• NVIDIAが家庭やオフィスの複数PCを1つのAI処理拠点にまとめる無料ツール「PAIR」を2026年9月3日に公開
  • 3台つないだデモでは、AIエージェントの作業時間が18分から8分48秒へ短縮
  • OllamaやLM Studioとそのまま繋がるので、アプリ側の設定変更はほぼ不要
  • ただしVRAMを合体させる機能はなく、巨大モデルを分割して動かすことはできない
  • データが家庭内ネットワークから出ないため、情報漏えいを警戒する日本企業とも相性がいい

自宅やオフィスに、電源は入っているのに何もしていないPCはありませんか。NVIDIAはその「遊んでいるGPU」に目をつけました。2026年9月3日に公開された無料ツール「PAIR」は、ネットワーク内のPCを自動で見つけてAIの処理を配り、1台では18分かかった作業を8分48秒に縮めます。何ができて何ができないのか、実際の数字で見ていきます。

NVIDIA「PAIR」とは何か

PAIRは「Personal AI Router（パーソナルAIルーター）」の略です。日本語にすると「個人用のAI振り分け係」といった意味になります。

NVIDIAは2026年9月3日、ドイツ・ベルリンで開かれた家電見本市IFA 2026でこれを発表しました。現在はベータ版（試験公開版）で、完全に無料、しかもソースコードが公開されたオープンソースです。

やっていることはシンプルです。同じWi-Fiやルーターにつながっている複数のPCを見つけ出し、AIへの命令を手が空いている端末に回します。

これまでローカルAI（自分のPCの中だけで動くAI）を使う人は、1台のマシンにすべてを背負わせていました。AIに5つの仕事を同時に頼めば、1台のGPUが順番待ちの行列をさばくことになります。

NVIDIAが指摘したのは、その裏で別の部屋のPCが何もしていないという事実です。同社によると、米国の世帯の半数以上が2台以上のPCを持っています。日本でも、家族それぞれのノートPCに加えて、少し前に使っていたデスクトップが押し入れで眠っている、という家庭は珍しくないはずです。

PAIRはその眠っている計算力を、ケーブルを買い足すことなく引っ張り出します。

18分が8分48秒に　3台デモの中身

NVIDIAが示した数字は具体的です。

テストに使われたのは、AIエージェント（人の代わりに複数の作業を自分で進めるAI）を動かすアプリ「Hermes Desktop」でした。ここで5体のサブエージェントを同時に走らせるという、なかなか重たい課題を出しています。

結果はこうです。

  • RTX Sparkノート1台のみ：約18分
  • 3台構成（RTX Spark＋DGX Spark＋RTX 5090）：8分48秒

ざっと2倍の速さです。5体のエージェントが1台の前で順番待ちしていたのが、3台に散らばって同時に動き出した、という差になります。

ここは冷静に見ておきたい点もあります。NVIDIA自身が、これは特定の環境で行った非公式なデモであり、一般的なベンチマーク（性能測定の基準値）ではないと明記しています。

つまり「どんな環境でも必ず2倍になる」という保証ではありません。効果の大きさは、あとで説明する条件によってかなり変わります。

仕組みを3ステップで分解する

PAIRの動きは、大きく3つの段階に分かれます。

①ネットワーク内のPCを自動で見つける

PAIRはmDNSという仕組みでノード（参加しているPC）を探します。

mDNSは、同じネットワークにいる機器がお互いに「ここにいます」と名乗り合う技術です。プリンターをPCにつなぐとき、IPアドレスを打ち込まなくても勝手に一覧に出てくる、あの仕組みと同じ系統だと思ってください。

だからユーザーが各PCのアドレスを手で登録する必要はありません。PAIRを入れて起動すれば、あとは向こうから見つけてくれます。

通信はmTLSで暗号化されます。これは通信する2台がお互いに身元証明書を見せ合う方式で、家庭内ネットワークに侵入した見知らぬ端末が勝手に処理を横取りすることを防ぎます。

