엔비디아가 집에 놀고 있는 그래픽카드를 묶었습니다 — 무료 오픈소스 PAIR

SVIL - Singularity Visual Intelligence Lab 2026. 09. 05 17 min read

작업실에 그래픽카드가 두 장 있는데 늘 한 장만 뜨겁습니다. 나머지 한 대는 켜져 있어도 놀고 있어요. 이런 경험 있으실 거예요.

엔비디아가 2026년 9월 3일 베를린 IFA에서 PAIR라는 도구를 공개했습니다. Personal AI Router, 우리말로 개인용 AI 라우터예요.

집이나 사무실 네트워크에 있는 컴퓨터들을 하나로 묶어, 로컬 AI 추론 요청을 여유 있는 기계로 자동으로 나눠 보내 주는 소프트웨어입니다. 무료이고 오픈소스예요. 다만 기대하기 쉬운 것 중에 이 도구가 해 주지 않는 일도 분명히 있어서, 그 선까지 함께 짚어 볼게요.

칠흑 같은 공간에 멀찍이 흩어진 매끈한 검은 정육면체들이 저마다 가느다란 청록 선으로 한가운데의 밝은 정육면체와 이어져 있는 개념 이미지 — 흩어진 기기를 하나로 묶는 구조를 표현

방에 놀고 있는 그래픽카드가 있으신가요

로컬에서 AI를 돌리다 보면 한 대에 모든 부담이 몰립니다. 에이전트를 여러 개 띄우면 그 한 대의 GPU가 줄을 서게 돼요.

그런데 집에는 대개 다른 컴퓨터가 한두 대 더 있습니다. 예전에 쓰던 데스크톱, 노트북, 맥북 같은 것들이요.

그 기계들의 GPU는 대부분 놀고 있습니다. PAIR는 정확히 이 자리를 겨냥한 도구예요.

PAIR, 무엇이 나왔나

PAIR는 로컬 네트워크에 있는 호환 기기를 자동으로 찾아내고, 추론 요청이 들어오면 여유가 있는 기계로 보내 주는 라우터입니다.

에이전트 작업을 여러 갈래로 돌릴 때, 한 대에 몰리던 것을 여러 대에 흩어 놓는 것이 목적이에요.

인터넷 연결은 필요하지 않습니다. 모델을 처음 내려받을 때만 필요하고, 그 뒤로는 전부 내부 네트워크 안에서 돌아갑니다.

거대한 매끈한 검은 사면체의 앞면에 청록빛 육각형 세 개가 나란히 박혀 있는 개념 이미지 — 여러 기기를 받아들이는 하나의 창구를 표현

IFA 2026 베를린에서 공개됐습니다

발표 무대는 베를린에서 열린 IFA 2026이었습니다. 원래 가전 전시회로 이름난 행사예요.

엔비디아가 데이터센터 행사가 아니라 소비자 가전 무대에서 이 도구를 공개했다는 점이 흥미롭습니다. 대상이 기업이 아니라 개인이라는 신호니까요.

같은 자리에서 로컬 AI를 겨냥한 하드웨어도 함께 나왔습니다. 소프트웨어와 하드웨어를 묶어 로컬 쪽에 힘을 싣는 발표였어요.

무료 공개 베타에 아파치 2.0 라이선스

PAIR는 무료입니다. 공개 베타로 지금 바로 받을 수 있어요.

소스 코드도 아파치 라이선스 2.0으로 공개됐습니다. 코드를 들여다보고, 문제를 신고하고, 고쳐서 기여할 수 있다는 뜻이에요.

아파치 2.0은 상업적 이용도 허용하는 관대한 라이선스입니다. 내부 도구에 붙여 쓰시더라도 라이선스 때문에 막힐 일은 거의 없어요.

큰 청록빛 고리가 평평하게 누워 있고 그 안쪽에 작은 검은 덩어리들이 여럿 놓여 있는 개념 이미지 — 공개 무대에서 소개된 무료 도구와 참여 기기들을 표현

어떻게 동작하나 — 가상 라우터라는 발상

PAIR는 자기 자신을 가상 라우터라고 부릅니다. 네트워크 장비가 아니라 소프트웨어예요.

