NVIDIA เดินหน้าดัน Local AI เต็มตัว! เปิดตัว PAIR รวมพลัง RTX หลายเครื่อง รัน AI เร็วขึ้น 1.9 เท่า พร้อม RTX Spark Windows PC มาเดือนตุลาคม

NVIDIA เดินหน้าผลักดันแนวคิด Local AI และ Agentic AI ให้กลายเป็นหนึ่งในรูปแบบการใช้งานหลักของพีซีรุ่นใหม่ โดยประกาศความร่วมมือกับ Microsoft และพันธมิตรซอฟต์แวร์ ภายในงาน IFA 2026 เพื่อทำให้การติดตั้งและใช้งาน AI Agent บนเครื่องผู้ใช้เองง่ายขึ้น พร้อมเร่งประสิทธิภาพการประมวลผล AI บน GPU NVIDIA RTX

ไฮไลต์สำคัญครั้งนี้คือการเปิดตัว NVIDIA Personal AI Router หรือ PAIR ซอฟต์แวร์แบบ Open Source ที่สามารถนำพลังประมวลผลจากพีซีหลายเครื่องภายในเครือข่ายเดียวกันมาช่วยกันทำงาน AI ได้ รวมถึงการปรับปรุง llama.cpp และ vLLM ที่ NVIDIA ระบุว่าสามารถเพิ่มประสิทธิภาพ Inference ได้สูงสุดถึง 1.9 เท่า

ขณะเดียวกัน NVIDIA ยืนยันว่า RTX Spark Windows PC รุ่นใหม่จากผู้ผลิตอย่าง Lenovo และ Acer จะเริ่มเข้าสู่ตลาดในเดือนตุลาคม 2026

Local AI กำลังเปลี่ยนจากเรื่องของนักพัฒนาให้กลายเป็นเรื่องของผู้ใช้ทั่วไป

แนวคิดของ NVIDIA คือการทำให้ AI Agent สามารถทำงานอยู่บนอุปกรณ์ของผู้ใช้เองได้มากขึ้น แทนที่จะต้องส่งข้อมูลทั้งหมดไปประมวลผลบน Cloud

ข้อดีไม่ได้มีเพียงเรื่องความเร็ว แต่ยังรวมถึงความเป็นส่วนตัว ค่าใช้บริการที่ลดลง และความสามารถในการทำงานต่อเนื่องโดยไม่ต้องเสียเครดิตสำหรับทุกคำสั่ง

ในงาน IFA 2026 NVIDIA ระบุว่าการติดตั้ง Local AI Agent กำลังง่ายขึ้นอย่างมาก โดยสามแพลตฟอร์มที่ได้รับความนิยม ได้แก่ Hermes Agent, OpenClaw และ Perplexity Portable Computer กำลังเพิ่มการรองรับการตั้งค่าโมเดล Local AI บน NVIDIA RTX ให้ใช้งานง่ายขึ้น

แทนที่จะต้องเลือกโมเดล ดาวน์โหลดไฟล์ ค้นหา Inference Server ที่เข้ากันได้ ตั้งค่า Quantization และปรับแต่ง Backend ด้วยตัวเอง ระบบใหม่จะช่วยลดขั้นตอนเหล่านี้ลงอย่างมาก

Hermes Agent ตั้งค่าโมเดล Local AI ได้แบบ One-Click

Hermes Agent ซึ่งพัฒนาโดย Nous Research เป็น AI Agent สำหรับงานทั่วไปที่ออกแบบให้สามารถทำงานต่อเนื่องบนเครื่องผู้ใช้ โดยรองรับโมเดลและผู้ให้บริการหลายรูปแบบ

บน Windows ระบบใหม่สามารถตรวจจับ GPU NVIDIA RTX โดยอัตโนมัติ จากนั้นเลือกโมเดลและ Configuration ที่เหมาะสม และรันผ่าน llama.cpp ซึ่งรวมการปรับแต่ง Inference ของ NVIDIA ไว้แล้ว

นั่นหมายความว่าผู้ใช้ไม่จำเป็นต้องดาวน์โหลดโมเดลและปรับค่าทางเทคนิคด้วยตัวเองในหลายกรณี

