AI-tools
Nvidia laat pc's en Apple-chips samen AI-taken uitvoeren met nieuwe tool PAIR
Nvidia's nieuwe opensourcetool PAIR verdeelt AI-rekenwerk over toestellen in je eigen netwerk, ook als die geen Nvidia-chip hebben.
Op basis van TechCrunch en Tweakers
Samengesteld met AI-assistentie uit de onderstaande bronnen, onder redactie van Frederiek Pascal. Hoe dit werkt
In het kort
- Nvidia brengt PAIR uit: opensourcesoftware die AI-rekenwerk verdeelt over apparaten in hetzelfde netwerk.
- PAIR werkt niet alleen met Nvidia-videokaarten, maar ook met chips van andere merken, zoals Apple's M4 en nieuwer.
- De software draait bovenop bestaande programma's als Ollama en LM Studio en dient zelf enkel als verkeersregelaar.
- Nvidia testte PAIR met 18 gpu's tegelijk en verwacht dat grotere netwerken ook kunnen werken.
- Voor een Vlaamse kmo is dit vooral relevant als je AI liever op eigen toestellen laat draaien dan in de cloud.
Nvidia heeft een nieuwe opensourcetool uitgebracht die de rekenkracht van meerdere apparaten in hetzelfde netwerk bundelt om AI-taken sneller uit te voeren. De software heet Personal AI Router, of PAIR, en is nu als betaversie te downloaden. Ze werkt niet alleen met Nvidia’s eigen videokaarten, maar ook met chips van andere fabrikanten, waaronder recente Apple-computers.
Wat doet PAIR precies?
PAIR speurt je lokale netwerk af naar apparaten met AI-rekenkracht, zoals een computer met een videokaart of een Mac met een recente processor. Vervolgens verdeelt de software een AI-taak over die apparaten, rekening houdend met hoeveel rekenkracht elk toestel heeft. Is een videokaart al bezig met iets anders, bijvoorbeeld een spel, dan laat PAIR die met rust en stuurt het de taak naar een ander toestel.
Belangrijk is dat PAIR zelf geen AI-model draait. Dat blijft het werk van programma’s die je waarschijnlijk al kent als je lokaal met AI experimenteert, zoals Ollama of LM Studio. PAIR is enkel de verkeersregelaar die bepaalt welk toestel welk stukje werk krijgt.
Waarom zou een bedrijf hieraan iets hebben?
De reden dat Nvidia dit bouwt, ligt bij zogenoemde AI-agents: AI-systemen die een taak opknippen in kleinere deeltjes en die vervolgens gelijktijdig laten uitvoeren door meerdere kleinere hulpprogramma’s, in plaats van alles na elkaar te doen. Met PAIR kunnen die deeltaken parallel over verschillende toestellen lopen, wat volgens Nvidia tijd bespaart tegenover één systeem dat alles achter elkaar afhandelt.
Voor de doorsnee kmo is dit voorlopig eerder iets voor wie zelf, of via de IT-dienst, experimenteert met AI die lokaal draait in plaats van via een clouddienst van bijvoorbeeld OpenAI of Google. Dat kan interessant zijn als je gevoelige bedrijfsgegevens liever niet naar een externe server stuurt.
Werkt het ook zonder dure Nvidia-hardware?
Ja. Nvidia benadrukt zelf dat PAIR ook werkt met gpu’s van andere merken en met de chips in recente Apple-computers, vanaf de M4-generatie. Bij Nvidia’s eigen kaarten werkt het al vanaf een oudere generatie, de RTX 20-serie. Dat betekent dat je geen splinternieuwe machine nodig hebt om mee te doen: ook een paar oudere kantoorcomputers met een geschikte videokaart kunnen samen een klein netwerk vormen.