하는 일은 네 가지입니다. 참여 중인 기계를 찾아내고, 각각이 지금 일할 준비가 됐는지 확인하고, 들어온 작업을 적당한 곳에 배정하고, 결과를 원래 요청한 프로그램에 되돌려 줍니다.

핵심은 요청을 보낸 프로그램 입장에서는 아무것도 달라지지 않는다는 점이에요. 늘 쓰던 로컬 주소로 보냈는데 실제로는 옆방 컴퓨터가 처리하고 있는 겁니다.

올라마 엔드포인트인 척합니다

이 도구가 영리한 지점이 여기예요. PAIR는 올라마와 LM 스튜디오의 인터페이스를 그대로 흉내 냅니다.

에이전트가 로컬 올라마라고 믿고 요청을 보내면, PAIR의 프록시가 그것을 먼저 가로챕니다. 요청이 어떤 엔진과 어떤 모델을 원하는지 읽고 스케줄러에 넘겨요.

스케줄러가 적합한 기계 하나를 고르면, 그 기계의 추론 엔진이 실제 작업을 하고 PAIR가 같은 통로로 결과를 돌려줍니다. 요청을 보낸 쪽은 끝까지 아무것도 모릅니다.

청록빛 줄기가 매끈한 검은 정육면체에 도착해 반대편으로 조금도 변하지 않은 채 그대로 빠져나가는 개념 이미지 — 요청을 가로채도 원래 프로그램은 아무것도 모르는 구조를 표현

스케줄러가 보는 다섯 가지 신호

어느 기계로 보낼지는 다섯 가지를 보고 정합니다.

첫째 그 기계가 켜져 있고 준비됐는지, 둘째 지원되는 추론 엔진이 그 기계에서 켜져 있는지, 셋째 요청된 바로 그 모델이 그 기계에 이미 있는지를 봅니다.

넷째로 지금 그 기계가 처리 중인 작업이 몇 개인지, 다섯째로 GPU 사용률이 얼마인지를 함께 봅니다. 다섯 가지가 모두 실시간 값이라, 상황에 따라 매번 다른 기계가 뽑힐 수 있어요.

지원 하드웨어 — RTX 20 시리즈 이상

엔비디아 쪽에서는 지포스 RTX 20 시리즈 이상이면 됩니다. 꽤 넉넉한 범위예요.

RTX 프로 워크스테이션 GPU도 지원합니다.

몇 해 전에 쓰던 그래픽카드가 아직 다른 컴퓨터에 꽂혀 있다면 그대로 쓸 수 있다는 뜻이에요. 새로 사야 참여할 수 있는 구조가 아닙니다.

넓고 완만한 곡선을 따라 늘어선 다섯 개의 검은 팔각형 가운데 두 개만 청록으로 빛나는 개념 이미지 — 스케줄러가 살피는 다섯 가지 신호를 표현

DGX 스파크와 애플 M4 실리콘

엔비디아의 소형 AI 워크스테이션인 DGX 스파크도 노드로 참여할 수 있습니다.

눈에 띄는 것은 애플 M4 이상 실리콘도 지원한다는 점이에요. 엔비디아가 만든 도구인데 맥을 받아들입니다.

집에 있는 기계가 윈도우 데스크톱 하나와 맥북 하나인 경우가 흔한데, 이 조합이 그대로 묶입니다. 실용적인 판단이에요.

윈도우·맥·리눅스를 모두 받습니다

베타 단계에서 이미 세 운영체제를 모두 지원합니다.

보통 이런 도구는 리눅스부터 나오고 윈도우가 한참 뒤에 붙는 경우가 많은데, 처음부터 셋을 함께 낸 것은 대상이 개발자만이 아니라는 뜻이에요.

운영체제가 섞인 환경에서도 같은 클러스터로 묶입니다. 윈도우 본체와 맥북과 리눅스 서버가 한 덩어리로 동작해요.