Hermes ยังสามารถใช้เครื่องมือภายนอก รักษา Context ระหว่างงาน จดจำข้อมูลข้าม Session และสร้าง Skills ที่นำกลับมาใช้งานซ้ำได้ ทำให้ Agent สามารถทำงานได้ต่อเนื่องและมีความสามารถมากขึ้นตามการใช้งาน

ขณะนี้ One-click Local Model Setup เปิดให้ใช้งานบน Windows แล้ว ส่วน Linux จะตามมาในอนาคต

Perplexity Portable Computer ชูแนวคิด Local-First AI

อีกหนึ่งแพลตฟอร์มที่ NVIDIA ผลักดันคือ Perplexity Portable Computer ซึ่งออกแบบมาให้ผู้ใช้สามารถรัน Workflow ของ Perplexity บนเครื่องตัวเองได้

ปัจจุบันรองรับ NVIDIA RTX GPU ที่มี VRAM อย่างน้อย 24GB บน Linux และจะเพิ่มการรองรับ Windows ในอนาคต

จุดสำคัญคือผู้ใช้สามารถประมวลผล Workflow จำนวนมากแบบ Local โดยไม่ต้องใช้เครดิต Cloud และหากงานบางส่วนต้องการความสามารถในการค้นคว้าหรือ Reasoning ที่สูงขึ้น ระบบสามารถส่งเฉพาะส่วนที่จำเป็นไปยังโมเดลระดับ Frontier บน Cloud ได้

Portable Computer จะขออนุญาตผู้ใช้ก่อนส่งข้อมูลออกไปยัง Cloud ซึ่งช่วยลดความเสี่ยงในการนำข้อมูลสำคัญออกจากเครื่อง

ตัวอย่างเช่น ผู้ใช้สามารถให้ Agent วิเคราะห์ Pull Request ใน GitHub, วิเคราะห์ข้อมูลการเงินและเอกสารภาษี หรือวิเคราะห์ Funnel ของ Startup จากไฟล์ภายในเครื่อง ก่อนส่งเฉพาะผลลัพธ์ที่ต้องการไปยังระบบอื่น

OpenClaw ก็เตรียมติดตั้ง Local Model ได้ง่ายขึ้น

OpenClaw เป็นอีกหนึ่งโครงการ Open-Agent ที่ได้รับความนิยมอย่างมาก โดย NVIDIA ระบุว่าปัจจุบันมีมากกว่า 380,000 Stars บน GitHub

NVIDIA, Microsoft และทีม OpenClaw กำลังร่วมกันพัฒนา Windows App เพื่อให้การตั้งค่า Local AI ง่ายขึ้น

ระบบใหม่นี้จะช่วยตั้งค่าโมเดล Local ที่ได้รับการปรับแต่งมาแล้วสำหรับ GPU RTX ที่มี VRAM อย่างน้อย 24GB ลดขั้นตอนที่ผู้ใช้ต้องจัดการด้วยตัวเอง

เป้าหมายคือเปลี่ยนจากการติดตั้ง Agent ที่ต้องมีความรู้ด้าน AI และ Inference ค่อนข้างมาก ให้กลายเป็นประสบการณ์ที่ใกล้เคียงกับการติดตั้งแอปพลิเคชันทั่วไป

llama.cpp เร็วขึ้นสูงสุด 1.9 เท่า

นอกจากเรื่องการติดตั้ง NVIDIA ยังเร่งพัฒนา Performance ของ Local Inference โดยร่วมมือกับชุมชน Open Source ของ llama.cpp และ vLLM

สำหรับ llama.cpp NVIDIA ระบุว่าสามารถเพิ่ม Throughput ได้สูงสุดถึง 1.9 เท่า บน GeForce RTX 5090 จากการปรับปรุง Kernel, เทคนิค Speculative Decoding และการเพิ่มความเร็วในขั้นตอน Prefill

ส่วน vLLM สามารถทำ Performance เพิ่มขึ้นประมาณ 1.2 เท่า บน RTX PRO 6000 Blackwell Workstation Edition และสูงสุดประมาณ 1.4 เท่า บนระบบ DGX Spark สองเครื่อง

การปรับปรุงส่วนหนึ่งมาจาก XQA Attention Kernel ใน FlashInfer รวมถึงการปรับแต่ง Backend ของระบบ Inference