Nvidia zegt PAIR getest te hebben met achttien gpu’s tegelijk, en verwacht dat grotere combinaties in theorie ook mogelijk zijn. Onafhankelijke tests van hoe groot zo’n netwerk in de praktijk kan worden, of hoeveel tijdwinst dit concreet oplevert, zijn er voorlopig niet.
Waar is het beschikbaar?
PAIR draait op Windows 11, Ubuntu, macOS en Nvidia’s eigen DGX-besturingssysteem. Het gaat nog om een betaversie: fouten en beperkingen zijn dus niet uitgesloten, en Nvidia geeft geen tijdslijn voor een stabiele versie.
De bredere context is dat Nvidia de voorbije periode meerdere stappen zette om niet enkel chips te verkopen, maar een groter deel van de AI-keten in handen te krijgen, van software-overnames tot investeringen in andere hardwarebedrijven. PAIR past in die strategie: het houdt gebruikers, ook wie geen Nvidia-kaart heeft, binnen software die van Nvidia komt.
Wat betekent dit voor jou
Lokale AI wordt haalbaarder zonder cloudabonnement
- Bedrijven met gevoelige klantgegevens Wie AI liever niet via een externe cloudserver laat verwerken, krijgt met tools als PAIR een manier om bestaande computers in huis te bundelen in plaats van te investeren in één zware machine.
- Kmo's zonder eigen IT-expertise PAIR is nog een technische betaversie die je zelf moet installeren en afstemmen op meerdere toestellen, dus zonder iemand die daar tijd in steekt, verandert er voorlopig niets aan je dagelijkse AI-gebruik.
- Bedrijven die nu al voor cloud-AI betalen Op langere termijn kan lokaal draaiende software zoals PAIR de kostenafweging tussen een AI-abonnement en eigen hardware verschuiven, al ontbreken nog onafhankelijke cijfers over de werkelijke besparing.
Veelgestelde vragen
Wat is Nvidia PAIR precies?
PAIR is opensourcesoftware van Nvidia die AI-rekentaken verdeelt over meerdere apparaten binnen hetzelfde netwerk. Het draait zelf geen AI-model, maar stuurt het werk door naar bestaande programma's zoals Ollama of LM Studio op de aangesloten toestellen. Zo kunnen meerdere computers samen sneller een AI-taak afhandelen dan één toestel alleen.
Heb ik een Nvidia-videokaart nodig om PAIR te gebruiken?
Nee. PAIR werkt met Nvidia-gpu's vanaf de RTX 20-serie, maar ook met chips van andere merken. Nvidia noemt specifiek Apple-computers met een M4-chip of nieuwer als voorbeeld. Je kunt dus meerdere, verschillende toestellen in je netwerk combineren, zolang ze over voldoende AI-rekenkracht beschikken.
Wat kost PAIR?
De bronnen geven geen prijsinformatie. Wel staat vast dat het gaat om opensourcesoftware die nu als betaversie te downloaden is. Over eventuele kosten voor bijvoorbeeld ondersteuning of verdere versies is niets bekend, dus daar kunnen we op basis van het beschikbare materiaal geen uitspraak over doen.
Is dit relevant voor een klein bedrijf zonder eigen IT-afdeling?
Voorlopig vooral als je zelf al met lokale AI experimenteert of iemand in dienst hebt die dat doet. PAIR is technische software die je zelf moet installeren en configureren op meerdere toestellen. Voor de meeste kmo's blijft een kant-en-klare clouddienst voorlopig eenvoudiger, tenzij privacy een reden is om AI liever lokaal te draaien.
Wat is het verband met Nvidia's bredere AI-strategie?
Nvidia zette de voorbije tijd meerdere stappen om niet enkel chips te leveren, maar een groter deel van de AI-keten te controleren, onder meer via overnames en investeringen in andere hardwarebedrijven. PAIR past daarin: het bindt ook gebruikers zonder Nvidia-videokaart aan software van Nvidia, wat het bedrijf een grotere rol geeft in hoe AI lokaal draait.