완전히 검은 공간에 나란히 떠 있는 구와 사면체와 열린 고리가 저마다 청록으로 빛나는 개념 이미지 — 윈도우와 맥과 리눅스가 함께 묶이는 상황을 표현

에이전트 하네스를 고치지 않아도 됩니다

이 부분이 실무에서 가장 큰 차이를 만듭니다. 쓰고 계신 에이전트 도구를 손보지 않아도 돼요.

새 클러스터 API에 맞춰 코드를 다시 짜라고 요구하지 않습니다. 기존 올라마·LM 스튜디오 주소를 그대로 두면 됩니다.

도입 비용이 사실상 0에 가깝다는 점이 이 도구의 가장 큰 강점이에요. 써 보고 아니다 싶으면 끄면 그만입니다.

인터넷 없이 돌아갑니다

동작에 인터넷 연결이 필요하지 않습니다. 모델을 내려받을 때만 필요해요.

프롬프트도, 데이터도, 추론 트래픽도 전부 내부 네트워크 안에 머뭅니다. 밖으로 나가지 않아요.

민감한 자료를 다루시는 분들에게는 이것이 성능보다 중요한 조건입니다. 클라우드 모델이 아무리 좋아도 못 올리는 자료가 있으니까요.

칠흑 같은 공간 한가운데 홀로 있는 작은 청록 정육면체와 그 바깥 멀리 떠 있는 거대하고 흐릿한 검은 고리가 서로 닿지 않는 개념 이미지 — 인터넷 없이 내부에서만 도는 구조를 표현

mTLS와 페어링 — 보안 설계

같은 네트워크에 있다고 아무 기계나 참여할 수 있는 것은 아닙니다. 페어링이 성립하기 전까지 노드 사이의 통신은 전부 차단돼요.

페어링이 끝나면 노드 사이 트래픽을 상호 TLS로 보호합니다. 인증서는 자동으로 만들어져요.

집 안 네트워크라고 방심하지 않은 설계입니다. 공유기에 붙은 다른 기기가 마음대로 끼어들 수 없어요.

오해하기 쉬운 점 — VRAM은 합쳐지지 않습니다

여기가 가장 중요한 대목이에요. PAIR는 여러 GPU의 메모리를 하나로 합쳐 주지 않습니다.

16기가 카드 두 장을 묶어도 32기가짜리 한 장이 되지 않아요. 모든 요청은 한 대에서 통째로 처리되고, 모델은 그 한 대의 메모리 안에 들어가야 합니다.

큰 모델을 못 올리던 분이 PAIR를 깔았다고 올릴 수 있게 되는 것이 아닙니다. 이 기대로 접근하시면 반드시 실망하세요.

서로 닿지 않은 채 나란히 놓인 두 개의 큰 청록빛 열린 고리가 각각 온전한 모습을 유지하는 개념 이미지 — 메모리가 합쳐지지 않고 각자 남는다는 점을 표현

텐서 병렬이 아닙니다

데이터센터에서는 하나의 요청을 여러 GPU에 쪼개 나눠 계산합니다. 텐서 병렬이라고 불러요.

PAIR는 그것을 하지 않습니다. 요청 하나는 기계 하나가 통째로 맡습니다.

이건 게으른 설계가 아니라 맞는 판단이에요. 가정용 네트워크의 속도와 지연으로는 텐서 병렬이 오히려 느려집니다. 할 수 있는데 안 한 것이 아니라, 해 봐야 손해라서 안 한 거예요.

그럼 무엇이 빨라지나 — 에이전트 여러 개

하나의 요청은 빨라지지 않습니다. 여러 요청이 동시에 처리될 뿐이에요.

에이전트가 하위 작업을 여러 갈래로 뿌리는 구조라면 여기서 큰 차이가 납니다. 한 대에서 줄을 서던 작업 다섯 개가 세 대에 흩어져 동시에 도는 거예요.

반대로 긴 대화를 하나만 붙잡고 있는 사용 방식이라면 PAIR로 얻을 것이 거의 없습니다. 내 작업이 어느 쪽인지 먼저 보시는 게 좋아요.