ผู้ใช้ทั่วไปสามารถเข้าถึงการปรับปรุงเหล่านี้ผ่าน Backend ของ llama.cpp และ vLLM รวมถึงแอปพลิเคชันอย่าง LM Studio และ Ollama

NVIDIA PAIR เปลี่ยนพีซีหลายเครื่องให้เป็น AI Cluster ส่วนตัว

หนึ่งในไฮไลต์ที่น่าสนใจที่สุดของการประกาศครั้งนี้คือ NVIDIA Personal AI Router หรือ PAIR

PAIR เป็นซอฟต์แวร์ Open Source ที่สามารถค้นหาพีซีที่รองรับภายในเครือข่าย Local Network แล้วกระจายงาน AI ไปยังเครื่องต่าง ๆ ตามทรัพยากรที่มีอยู่

แนวคิดนี้แก้ปัญหาที่พบได้บ่อยในยุค Local AI นั่นคือ ผู้ใช้บางคนมีคอมพิวเตอร์หลายเครื่อง แต่ GPU ของเครื่องเหล่านั้นไม่ได้ถูกใช้งานตลอดเวลา

ตัวอย่างเช่น บ้านหนึ่งอาจมี Gaming PC ที่ใช้ RTX 5090, Workstation ที่มี RTX PRO และพีซีอีกเครื่องที่มี GPU RTX รุ่นเก่า เครื่องเหล่านี้สามารถนำมาช่วยกันประมวลผล AI ได้เมื่อมีทรัพยากรเหลือ

PAIR จะตรวจสอบพีซีที่สามารถใช้งานได้ภายใน Network และกระจายคำขอ Inference ที่เป็นอิสระจากกันไปยังเครื่องที่มี Capacity เหลืออยู่

ระบบรองรับทั้ง Ollama และ LM Studio และสามารถปรับตัวได้เมื่อมีอุปกรณ์ใหม่เข้ามาหรืออุปกรณ์บางเครื่องออกจากเครือข่าย

ตัวอย่างเช่น หาก Hermes Agent แบ่งงานหนึ่งออกเป็นหลาย Subagents เพื่อวิเคราะห์ Inbox, จัดลำดับความสำคัญของอีเมล และสร้างแผนงานต่าง ๆ PAIR สามารถนำงานแต่ละส่วนไปกระจายให้พีซีหลายเครื่องทำงานพร้อมกันได้

ผลลัพธ์คือผู้ใช้ไม่จำเป็นต้องซื้อ GPU ระดับสูงเพียงเครื่องเดียวเพื่อรองรับทุกงาน แต่สามารถนำ Hardware ที่มีอยู่แล้วมารวมกันเป็นทรัพยากร AI ส่วนตัวได้

PAIR Beta รองรับ Windows, macOS และ Linux ผ่านทั้ง Graphical Interface และ Terminal โดยรองรับ NVIDIA GeForce RTX 20 Series ขึ้นไป, RTX PRO Workstation GPU ตั้งแต่สถาปัตยกรรม Turing ขึ้นไป, DGX Spark รวมถึง Apple Silicon ตั้งแต่ M4 ขึ้นไป

โมเดล Local AI รุ่นใหม่เริ่มใหญ่ขึ้นเรื่อย ๆ

NVIDIA ยังเปิดเผยความเคลื่อนไหวของโมเดล AI ที่สามารถทำงานบน Hardware ของตัวเองได้ โดยเฉพาะโมเดลประเภท Agentic AI, Coding และ Generative AI

หนึ่งในโมเดลที่เปิดตัวคือ Nemotron 3.5 Lightning ซึ่งมีขนาด 30 พันล้านพารามิเตอร์ และสามารถทำงานบน NVIDIA RTX PC, RTX PRO Workstation, DGX Spark และ Jetson

ด้าน Z.ai เปิดตัว GLM-5.3-Flash ซึ่งเป็น Multimodal Mixture-of-Experts หรือ MoE สำหรับงาน Agentic AI และสามารถใช้งานบน DGX Station

ทาง Qwen ก็เปิดตัว Qwen3.8-Flash-Next ซึ่งเป็น Open-Weight Multimodal MoE รวมถึง Qwen3.8-27B ขนาด 27 พันล้านพารามิเตอร์ ที่ได้รับการปรับแต่งสำหรับงาน Local Agentic AI และ Coding บน NVIDIA GPU

