NVIDIA PAIR 소개: 여러 PC의 로컬 AI 작업을 연결하는 앱
PAIR와 추론 엔진·모델의 역할, 지원 환경, 비용과 여러 PC를 연결할 때의 한계를 공식 문서로 살펴봐요.
마지막 업데이트
메뉴나 지원 기능이 달라졌다면 아래 자료 확인일과 현재 앱 버전을 함께 봐주세요.

노트북에서 AI 작업을 요청하면서 옆 데스크톱도 함께 쓸 수 있을까요? NVIDIA Personal AI Router, 줄여서 PAIR는 같은 네트워크에 있는 컴퓨터를 연결하고, 실행 가능한 컴퓨터로 AI 요청을 보내주는 앱이에요. 여러 모델을 쓰는 앱이나 에이전트를 운영할 때 실행 위치를 관리하는 역할을 해요. 여기서는 설치 전에 알아둘 개념과 사용 조건을 먼저 살펴볼게요.
PAIR, 엔진, 모델은 각각 무엇을 하나요?
글을 쓰거나 질문에 답하는 것은 모델이에요. 그 모델을 메모리에 올리고 실제 계산을 수행하는 프로그램이 Ollama·LM Studio·llama.cpp 같은 추론 엔진이고요. PAIR는 그 앞에서 요청을 받아 어느 컴퓨터의 엔진으로 보낼지 정해요. 호환 앱이나 에이전트는 PAIR가 제공하는 로컬 주소로 요청을 보내면 돼요.
예를 들어 서로 독립적인 문서 요약 요청 세 개를 처리하려는 상황을 생각해볼게요. 같은 모델이 준비된 두 PC를 연결했다면 PAIR가 실행 가능한 노드를 골라 각각의 요청을 전달할 수 있어요. 여기서 노드는 참여하는 컴퓨터 한 대를 뜻해요. 요약할 파일을 자동으로 찾아주거나 작업 순서를 만드는 기능까지 이 연결만으로 생기는 것은 아니므로, 문서를 읽고 요청을 만드는 앱은 별도로 필요해요. 이 예시는 활용 상황에 대한 설명이며 실제 처리 결과를 측정한 것은 아니에요.
| 구성 요소 | 담당하는 일 | 준비할 때 확인할 것 |
|---|---|---|
| 클라이언트 앱·에이전트 | 입력을 만들고 답변을 받아요 | 주소와 모델 이름을 지정할 수 있는지 |
| PAIR | 요청을 받을 주소와 PC 간 연결을 관리해요 | 서비스 상태, 연결된 노드, Jobs |
| 추론 엔진 | 모델을 실행해 답변을 만들어요 | 운영체제·GPU·드라이버 지원 |
| 모델 | 실제 언어 처리에 사용할 가중치예요 | 메모리, 다운로드 용량, 이용 조건 |
두 PC를 연결하면 무엇이 달라지나요?
가장 먼저 이해할 부분은 독립 요청을 여러 컴퓨터에 나눠 보내는 방식이라는 점이에요. 한 요청은 선택된 컴퓨터 한 대에서 온전히 실행돼요. 여러 GPU의 메모리를 하나로 합치거나 모델 하나를 두 PC에 나눠 올리는 기능은 제공하지 않아요. 한 대에서 실행할 수 없던 모델을 연결만으로 실행할 수 있다고 생각하면 목적과 맞지 않을 수 있어요.
요청을 받을 후보가 되려면 해당 PC에 접근할 수 있고, 호환 엔진이 실행 중이며, 그 엔진의 목록에 요청한 모델이 있어야 해요. PC가 연결돼 보인다는 사실만으로 그 모델을 처리할 준비가 끝난 것은 아니에요. 여러 PC가 같은 모델의 요청을 받을 수 있게 하려면 각각에서 엔진과 모델을 준비해야 해요. 반대로 특정 모델을 가진 PC가 한 대뿐이어도 그 PC로 전달하는 작업은 가능해요.
한 건의 답변 속도가 두 배가 된다는 보장은 없어요. 공식 알려진 문제에는 스케줄러가 GPU 모델, 남은 메모리, 실측 지연 같은 조건을 모두 반영하지 않는다고 나와요. 작은 GPU와 큰 GPU를 섞을 때는 작업이 어느 쪽에서 실행됐는지 살펴봐야 해요. 여러 작업의 총 완료 시간과 한 작업의 답변 시간은 실제 비교할 때 따로 기록하는 편이 좋아요.
그림에서는 Jobs와 PC 카드를 함께 볼 수 있어요. 작업을 전달한 상태인 Sent to와 실제 실행 위치를 뜻하는 Running on / Ran on을 구분해 읽는 것이 핵심이에요. 화면은 개발자 공개 예제이며, 범블비가 이 환경을 직접 구성한 결과는 아니에요.