가운데의 매끈한 검은 덩어리에서 작은 청록 육각형들이 네 방향의 곧은 줄기를 이루며 바깥으로 퍼져 나가는 개념 이미지 — 여러 작업이 동시에 흩어져 처리되는 모습을 표현

모델은 각 노드에 미리 있어야 합니다

스케줄러가 보는 다섯 신호 중에 요청된 모델이 그 기계에 이미 있는지가 들어 있었습니다.

즉 참여시킬 기계마다 쓸 모델을 미리 받아 둬야 해요. 없는 기계로는 배정되지 않습니다.

디스크 용량이 그만큼 곱절로 듭니다. 3대를 묶으면 같은 모델을 3벌 갖고 있어야 해요. 시작하시기 전에 저장 공간부터 확인하시는 편이 좋습니다.

RTX 스파크 N1X — 10월 출하

같은 발표에서 하드웨어도 함께 나왔습니다. RTX 스파크 N1X가 10월에 나옵니다.

두 가지 구성으로 나오는데, CPU 코어가 18개 또는 20개, 블랙웰 CUDA 코어가 5,120개 또는 6,144개입니다.

통합 메모리는 최대 128기가바이트입니다. 이 숫자가 로컬 AI에서는 특히 의미가 커요.

바닥도 지평선도 없는 칠흑 속에 떠 있는 매끈한 검은 직육면체의 윗모서리를 따라 굵기가 고른 청록 막대가 끝까지 이어진 개념 이미지 — 새로 나온 소형 워크스테이션을 표현

128GB 통합 메모리라는 선택지

앞에서 PAIR가 VRAM을 합쳐 주지 않는다고 말씀드렸어요. 큰 모델을 올리려면 결국 한 기계의 메모리가 커야 합니다.

128기가 통합 메모리는 그 답 중 하나예요. 일반 그래픽카드로는 도달하기 어려운 용량입니다.

묶어서 넓히는 길과 한 대를 키우는 길, 엔비디아가 이번에 두 가지를 같이 내놓은 셈입니다. 서로 대체하는 관계가 아니라 다른 문제를 푸는 도구예요.

실제 사례 — 노트북과 데스크톱을 묶어 본다면

RTX 4070이 꽂힌 데스크톱과 M4 맥북이 있다고 해 볼게요. 둘 다 PAIR를 깔고 페어링합니다.

두 기계에 같은 소형 모델을 받아 둡니다. 이제 데스크톱에서 에이전트를 돌리면, 하위 작업 일부가 맥북으로 넘어가요.

데스크톱의 GPU가 다른 무거운 작업으로 바쁠 때 특히 효과가 큽니다. 예전 같으면 줄을 섰을 요청이 맥북으로 흘러가니까요.

하나의 넓은 청록 빛줄기가 굵기가 크게 다른 두 줄기로 곧게 갈라져 나란히 나아가는 개념 이미지 — 묶어서 넓히는 길과 한 대를 키우는 길을 표현

실제 사례 — 한 대짜리 작업실에 대입해 보면

저희 작업실처럼 GPU가 한 장뿐인 환경도 생각해 볼게요. 이미지 생성, 영상 생성, 음성 합성이 그 한 장을 나눠 씁니다.

이런 곳에서는 PAIR가 당장 도움이 되지 않습니다. 나눠 보낼 두 번째 기계가 없으니까요.

다만 놀고 있는 옛 데스크톱이 창고에 있다면 이야기가 달라집니다. 가벼운 보조 모델을 그쪽으로 몰아 두면, 주력 GPU를 무거운 생성 작업에 온전히 비워 둘 수 있어요. 새 카드를 사는 것보다 훨씬 싼 해법입니다.

로컬 우선이 왜 다시 중요해졌나

에이전트가 늘면서 호출 횟수가 폭증했습니다. 예전에는 사람이 한 번 물어봤다면 이제는 에이전트가 수십 번 물어봐요.

클라우드 API는 호출당 값을 받습니다. 호출이 수십 배가 되면 청구서도 그렇게 됩니다.