ในด้าน Generative Video ก็มี LTX 2.5 ซึ่งได้รับการปรับแต่งสำหรับ NVIDIA RTX, DGX Spark และ DGX Station พร้อมการสนับสนุน NVFP4, FastVideo และ ComfyUI เพื่อเพิ่มความเร็วและลดการใช้หน่วยความจำ

ขณะที่ MiniMax-H3 เป็นโมเดลสร้างวิดีโอแบบ Open Weight ที่สามารถสร้าง Audio แบบ Synchronization และทำงานบน NVIDIA GPU ผ่าน ComfyUI โดย FastVideo และทีมวิจัย NVIDIA ได้พัฒนา FastH3 ซึ่งเป็นเวอร์ชัน Distilled แบบ 4 ขั้นตอนที่บริษัทระบุว่าสามารถเพิ่ม Performance ได้ถึง 7 เท่า

Muse Glimmer และ DeepSeek V4 Flash แสดงให้เห็นว่า Local AI กำลังขยายขีดจำกัด

Meta ยังมี Muse Glimmer โมเดล Open Weight ขนาด 30 พันล้านพารามิเตอร์ สำหรับ Coding และ Agentic Workloads ซึ่งสามารถทำงานบน GeForce RTX PC, DGX Spark, DGX Station และ Jetson

NVIDIA ยังเปิดตัว NVFP4 Quantization สำหรับ Muse Glimmer เพื่อช่วยลดการใช้ Memory ในการ Deploy Local

ส่วน DeepSeek V4 Flash มีขนาดถึง 284 พันล้านพารามิเตอร์ แต่เป็น MoE ที่มี Active Parameters ประมาณ 13 พันล้านพารามิเตอร์ โดย NVIDIA ระบุว่าสามารถรันบน DGX Spark จำนวน 2 เครื่องในรูปแบบ Cluster รวมถึง DGX Station

สิ่งนี้สะท้อนให้เห็นว่า Local AI ไม่ได้จำกัดอยู่แค่โมเดลขนาดเล็กอีกต่อไป แต่กำลังขยับเข้าสู่โมเดลขนาดใหญ่มากที่ต้องอาศัย Memory Capacity และการเชื่อมต่อระหว่าง GPU หลายตัว

RTX Spark เตรียมบุกตลาด Windows PC เดือนตุลาคม

อีกหนึ่งส่วนสำคัญของประกาศคือ NVIDIA RTX Spark ซึ่ง NVIDIA เตรียมนำเข้าสู่ตลาดในเดือนตุลาคม 2026

ภายในงาน IFA 2026 มีการเปิดตัวดีไซน์ใหม่จากพันธมิตร โดย Acer แสดง Compact Desktop RTX Spark Concept ขณะที่ Lenovo เปิดตัว Yoga Pro 9n และ Yoga 9n 2-in-1

RTX Spark ใช้แนวคิด Superchip ที่ประกอบด้วย NVIDIA Grace CPU แบบ 20 Core และ GPU สถาปัตยกรรม Blackwell RTX พร้อม Unified Memory สูงสุด 128GB

ระบบมีประสิทธิภาพ AI สูงสุดระดับ 1 Petaflop ตามการวัดที่ NVIDIA ระบุ และถูกออกแบบให้รองรับทั้ง Gaming, Creation และ AI Agent ในเครื่องเดียว

การใช้ Unified Memory ยังช่วยให้ CPU และ GPU สามารถเข้าถึง Memory Pool เดียวกัน ทำให้เหมาะกับงาน AI ที่ต้องใช้โมเดลขนาดใหญ่กว่าที่ GPU PC ทั่วไปสามารถโหลดลง VRAM ได้

NVIDIA มองว่า RTX Spark จะเป็นแพลตฟอร์มสำคัญสำหรับยุค Windows AI PC ที่ AI Agent สามารถทำงานอยู่เบื้องหลังได้ตลอดเวลา โดยเฉพาะเมื่อทำงานร่วมกับ Windows Agent Framework ซึ่งเปิดทางให้ระบบปฏิบัติการควบคุมการทำงานของ Agent ในระดับ OS

นอกจากงาน AI แล้ว NVIDIA ยังเดินหน้าผลักดัน RTX Spark เข้าสู่ตลาดเกม โดย EA, Embark และ Ubisoft เป็นกลุ่มผู้พัฒนาและ Publisher ล่าสุดที่ประกาศนำเกมของตัวเองมารองรับ RTX Spark ต่อจาก KRAFTON, NetEase, Riot Games และ Xbox

