Jetson Orin Nano 2: حاسوب صغير يمنح الروبوتات ذكاءً محليًا أسرع وأقل استهلاكًا للطاقة

تريد NVIDIA أن تجعل Jetson Orin Nano 2 نقطة دخول جديدة إلى ما تسميه «الذكاء الاصطناعي الفيزيائي»: حاسوب روبوتات صغير قادر على تشغيل استدلال أكثر تقدمًا داخل الروبوت أو الطائرة المسيّرة نفسها، بدل إرسال كل مهمة إلى خوادم سحابية بعيدة.

أعلنت الشركة عن المنصة في 25 أغسطس 2026، وتقول إنها توفر قدرة تصل إلى 78 تريليون عملية ذكاء اصطناعي في الثانية (TOPS)، مع أداء استدلال يعادل ضعف أداء Jetson Orin Nano Super السابق. 356

لكن أهمية الإعلان لا تقتصر على رقم TOPS. فالمكسب العملي المحتمل هو تشغيل نماذج تفهم اللغة والصور والسياق محليًا، ما قد يساعد الآلات على الاستجابة بسرعة أكبر وتقليل الاعتماد على الاتصال المستمر بالسحابة.

المواصفات الأساسية

يأتي Jetson Orin Nano 2 بالمواصفات الرئيسية التالية:

• قدرة تصل إلى 78 TOPS لمعالجة الذكاء الاصطناعي.
• ذاكرة بسعة 8GB.
• معالج Arm بثماني أنوية.
• هيكل مدمج بالحجم نفسه تقريبًا للجيل السابق.
• نطاق ترددي للذاكرة يبلغ 120GB/s، بحسب التقارير المتاحة.

وتعزو NVIDIA الزيادة في الأداء إلى تحسين Tensor Cores ورفع نطاق الذاكرة، وليس إلى تحويل الجهاز إلى حاسوب أكبر حجمًا. 4611 وهذه نقطة مهمة في الروبوتات، حيث قد تكون المساحة المتاحة، وتبديد الحرارة، وسعة البطارية قيودًا لا تقل أهمية عن قوة المعالجة الخام.

ضعف أداء الاستدلال في الحجم نفسه

تقول NVIDIA إن Jetson Orin Nano 2 يحقق ضعف أداء الاستدلال الذي يقدمه Jetson Orin Nano Super، مع الاحتفاظ بالهيكل المدمج نفسه. 356

وبالنسبة إلى المطورين، يعني ذلك إمكانية تنفيذ قدر أكبر من مهام الذكاء الاصطناعي على حاسوب يمكن دمجه في روبوتات أصغر أو آلات ذاتية الحركة محدودة المساحة.

مع ذلك، تبقى هذه النتيجة مطالبة أداء من NVIDIA وليست اختبارًا مستقلًا واردًا في الأدلة المتاحة. وستختلف النتائج الفعلية بحسب النموذج المستخدم، ودرجة ضغطه أو تقليصه، ومكدس البرمجيات، وطبيعة المهمة، وتصميم التبريد.

خفض استهلاك الطاقة قد يكون أهم من السرعة

تقول NVIDIA إن Jetson Orin Nano 2 يستطيع تقديم أداء مماثل لأداء سلفه مع استهلاك طاقة أقل بنسبة 40% في وضع 15 واط. 568

وقد يكون ذلك حاسمًا للروبوتات المتنقلة والطائرات المسيّرة. فخفض استهلاك الطاقة يمكن أن يقلل الحاجة إلى التبريد، أو يترك قدرًا أكبر من البطارية للحركة وأجهزة الاستشعار والاتصالات.

لكن ينبغي فهم الرقم في سياقه: الحديث عن مقارنة عند مستوى أداء مماثل، وليس وعدًا بأن كل مهمة ستستهلك طاقة أقل بنسبة 40%. سيعتمد الاستهلاك على وضع التشغيل والتطبيق والحمل المستمر على الجهاز.

ماذا تضيف نماذج اللغة والرؤية واللغة إلى الروبوتات؟

تساعد نماذج اللغة الكبيرة (LLMs) الآلة على فهم التعليمات الطبيعية، بينما تربط نماذج الرؤية واللغة (VLMs) بين ما تراه الكاميرات واللغة والاستدلال السياقي.

وعند تشغيل هذه النماذج على الجهاز مباشرة، يمكن للروبوت تفسير محيطه والاستجابة محليًا بدل إرسال كل صورة أو طلب إلى خدمة بعيدة وانتظار عودته. 46

يهم ذلك في المهام التي تتطلب زمن استجابة قصيرًا أو اتصالًا موثوقًا أو قدرًا أكبر من الخصوصية. فقد تحتاج طائرة مسيّرة للتوصيل أو نظام فحص صناعي أو روبوت منزلي إلى اتخاذ قرار أثناء الحركة، لا بعد انتظار رد من السحابة.

وتصف NVIDIA هذه الإمكانات بأنها تتيح نماذج توليدية «بمستوى ريادي» على أنظمة فيزيائية مدمجة. إلا أن الأدلة المتاحة لا تثبت أن كل نموذج متقدم سيعمل على جهاز بذاكرة 8GB أو أنه سيقدم الأداء نفسه؛ إذ تظل أحجام النماذج ومتطلبات الذاكرة والضغط وتعقيد المهام عوامل حاسمة.