로컬은 전기값 말고는 호출당 비용이 없어요. 에이전트를 많이 돌릴수록 로컬의 경제성이 좋아지는 구조입니다. PAIR가 지금 나온 이유도 여기에 있습니다.

작고 빽빽하게 모인 청록빛 구들의 무리를 거대한 검은 경계면이 빈틈없이 감싸고 아무것도 그 밖으로 나가지 않는 개념 이미지 — 자료가 내부 네트워크를 벗어나지 않는 로컬 우선 구조를 표현

엔비디아가 이걸 무료로 푸는 이유

무료에 오픈소스인데 엔비디아는 무엇을 얻을까요.

로컬 AI를 쓰는 사람이 늘면 그래픽카드를 사는 사람이 늘어납니다. PAIR는 놀고 있는 카드를 쓸모 있게 만들어서, 카드를 더 사고 싶게 만드는 도구예요.

애플 실리콘을 지원하는 것도 같은 맥락입니다. 진입 장벽을 낮춰 로컬 AI 인구 자체를 키우면, 그중 성능이 더 필요해진 사람들이 결국 엔비디아 쪽으로 옵니다. 소프트웨어를 미끼로 하드웨어를 파는 오래된 전략이에요.

지금 시작하려면 무엇을 확인할까

세 가지만 보시면 됩니다. 두 번째 기계가 있는지, 그 기계의 GPU가 RTX 20 시리즈 이상이거나 M4 이상인지, 그리고 두 기계에 같은 모델을 둘 디스크 공간이 있는지예요.

세 가지가 모두 예라면 설치 비용은 거의 없습니다. 기존 에이전트 설정을 고칠 필요도 없어요.

하나라도 아니오라면 지금은 기다리시는 편이 낫습니다. 특히 큰 모델을 올리는 것이 목적이라면 PAIR는 답이 아니에요.

광활한 암흑의 한가운데에서 강렬하게 빛나는 청록 점 하나와 그 주위 멀리 놓인 세 개의 아주 희미한 검은 고리의 개념 이미지 — 한 대에서 시작해 넓혀 가는 출발점을 표현

핵심 정리

엔비디아가 9월 3일 IFA 2026에서 무료 오픈소스 도구 PAIR를 공개했습니다. 아파치 2.0 라이선스이고 공개 베타 상태예요.

로컬 네트워크의 호환 기기를 자동으로 찾아 추론 요청을 여유 있는 기계로 배정하고, 올라마와 LM 스튜디오 인터페이스를 흉내 내 기존 에이전트를 고치지 않아도 됩니다.

윈도우·맥·리눅스를 모두 지원하고, RTX 20 시리즈 이상, RTX 프로, DGX 스파크, 애플 M4 이상 실리콘이 노드로 참여할 수 있어요.

VRAM을 합쳐 주지 않고 텐서 병렬도 아닙니다. 요청 하나는 기계 하나가 통째로 처리하므로 모델은 그 기계의 메모리에 들어가야 하고, 참여 기계마다 모델을 미리 받아 둬야 합니다.

같은 자리에서 RTX 스파크 N1X가 10월 출하로 발표됐고, 최대 128기가 통합 메모리를 제공합니다.

참고하실 만한 것

먼저 내 작업이 요청 하나가 긴 쪽인지, 여러 요청이 동시에 도는 쪽인지 확인해 보세요. 전자라면 PAIR로 얻을 것이 거의 없습니다.

창고에 놀고 있는 옛 컴퓨터가 있다면 이번이 꺼내 볼 만한 계기예요. 새 카드를 사기 전에 가진 것을 먼저 묶어 보는 순서가 대개 이득입니다.

SVIL 블로그에서는 로컬 AI와 작업실 구성에 관한 이야기를 큰 글씨와 쉬운 설명으로 계속 정리하고 있어요. 저시력 이용자도 편하게 읽으실 수 있도록 씁니다.

출처

협업문의 : kuroicode@gmail.com
블로그 : https://blog.svil.dev/
홈페이지 : https://svil.dev/