CyberLink เตรียมนำ Generative AI มาไว้ใน PhotoDirector

อีกหนึ่งตัวอย่างของการนำ Local AI มาใช้งานจริงคือ CyberLink PhotoDirector AI PC Mode

ฟีเจอร์ดังกล่าวจะนำ Diffusion Model เข้ามาอยู่ภายในซอฟต์แวร์แต่งภาพโดยตรง และได้รับการปรับแต่งสำหรับ RTX Spark

ผู้ใช้จะสามารถใช้ AI สำหรับ Generative Editing, Image Enhancement, ลบวัตถุหรือสิ่งรบกวน, ลบและเปลี่ยนพื้นหลัง, ปรับแต่ง Portrait รวมถึงสร้างภาพใหม่จากคำสั่งของผู้ใช้

ระบบจะสามารถเลือกระหว่าง Local Processing และ Cloud Processing ตามประเภทของงาน ขณะที่บน NVIDIA GPU PhotoDirector จะใช้ TensorRT-RTX และ FP8 เพื่อเร่งการประมวลผล AI

ฟีเจอร์ดังกล่าวเตรียมเปิดตัวพร้อม RTX Spark ในเดือนตุลาคม

NVIDIA กำลังวาง Local AI ให้เป็น Ecosystem ใหม่ของ PC

ภาพรวมของการประกาศครั้งนี้แสดงให้เห็นว่า NVIDIA ไม่ได้มอง Local AI เพียงในฐานะการนำ Chatbot มาใช้งานบน GPU อีกต่อไป แต่กำลังพยายามสร้าง Ecosystem ที่ประกอบด้วย AI Agent + Local Model + Inference Software + GPU + Multi-PC Computing

สิ่งที่น่าสนใจที่สุดคือการลดกำแพงทางเทคนิคสำหรับผู้ใช้ทั่วไป

ในอดีต การรันโมเดล AI บนเครื่องตัวเองมักต้องเข้าใจเรื่อง Quantization, Backend, CUDA, VRAM, Model Format และการตั้งค่าต่าง ๆ แต่ NVIDIA กำลังพยายามเปลี่ยนประสบการณ์ดังกล่าวให้กลายเป็นระบบที่ตรวจจับ Hardware และเลือก Configuration ให้โดยอัตโนมัติ

ขณะเดียวกัน PAIR ยังเพิ่มอีกระดับด้วยการเปลี่ยนจากแนวคิด “หนึ่งเครื่องต่อหนึ่ง AI Workload” ไปสู่ “หลายเครื่องช่วยกันทำงาน”

หากแนวทางนี้ได้รับการยอมรับมากขึ้น ผู้ใช้ที่มี Gaming PC หลายเครื่องภายในบ้านอาจสามารถนำ GPU ที่ไม่ได้ใช้งานมาช่วยประมวลผล AI ได้โดยไม่จำเป็นต้องลงทุนซื้อ AI Server โดยเฉพาะ

เมื่อรวมกับ RTX Spark ที่กำลังเข้าสู่ตลาดในเดือนตุลาคม และโมเดล Open Weight ที่มีขนาดใหญ่ขึ้นเรื่อย ๆ NVIDIA กำลังผลักดันให้พีซี Windows เปลี่ยนจากอุปกรณ์สำหรับรันแอปพลิเคชันแบบเดิม ไปสู่ เครื่องประมวลผล AI ส่วนตัวที่สามารถทำงานได้ตลอดเวลาและเชื่อมต่อกับอุปกรณ์อื่นภายในบ้านได้

นี่อาจเป็นหนึ่งในทิศทางสำคัญของตลาด PC ในช่วงต่อไป เพราะการแข่งขันไม่ได้อยู่ที่ว่าใครมี GPU แรงที่สุดเพียงอย่างเดียวอีกแล้ว แต่กำลังขยับไปสู่คำถามว่า ใครสามารถทำให้ AI ทำงานบนเครื่องของผู้ใช้ได้ง่าย เร็ว ปลอดภัย และใช้ Hardware ที่มีอยู่ให้คุ้มค่าที่สุด

ที่มา: NVIDIA