دعم Cosmos وNemotron وGemma 4 وQwen 3

تحدد التقارير نماذج NVIDIA Cosmos وNemotron، إلى جانب Gemma 4 من Google وQwen 3 من Alibaba، ضمن خيارات نماذج اللغة والرؤية واللغة المهيأة للاستدلال الطرفي الموفر للذاكرة. 2021

وتوضح هذه القائمة الاتجاه البرمجي الذي تستهدفه المنصة، لكن كلمة «مدعوم» لا تعني بالضرورة أداءً متطابقًا في جميع النماذج أو الاستخدامات. وسيحتاج المطورون إلى اختبار إصدارات النماذج، واستهلاك الذاكرة، وتوافق بيئة التشغيل، وزمن الاستجابة في كل روبوت أو نظام رؤية على حدة.

شركات ومطورون يختبرون المنصة

تستهدف NVIDIA Jetson Orin Nano 2 للروبوتات، وطائرات التوصيل والفحص المسيّرة، وأنظمة الرؤية المدعومة بالذكاء الاصطناعي. 34 وقالت الشركة إن أكثر من 3 ملايين مطور بنوا حلولًا على مكدسها للروبوتات، وذكرت Cognex وDoosan Bobcat وMatic Robotics ضمن الشركات التي تتبنى المنصة أو تستكشف استخدامها. 4

وتبحث Wing في استخدام الحاسوب داخل طائرات التوصيل المسيّرة، مع التركيز على سرعة الاستجابة وكفاءة الطاقة. أما Matic Robotics فتخطط لاستخدامه في وظائف تشمل التفاعل الحواري، واكتشاف الإيماءات، والفهم الدلالي للمنازل، ورسم الخرائط بدقة، والتنظيف الذاتي. 4

كما قالت NVIDIA إن شركاء في المنظومة يعملون على تطوير لوحات حاملة وأنظمة عتادية وحلول مرجعية. وقد تساعد هذه المكونات فرق المنتجات على تقليل العمل الهندسي المخصص عند الانتقال من نموذج أولي إلى آلة قابلة للنشر.

موعد التوافر وموقعه ضمن عائلة Jetson

من المتوقع طرح وحدات Jetson Orin Nano 2 وأطقم المطورين خلال النصف الأول من عام 2027، وفق التقارير المتاحة. 1521 ولم تتضمن الأدلة المقدمة موعد شحن أكثر تحديدًا أو سعرًا معلنًا.

وتضع NVIDIA الجهاز في الفئة المبتدئة من عائلة Jetson Orin الأوسع. وتقول إن العائلة تضم سبع وحدات تشترك في بنية واحدة، وتتدرج قدرتها حتى 275 TOPS للاستدلال متعدد الوسائط. 23

كيف ينسجم مع استراتيجية NVIDIA الأوسع للروبوتات؟

تقدم NVIDIA عادةً تصورًا موزعًا للعمل في منصات الروبوتات: أنظمة كبيرة للتدريب والتطوير، وبيئات محاكاة وبرمجيات لبناء العوالم والبيانات الاصطناعية، وحواسيب Jetson لتنفيذ الاستدلال داخل الروبوت المنشور.

وبهذا المعنى، يمكن النظر إلى Jetson Orin Nano 2 باعتباره طبقة التنفيذ المحلية في آلة تعمل في العالم الحقيقي. لكن الأدلة الخاصة بهذا الإعلان لا تثبت دمجًا رسميًا ومحددًا بين Jetson Orin Nano 2 ومكدس «الحواسيب الثلاثة» الذي يضم DGX وOmniverse وCosmos. لذلك ينبغي التعامل مع هذا الربط بوصفه سياقًا استراتيجيًا أوسع، لا ميزة مؤكدة وردت في إعلان المنتج نفسه.

الخلاصة للمطورين

تكمن أقوى وعود Jetson Orin Nano 2 في الجمع بين قدرة استدلال أعلى، واستهلاك طاقة أقل عند مستوى الأداء نفسه، وحجم مدمج لم يتغير. وهذه تركيبة تستهدف المطورين الذين يحتاجون إلى ذكاء اصطناعي محلي في آلات تقيدها البطارية والحرارة والمساحة وزمن الاستجابة في آن واحد.

أما التقييم الحقيقي، فلن يحسمه رقم TOPS وحده. فالأسئلة الأهم هي: أي نماذج تحقق زمن الاستجابة المطلوب؟ وكم من الذاكرة يبقى بعد تحميل بقية مكونات مكدس الروبوتات؟ وكيف يتصرف الجهاز تحت ضغط حراري وبطارية مستمرين؟ يضع إعلان NVIDIA اتجاهًا طموحًا للعتاد والبرمجيات، لكن فرق المنتجات ستحتاج إلى اختبارات خاصة بكل تطبيق قبل اعتبار الأرقام المعلنة نتائج نهائية داخل جهاز منشور.