②空いている端末にリクエストを振り分ける

次が本体の機能です。AIへの命令が届くと、PAIRは3つを見て行き先を決めます。

  • そのPCで推論エンジン（AIを動かすソフト）が起動しているか
  • 頼まれたモデルがそのPCに入っているか
  • 今どれくらい忙しいか

条件を満たしていて、いちばん手が空いている1台に投げる。これがPAIRの判断です。使っていないノードはスリープや電源オフにしておくこともできます。

③アプリ側の設定はほぼ変えなくていい

実はここが、地味ですが一番大きい部分かもしれません。

PAIRはOllama互換およびOpenAI互換のエンドポイントとして振る舞います。エンドポイントとは、アプリがAIに話しかける「窓口の住所」のことです。

Ollamaが普段使うhttp://127.0.0.1:11434という窓口を、PAIRがそのまま引き継ぎます。アプリから見れば、いつもの窓口に話しかけているだけです。その裏で処理が別のPCに飛んでいることは知りません。

すでにOllamaやLM Studioで組んだ自作ツールがあるなら、コードを書き換えずにそのまま速くできる可能性がある、ということです。

使う前に知っておきたい制約

VRAMは合体しない

ここを誤解すると、期待外れになります。

NVIDIAは公式に、PAIRは複数GPUのVRAMを1つの大きなメモリとして束ねることはしない、そして1つのモデルを分割したり、1回の推論を複数マシンにまたがせたりはしないと明記しています。

VRAMはGPUが持つ専用メモリで、AIモデルはこの中に丸ごと収まらないと動きません。24GBのGPUを3台持っていても、PAIRで72GBのモデルが動くようにはならないのです。

PAIRが増やすのは同時に処理できる独立したタスクの数であって、1つのタスクの限界サイズではありません。

逆に言えば、AIエージェントに5つの調べ物を同時に頼むような使い方には、まさにハマる設計です。

対応ハードウェアの条件

参加できるPCには条件があります。

  • GPU：GeForce RTX 20シリーズ以降、RTX PRO（Turing世代以降）、DGX Spark、AppleのM4チップ以降
  • OS：Windows 11、macOS、Linux、DGX OS
  • メモリ：8GB以上
  • ストレージ：20GB以上の空き
  • インターネット：動作中は不要（モデルのダウンロード時のみ必要）

RTX 20シリーズは2018年発売なので、対応の裾野はかなり広めです。加えてApple M4以降のMacも混ぜられるため、WindowsデスクトップとMacBookが同じ家にある環境でも組めます。

最後の「動作中はインターネット不要」は、地味に効きます。一度モデルを落としてしまえば、あとは外部と一切通信せずに動くという意味だからです。

exoやOllama単体と何が違うのか

分散推論（複数の機械でAIを動かすこと）のツールは、PAIRが初めてではありません。代表格がexoです。

両者は似ているようで、目指す方向が正反対に近いです。

  • exo：1つの大きなモデルを複数マシンに切り分けて動かす。単体では載らない巨大モデルを動かすのが目的
  • PAIR：モデルは切り分けず、別々のリクエストを別々のマシンに配る。同時処理の本数を増やすのが目的

exoでは実際に、DGX Spark 2台とMac Studioを組み合わせて2.8倍の性能向上を示したデモも報告されています。ただしexoはNVIDIA GPUへの対応が本流から外れた時期があり、CUDA（NVIDIA GPUを使うための仕組み）での動作はコミュニティ製の派生版に頼る場面がありました。

PAIRはNVIDIA公式で、RTX GPUが素直に一級市民として扱われます。ここは安心材料でしょう。

ではOllama単体と比べるとどうか。Ollamaは1台のPCでAIモデルを動かすためのソフトです。PAIRはOllamaを置き換えるものではなく、複数台のOllamaの前に立つ受付として働きます。だから両方を使うことになります。

整理すると、こう選ぶことになります。

  • 手持ちのGPUに載らない巨大モデルを動かしたい → exo
  • 複数のAIタスクを同時にさばきたい、NVIDIA GPU中心 → PAIR
  • 1台だけで完結していて十分 → Ollama単体のまま

日本のユーザーと企業にとって何が変わるか

日本での意味合いは、2つの方向から考えられます。

1つ目はコストの話です。ローカルAI用の機材は、日本では決して安くありません。

DGX Sparkは正規法人ルートで税込909,700円、OEM互換機でも83万円台からという水準です。RTX 5090単体でも実勢70万円台から90万円台で推移しています。

