Ollama或LM Studio但彼此不认识——你想跑Qwen 35B只能盯着主力机的显存条发愁 meanwhile那台旧笔记本的6GB显存在吃灰。PAIR干的事自动发现局域网内所有已装PAIR的设备实时监控每台设备的GPU显存、CPU负载、内存余量、模型加载状态然后把你的AI请求分发给最闲的那台设备。它不替代任何现有工具Ollama照常加载GGUFLM Studio继续拖拽模型文件PAIR只做一件事——把请求路由到对的机器上。核心优势数据完全不出内网连路由器都不用联网最多支持18个节点同时在线mTLS加密通信6位验证码配对三种路由策略最快空闲优先、显存匹配优先、低功耗优先二、硬件与系统要求支持的设备平台最低要求推荐配置特殊说明WindowsRTX 20系及以上RTX 40/50系驱动≥v555.42需NVIDIA GPUmacOSApple M4及以上M4 Pro/Max/UltraM1/M2需Rosetta2兼容层LinuxUbuntu 24.04服务器版或工作站版需NVIDIA Container Toolkit通用要求内存至少8GB每台设备磁盘建议20GB用于PAIR本身模型缓存网络所有设备必须在同一局域网WiFi或有线均可推理引擎Ollama或LM Studio至少安装其一不支持的情况AMD显卡当前版本仅支持NVIDIA GPU的Windows/Linux设备macOS Intel芯片仅Apple Silicon M4及以上无GPU的设备可作为纯CPU节点加入但不建议三、Windows端安装部署步骤1确认环境右键此电脑→属性确认Windows 10/11 64位NVIDIA驱动版本≥v555.42右键桌面→NVIDIA控制面板→系统信息→驱动程序版本已安装Ollama或LM Studio驱动版本不够去nvidia.cn/drivers下载最新Game Ready驱动。步骤2下载PAIR打开PowerShell或CMD# 创建安装目录mkdir C:\AI-Tools\PAIR cd C:\AI-Tools\PAIR# 克隆仓库git clone https://github.com/NVIDIA/PAIR.git cd PAIR没有git先去git-scm.com下载安装。步骤3安装依赖PAIR需要Python 3.10和pip# 检查Python版本python--version# 如果低于3.10去python.org下载安装# 创建虚拟环境推荐python-m venv venv venv\Scripts\activate# 安装依赖pip install-r requirements.txtWindows用户特别注意如果安装过程中出现Microsoft Visual C相关报错先安装Build Tools。步骤4启动PAIR# 进入PAIR目录已在虚拟环境中cd C:\AI-Tools\PAIR\PAIR# 启动PAIR服务python-m pair.server首次启动会生成配对验证码记下这个6位数字。同时终端会显示本地IP地址如192.168.1.105。步骤5加入防火墙规则Windows Defender可能会拦截PAIR的mDNS广播。如果其他设备发现不了这台机器# 以管理员身份运行PowerShellNew-NetFirewallRule-DisplayNamePAIR-mDNS-Direction Inbound-Protocol UDP-LocalPort 5353-Action AllowNew-NetFirewallRule-DisplayNamePAIR-TCP-Direction Inbound-Protocol TCP-LocalPort 8080-8090-Action Allow四、macOS端安装部署步骤1确认芯片点击左上角苹果图标→关于本机如果是M4/M4 Pro/M4 Max/M4 Ultra/M3 Ultra——原生支持如果是M1/M2/M3——需要安装Rosetta 2# M1/M2/M3用户执行softwareupdate --install-rosetta --agree-to-license步骤2安装Homebrew如果还没有/bin/bash-c$(curl-fsSLhttps://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)步骤3安装依赖# Python 3.10brewinstallpython3.10# Gitbrewinstallgit步骤4下载并启动PAIR# 创建目录mkdir-p~/AI-Toolscd~/AI-Tools# 克隆仓库gitclone https://github.com/NVIDIA/PAIR.gitcdPAIR# 创建虚拟环境python3-mvenv venvsourcevenv/bin/activate# 安装依赖pipinstall-rrequirements.txt# 启动服务python-mpair.servermacOS的mDNS服务Bonjour是原生支持的通常不需要额外配置防火墙。五、Linux端安装部署Ubuntu 24.04步骤1安装NVIDIA Container Toolkit这是Linux用户最容易卡住的地方。PAIR依赖容器化环境来调度GPU资源。# 添加NVIDIA包仓库distribution$(./etc/os-release;echo$ID$VERSION_ID)curl-s-Lhttps://nvidia.github.io/nvidia-docker/gpgkey|sudoapt-keyadd-curl-s-Lhttps://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list|sudotee/etc/apt/sources.list.d/nvidia-docker.list# 安装curl-s-Lhttps://nvidia.github.io/libnvidia-container/stable/deb/$(dpkg --print-architecture)|sudotee/etc/apt/sources.list.d/nvidia-container-toolkit.listsudoapt-getupdatesudoapt-getinstall-ynvidia-container-toolkit# 配置Docker使用NVIDIA运行时sudonvidia-ctk runtime configure--runtimedockersudosystemctl restartdocker步骤2安装PAIR# 基础依赖sudoaptupdatesudoaptinstall-ypython3.10 python3.10-venv python3-pipgit# 克隆仓库cd~/gitclone https://github.com/NVIDIA/PAIR.gitcdPAIR# 虚拟环境python3-mvenv venvsourcevenv/bin/activate pipinstall-rrequirements.txt# 启动python-mpair.server步骤3防火墙放行如果开了ufwsudoufw allow5353/udp# mDNSsudoufw allow8080/tcp# PAIR APIsudoufw allow8090/tcp# PAIR Web UI六、设备配对流程这是PAIR最简洁的一步——也是它设计上最聪明的地方。