1.0.0에서 확인한 기능과 배포 형태
2026년 10월 13일 공개된 v1.0.0 릴리스에는 llama.cpp 설치·관리와 Hugging Face GGUF 모델 다운로드, 엔진 실행 옵션 설정, 터미널 Jobs 화면 개선이 포함돼요. 이 글은 해당 버전의 소스 커밋을 기준으로 작성했어요. 이후 개발 중인 기능이나 로드맵을 현재 제공되는 기능으로 섞지 않았어요.
| 항목 | 확인한 내용 |
|---|---|
| 운영체제 | Windows 11, Linux, macOS |
| CPU 구조 | x64·arm64. Windows on ARM은 실험 단계 |
| 설치 배포 | Windows .exe, Linux .deb, macOS .dmg |
| 지원 엔진 | Ollama, LM Studio, llama.cpp |
| 연결 방식 | 같은 로컬 네트워크에서 PC를 페어링 |
| 라이선스 | PAIR는 Apache-2.0 오픈소스 |
앱을 실행할 수 있는 운영체제와 특정 모델을 실행할 수 있는 하드웨어는 서로 다른 조건이에요. PAIR의 플랫폼 목록만 보고 어떤 모델이든 실행된다고 판단하지 말고, 사용할 엔진과 모델의 메모리·드라이버 요구 사항을 확인해주세요. Linux의 일반 설치 파일은 Debian 패키지라서 다른 배포판은 공식 소스 빌드 안내를 따로 확인해야 해요.
비용과 로컬 실행의 범위
PAIR 자체는 무료로 공개돼 있지만 PC, 전기, 모델을 내려받을 저장 공간과 네트워크는 필요해요. 엔진과 모델의 이용 조건도 별도로 적용될 수 있어요. 상업용 작업에 쓸 예정이면 PAIR 라이선스와 모델 라이선스를 각각 읽어보는 것이 좋아요. OpenAI 호환 주소는 요청 형식이 호환된다는 뜻이며, 유료 클라우드 모델 이용권이 함께 제공된다는 뜻은 아니에요.
로컬로 처리되는 범위는 전체 구성에 달려 있어요. 모든 클라이언트·엔진·노드가 로컬일 때 요청과 응답을 로컬 네트워크 안에서 처리하도록 설계됐어요. 하지만 모델 다운로드에는 외부 연결이 필요하고, 연결한 앱이 외부 서비스를 사용한다면 그 통신까지 PAIR가 로컬로 바꾸지는 않아요. 설치 파일 다운로드와 실제 추론 경로를 나눠 생각하면 이해하기 쉬워요.
내 작업에 필요한지 판단해볼게요
이미 여러 PC가 있고 서로 독립적인 AI 작업이 자주 겹친다면 살펴볼 만해요. 앱마다 실행 대상 PC의 주소를 바꾸는 대신, 작업하는 PC의 PAIR 로컬 주소로 연결하고 Jobs에서 처리 위치를 볼 수 있기 때문이에요. 반면 한 PC에서 질문을 가끔 보내는 정도라면 현재 엔진을 직접 사용하는 흐름과 비교해서 추가 설정이 필요한지 먼저 판단해도 좋아요. 이것은 문서에 근거한 범블비의 판단이며 속도나 편의성을 직접 확인한 후기는 아니에요.
처음에는 실제로 사용할 작업 하나를 정해보세요. 모델이 준비돼 있는지, 원하는 앱이 주소와 모델 이름을 지정할 수 있는지, 요청을 보낸 뒤 Jobs에서 실행 위치를 찾을 수 있는지가 첫 확인 항목이에요. 단순히 PC가 두 대 표시됐다는 이유로 준비를 끝내기보다, 응답과 실행 기록을 함께 맞춰보는 편이 도움이 돼요.
다음 글인 첫 요청을 보내고 처리한 PC 확인하기에는 설치부터 입력 파일 저장, 응답 확인과 원격 실행 확인까지 순서대로 정리했어요. 문서 기반 비교 글에서는 엔진 직접 호출과의 차이, 실제 테스트에서 비교해야 할 조건을 더 살펴볼 수 있어요. 이번 소개는 공식 문서·릴리스와 개발자 화면을 확인한 내용이며 설치·추론·속도 비교를 수행한 기록은 없어요.
참고 자료
- https://blogs.nvidia.com/blog/local-ai-rtx-spark-laptops-software-updates/
- https://github.com/NVIDIA/Personal-AI-Router/releases/tag/v1.0.0
- https://www.nvidia.com/en-us/ai-on-rtx/personal-ai-router/
- https://github.com/NVIDIA/Personal-AI-Router/blob/85f523d3624cf1596bdda6e36c28eb8ad3969737/README.md
- https://github.com/NVIDIA/Personal-AI-Router/blob/85f523d3624cf1596bdda6e36c28eb8ad3969737/docs/getting-started.mdx
- https://github.com/NVIDIA/Personal-AI-Router/blob/85f523d3624cf1596bdda6e36c28eb8ad3969737/docs/overview.mdx
- https://github.com/NVIDIA/Personal-AI-Router/blob/85f523d3624cf1596bdda6e36c28eb8ad3969737/docs/known-issues.mdx
- https://github.com/NVIDIA/Personal-AI-Router/blob/85f523d3624cf1596bdda6e36c28eb8ad3969737/docs/engine-settings.mdx
- https://api.github.com/repos/NVIDIA/Personal-AI-Router
- https://github.com/NVIDIA/Personal-AI-Router/pull/27