NVIDIA Jetson Orin Nano 2: 78 TOPS pro dostupnější edge AI

NVIDIA 25. srpna 2026 představila Jetson Orin Nano 2, nový počítač pro základní úroveň edge AI a robotiku. Modul je určen pro roboty, doručovací a inspekční drony i kamerové systémy, které musí své okolí vyhodnocovat a reagovat v reálném čase přímo v zařízení. 1

Nejvýraznějšími parametry jsou výkon 78 TOPS, tedy 78 bilionů operací za sekundu, 8 GB paměti a osmijádrový procesor Arm. NVIDIA uvádí, že Jetson Orin Nano 2 zvládá inferenci dvakrát rychleji než Jetson Orin Nano Super, a to ve stejném kompaktním formátu. V režimu 15 W má při srovnatelném výkonu spotřebovat o 40 % méně energie. 17

Počítač pro AI přímo v robotu

Jetson Orin Nano 2 necílí na datová centra, ale na fyzická zařízení s omezeným rozpočtem, prostorem a energetickou kapacitou. Typickými příklady jsou autonomní roboti, drony pro doručování či kontrolu infrastruktury a vestavěné kamerové systémy, které potřebují lokální AI pro vnímání, porozumění obrazu nebo jazyku a následné rozhodování. 1

Lokální zpracování je důležité zejména u robotů a bateriových zařízení. Nemusejí při každém kroku odesílat data do cloudu a čekat na odpověď vzdáleného serveru. Model běží blíže senzorům a pohonům, takže systém může reagovat v rámci možností svého připojení, výkonu a energetického rozpočtu. NVIDIA Orin Nano 2 prezentuje jako způsob, jak dostat pokročilejší generativní a fyzickou AI i do menších strojů. 17

Parametry a slibovaný výkon

Oznámený hardware zahrnuje:

• 78 TOPS výpočetního výkonu pro AI
• 8 GB paměti
• Osmijádrový procesor Arm
• Stejný kompaktní formát jako Jetson Orin Nano Super
• Dvojnásobný deklarovaný výkon při inferenci oproti Jetson Orin Nano Super
• O 40 % nižší spotřebu při stejném výkonu v režimu 15 W 17

NVIDIA zlepšení připisuje modernizovaným Tensor Core a vyšší propustnosti paměti. Jde však o výkonové srovnání uváděné výrobcem. Skutečné výsledky se mohou lišit podle konkrétního modelu, přesnosti výpočtů, softwarového stacku a typu zátěže. 7

Pro vývojáře je hlavní výhodou větší rezerva pro lokální AI bez nutnosti použít větší modul. U energeticky úsporných konstrukcí zase dává smysl možnost mířit na výkon předchozí generace s nižší spotřebou. To může být praktické právě u mobilních robotů, dronů a kompaktních inspekčních zařízení.

Jaké modely podporuje?

Podle NVIDIA Jetson Orin Nano 2 využívá otevřený softwarový stack společnosti a nástroje Jetson agent skills pro paměťově úspornou inferenci na okraji sítě. Mezi uváděné modely patří NVIDIA Cosmos a Nemotron i otevřené modely Gemma 4 a Qwen 3. 7

Nejde přitom jen o seznam podporovaných modelů. Menší jazykové a multimodální modely mohou běžet přímo u fyzického systému a pomáhat robotu kombinovat obraz, jazyk a kontext prostředí při volbě dalšího kroku. NVIDIA tvrdí, že nové malé a středně velké frontier modely se mohou přesností blížit mnohem větším modelům z předchozího roku. Díky tomu má být lokální uvažování v zařízeních s omezenými zdroji praktičtější. Toto tvrzení je však v dodaných podkladech prezentováno jako rámování NVIDIA, nikoli jako nezávisle ověřený benchmark. 7

Proč jsou pokročilé modely důležité pro robotiku

Tradiční edge AI se často soustředí na úzce vymezené úlohy, například rozpoznání objektu nebo odhalení výrobní vady. Generativní a multimodální modely mohou tuto roli rozšířit: stroji pomohou současně chápat instrukci, obraz i širší situaci kolem něj.

Robot tak může spojit vizuální vnímání s hlasovým pokynem. Dron může rychleji vyhodnotit měnící se podmínky a domácí robot může propojit konverzaci, mapování a navigaci. NVIDIA zdůrazňuje především lokální zpracování v reálném čase: zařízení vyhodnocuje scénu nebo interakci tam, kde vzniká, místo aby každý krok posílalo na vzdálený server. 17

Jetson Orin Nano 2 ale neodstraňuje potřebu optimalizace modelů. Jeho 8 GB paměti a zařazení do základní řady znamenají, že při nasazení v praxi zůstane důležitý výběr modelu, kvantizace i celkové vyladění softwaru.

Kdo novinku zkouší

NVIDIA uvedla, že na jejím robotickém softwarovém stacku staví více než 3 miliony vývojářů. Mezi první osvojitele nebo hodnotitele Jetson Orin Nano 2 zařadila společnosti Cognex, Doosan Bobcat, Matic a Wing. 17

Z dostupných podkladů vyplývají konkrétnější informace především o dvou případech:

• Wing zkoumá modul pro doručovací drony, kde se zaměřuje na rychlejší reakce a lepší energetickou efektivitu.
• Matic Robotics jej plánuje využít v domácích úklidových robotech pro konverzační AI, rozpoznávání gest, přesné mapování, sémantické porozumění domácnosti a autonomní úklid. 7

Cognex a Doosan Bobcat byly rovněž jmenovány v souvislosti s raným nasazením nebo hodnocením platformy. Dodané důkazy však nepotvrzují konkrétní oznámené nasazení u společnosti Cognex ani neuvádějí přesný produkt či projekt Doosan Bobcat, v němž má být modul použit. 17

Co zatím oznámení nepotvrzuje

Oznámení jasně vymezuje Jetson Orin Nano 2 jako kompaktní platformu pro základní úroveň edge AI a uvádí výkonové, energetické a softwarové parametry deklarované společností NVIDIA. Zařízení zároveň zapadá do její širšího hardwarového a softwarového ekosystému pro robotiku.

Dostupné podklady však nepotvrzují očekávanou dostupnost v první polovině roku 2027. Neověřují ani konkrétní „třípočítačovou“ architekturu propojující Omniverse, Cosmos a DGX, která by měla být součástí oznámení z 25. srpna. Stejně tak z nich nevyplývají ověřené podrobnosti o nedávném obnovení řady Orin NX. Podpora Cosmos na zařízení doložena je, širší rozdělení rolí mezi jednotlivými produkty by ale bez silnějších zdrojů nemělo být označováno za oficiálně oznámenou architekturu. 7

Závěr

Jetson Orin Nano 2 představuje snahu NVIDIA dostat schopnější AI inference do co nejmenších a energeticky nejúspornějších robotických systémů. Samotná čísla — 78 TOPS, 8 GB paměti a osmijádrový Arm — jsou méně důležitá než jejich kombinace s dvojnásobným deklarovaným výkonem při inferenci, nezměněnými rozměry a nižší spotřebou při srovnatelném výkonu. 17

Pro vývojáře to znamená možnost provozovat stále schopnější jazykové a obrazově-jazykové modely přímo v robotech, dronech a kamerových systémech. Hlavní výhradou zůstává, že výkonová srovnání i tvrzení o frontier modelech bude nutné posoudit na konkrétních modelech a úlohách, až NVIDIA zveřejní podrobnější informace o hardwaru, softwaru a dostupnosti.