この状況で「もう1台の高いマシンを買う」以外の選択肢が出てきた意味は小さくありません。押し入れのRTX 3060搭載PCと、家族のM4 MacBook Airと、仕事用のデスクトップ。これらを足し算できるなら、追加投資はゼロ円です。

2つ目は情報漏えい対策の文脈です。こちらのほうが日本企業には響くかもしれません。

実際、社員が私用の生成AIに顧客の個人情報をアップロードしてしまう事故は、2026年に入っても国内で起きています。だからこそ、製造業や金融を中心にオンプレミス（自社内設置）のローカルLLM導入支援サービスが立ち上がってきました。

ある地方の設計事務所を想像してみてください。図面や見積書をクラウドAIに投げるのは、契約上どうしても許可が下りない。かといって数百万円のAIサーバーを買う体力もない。

そこに、事務所内にすでにあるRTX搭載のCAD用ワークステーション3台があったとします。PAIRなら、この3台を業務時間外にAI処理の受け皿として束ねられます。データは事務所のLANから一歩も出ません。

もう1つ、教育現場のケースも考えられます。生徒の作文を大量にAIで下読みさせたい教員がいたとして、個人情報を外部サービスに出すことは校則で禁じられている。PC教室に並ぶ端末が対応GPUを積んでいれば、放課後にその教室ごと1つのAI処理拠点にできます。

ただし注意も必要です。PAIRは一般家庭の無線LANを前提に設計されていますが、企業の社内ネットワークではmDNSがセグメント間で遮断されている構成も多くあります。導入前に情報システム部門への確認は欠かせません。

よくある質問（FAQ）

Q1. PAIRは本当に無料ですか。あとから課金されませんか。

A. 無料です。しかもオープンソースとしてソースコードが公開されており、GitHubのNVIDIA公式リポジトリから入手できます。現時点でベータ版のため、今後の仕様変更はあり得ます。

Q2. GPUを積んでいない普通のノートPCも参加できますか。

A. できません。RTX 20シリーズ以降のNVIDIA GPU、RTX PRO、DGX Spark、またはApple M4以降が条件です。内蔵グラフィックスのみの古いノートPCは対象外です。

Q3. 3台つなげば必ず処理が3倍速くなりますか。

A. なりません。PAIRは1つの仕事を分割するのではなく、複数の仕事を配る仕組みです。頼む仕事が1本しかなければ、速度は1台のときとほぼ変わりません。効果が出るのは、AIエージェントのように同時に複数の処理が走る使い方です。

Q4. 手持ちの24GB GPUを3枚束ねて、大きなモデルを動かせますか。

A. 動かせません。NVIDIAはVRAMのプール化とモデル分割を行わないと明言しています。1つのモデルは、あくまで1台のGPUに収まる必要があります。この用途にはexoなど別のツールが向きます。

Q5. 家族が使っているPCを勝手に巻き込んでしまいませんか。

A. 参加するにはそのPCにPAIRを入れて起動する必要があります。何もしていないPCが自動的に組み込まれることはありません。通信もmTLSで相互認証されます。

Q6. すでにOllamaで作った自作ツールは書き直しが必要ですか。

A. 原則として不要です。PAIRはOllama互換・OpenAI互換の窓口として動くため、接続先ポートが同じであればアプリ側はそのまま使えます。

まとめ

  • NVIDIAが2026年9月3日、IFA 2026で無料・オープンソースの「PAIR」を公開した
  • ネットワーク内の対応PCをmDNSで自動検出し、AIの処理を空いている端末に振り分ける
  • 5サブエージェントのデモで、1台18分の作業が3台構成で8分48秒に短縮された（NVIDIAは非公式デモと明記）
  • Ollama・LM Studio互換のため、既存アプリの改修はほぼ不要
  • VRAMの合体とモデル分割はできない。増えるのは同時処理の本数であってモデルの上限サイズではない
  • 対応はRTX 20シリーズ以降、RTX PRO、DGX Spark、Apple M4以降。メモリ8GB・空き20GBが目安
  • 動作中はインターネット不要。データが自宅・社内から出ないため、情報漏えいを避けたい日本企業とも相性がいい

まずは手元のPCがRTX 20シリーズ以降かどうかを確認し、対応機が2台以上あるならベータ版を入れて、いつものAIエージェントを走らせてみるところから始めてみてください。

参考文献