自动发现mDNS同一WiFi下只要两台设备都运行着PAIR服务它们会自动看见彼此。打开任意一台设备的PAIR Web界面http://localhost:8080在Nodes页面能看到局域网内的其他PAIR节点。手动配对6位验证码如果自动发现失败比如某些路由器屏蔽了mDNS广播在主设备你想用来发请求的设备上打开PAIR Web界面点击Add Node→Manual Pairing输入目标设备的IP地址和6位验证码点击Pair验证配对成功配对完成后Web界面的Nodes列表会显示设备名称平台Windows/macOS/LinuxGPU型号和显存当前负载状态已加载的模型列表绿灯 在线且空闲黄灯 在线但忙碌灰灯 离线七、Ollama和LM Studio接入配置PAIR本身不跑模型它需要知道你的设备上有什么推理引擎、加载了什么模型。Ollama配置Ollama默认监听127.0.0.1:11434PAIR需要知道这一点# 编辑PAIR配置文件在每个节点上执行nano~/.pair/config.yaml添加engines:ollama:host:127.0.0.1port:11434enabled:true保存后重启PAIR服务# WindowsCtrlC 然后重新运行 python-mpair.server# macOS/LinuxCtrlC 然后重新运行 python-mpair.serverPAIR会自动扫描该Ollama实例上已下载的所有模型并同步到其他节点可见。LM Studio配置LM Studio需要开启API服务器模式打开LM Studio左侧栏→Developer→勾选Enable API Server默认端口是1234保持默认即可在PAIR的config.yaml中添加engines:lmstudio:host:127.0.0.1port:1234enabled:true模型一致性检查PAIR会显示每个节点上可用的模型列表。只有当一个请求所需的模型在目标节点上已下载时该节点才会被纳入调度范围。建议在主要节点上统一下载常用模型如Qwen3.8、Llama 3.1、DeepSeek-V3这样调度器有更多选择。八、路由策略选择与优化PAIR提供三种路由策略在Web界面的Settings→Routing Strategy中切换1. 最快空闲优先默认把请求发给当前响应最快的空闲节点。适合多用户同时提问、追求低延迟的场景。2. 显存匹配优先优先选择显存刚好够用的节点不选显存远大于需求的节点避免大材小用。适合显存资源紧张、需要精细调度的情况。3. 低功耗优先优先调度到笔记本等低功耗设备台式机作为后备。适合在意电费、或者主力机在做其他工作如渲染、游戏时。实际建议日常聊天/写作最快空闲优先低延迟最重要批量文档处理显存匹配优先让每台设备都跑满夜间挂机任务低功耗优先让笔记本扛活台式机休息九、实际效果验证英伟达官方给出的基准数据任务单机RTX Spark3设备协同提速Hermes智能体Qwen 3.6 35B18分钟8分48秒51%多文档并行审阅5个子智能体15分钟6分20秒58%我自己的测试环境Windows 11 RTX 4070 macOS M3 Pro# 在主设备发请求的设备上执行# PAIR会自动路由到合适的节点curlhttp://localhost:8080/v1/chat/completions\-HContent-Type: application/json\-d{ model: qwen3.8:14b, messages: [{role: user, content: 写一段Python快速排序}] }PAIR的响应头里会包含X-Pair-Node字段告诉你这次请求被发到了哪台设备上——方便你验证调度是否生效。十、常见问题与排障Q1设备互相发现不了排查清单确认所有设备在同一WiFi/网段192.168.1.x这种检查防火墙是否放行UDP 5353mDNS某些家用路由器会屏蔽mDNS尝试手动IP配对Windows用户检查专用网络是否选成了公用网络控制面板→网络和共享中心Q2模型明明下载了但PAIR显示模型不可用PAIR只认它启动时扫描到的模型。Ollama新下载模型后需要重启PAIR服务让它重新扫描。Q3请求被发到错误的设备上检查该设备的config.yaml中engines配置是否正确。LM Studio用户特别容易忘记开API Server。Q4macOS M1/M2报错架构不匹配确认Rosetta 2已安装softwareupdate --install-rosetta --agree-to-licenseQ5Linux报错nvidia-container-toolkit not found按步骤五重新安装NVIDIA Container Toolkit特别注意sudo nvidia-ctk runtime configure --runtimedocker这一步。Q6最多能加多少台设备官方标称18个节点。但实际测试中家庭局域网环境下6-8台设备是甜点区——再多mDNS广播会有性能衰减。十一、进阶玩法场景1主力机渲染时AI请求自动转给副机设置路由策略为低功耗优先主力机高功耗的优先级自动降低AI请求流向闲置的副机或笔记本。场景2不同设备跑不同模型台式机24GB显存跑Qwen 3.8 72B、DeepSeek-V3笔记本8GB显存跑Qwen 3.8 7B、Llama 3.1 8BMacBook统一内存36GB跑MLX优化版模型PAIR会根据请求中的模型名称自动路由到有该模型的设备。场景3与Home Assistant联动已有开发者预告将发布PAIR for Home Assistant插件——让AI调度与智能家居场景联动。比如家里没人时所有设备全力跑AI有人回家打开游戏时自动降低PAIR优先级。网盘资源区以下网盘包含PAIR的安装包、预配置模板和本文涉及的Ollama/LM Studio整合包工具直达链接部署指南合集夸克网盘整合包/模型/工作流工具直达链接部署指南合集百度网盘本文数据截至2026年9月5日。PAIR目前为测试版GitHub仓库已开放github.com/NVIDIA/PAIR采用Apache 2.0许可证。Windows和macOS的图形界面版本已经可用Linux用户目前主要使用终端界面。PAIR不是魔法——它不能把GTX 1660变成RTX 4090但它能让你的1660在4090忙的时候顶上来不让任何一瓦算力浪费。