Nvidia sætter agent-AI på hver robot og fabriksgulv med JetPack 7.2

På GTC Taipei under Computex 2026 annoncerede Nvidia ikke bare en softwareopdatering – de affyrede startskuddet til et kapløb om at placere autonom, tænkende og handlende AI i enhver fysisk enhed i hele verden. Lanceringen af JetPack 7.2, kombineret med førsteklasses support til det agentiske AI-framework NemoClaw på Jetson-platformen, gør virksomhedens edge computing-platform til et produktionsklar mål for det, som topchef Jensen Huang har erklæret som det næste årtis definerende arkitektur: 'the agentic computing pattern'.

Helt konkret betyder det, at en AI-agent, der tidligere krævede et serverrack, nu med en enkelt kommando kan køre direkte på et Jetson Orin-modul, der koster helt ned til cirka 1.500 kroner i detail. Det handler ikke kun om at gøre robotter klogere; det handler om at skabe en samlet, sikker og flytbar softwarepakke, der låser udviklere fast i Nvidias økosystem fra skyen og hele vejen ned til fabriksgulvet.

NemoClaw: Den sikre bro til fysisk AI

Det centrale puslespil i denne strategi er Nvidia NemoClaw. Det er ikke en ny AI-model, men et open source-referenceprodukt, der løser et kritisk problem for virksomheders implementering: sikkerhed. NemoClaw samler det populære multi-agent orchestration framework OpenClaw med OpenShells sikre kørselstidsmiljø og Nvidias egne Nemotron-modeller. Det giver fortroligheds- og sikkerhedsgarantier lige ud af boksen til altid-tændte assistenter, som opererer i følsomme miljøer som fabrikker, hospitaler og varehuse.

Den altafgørende opdatering er, at JetPack 7.2 leveres forudkonfigureret til implementering af NemoClaw med én enkelt kommando. Før krævede det manuel miljøopsætning og håndtering af komplicerede afhængigheder at køre OpenClaw-baserede arbejdsgange på en edge-enhed. Nu virker det direkte. Det sænker barren dramatisk for udviklere, der skal bygge komplekse agentiske arbejdsgange – en agent, der sanser, ræsonnerer og handler på fysiske data – uden nogensinde at skulle en tur forbi skyen.

For at komplementere dette frigav Nvidia en stor samling af open source agentiske værktøjer og færdigheder til fysisk AI, der spænder over platforme som Omniverse, Cosmos, Alpamayo og Metropolis. Kompleks robottræning, simulering af selvkørende biler og industrielle digitale tvillingearbejdsgange kan nu gøres til opgaver, som en AI-agent direkte kan udføre.

Inde i JetPack 7.2: Hardware-software funktionerne

JetPack 7.2 er en grundlæggende opdatering, der bringer kantplatformen i arkitektonisk overensstemmelse med Nvidias server-grade produkter.

• CUDA 13 på Jetson Orin: Dette er en milepæl for forening. Jetson Orin kører nu på det samme Arm Server Base System Architecture (SBSA) CUDA 13-værktøjssæt som Nvidias datacenter-GPU'er. Et enkelt CUDA-værktøjssæt kan nu målrettes alt fra en GH200-superchip til et lillebitte modul inde i en leveringsrobot.
• MIG (Multi-Instance GPU) på Jetson Thor: Dette er en afgørende funktion for applikationer med blandet kritikalitet, som for eksempel humanoide robotter. MIG gør det muligt at opdele GPU'en i en Jetson Thor SoC i to fuldstændigt isolerede instanser, hver med sin egen dedikerede hukommelse, cache og beregningskraft. En sikkerhedskritisk opgave som Simultaneous Localization and Mapping (SLAM) kan køre i et fuldstændigt deterministisk miljø, sikkert fra forstyrrelser fra mindre tidsfølsomme AI-opgaver.
• Yocto Project support: For OEM'er og systembyggere betyder den officielle integration med Yocto Project, at de kan bygge dybt tilpassede, produktionshærdede og indlejrede Linux-distributioner til Jetson-hardware. De kan her optimeres til den mindste detalje til en specifik industriel anvendelse.
• Super Mode til AGX Orin 32GB: Et markant performanceboost og et strategisk prispres. Det nye 32GB-modul erstatter den tidligere 16GB produktionsvariant og leverer en betydelig generationsmæssig AI-præstationsgevinst, mens den samtidig giver bedre omkostningseffektivitet til edge-implementeringer i høj volumen.

Det strategiske højborg i fysisk AI

Dette er et gennemtænkt skaktræk, rettet direkte mod Qualcomms Snapdragon-dominans inden for edge og Intels x86-greb om industrielle controllere.

• Konkurrencemæssig voldgrav: Ved at forene et konsistent CUDA-værktøjssæt fra server til edge, out-of-the-box sikker agentisk implementering (NemoClaw) og hardwareisoleringsfunktioner (MIG) i en enkelt integreret platform, skaber Nvidia en udvikleroplevelse, som rivaler får svært ved at matche. En Qualcomm-udvikler skal jonglere med flere fragmenterede stakke for at opnå den samme deterministiske, sikre agentiske implementering.
• Økosystem-indlåsning: 'One-command deployment' er de to stickieste ord i udviklerrelationer. En virksomhed, der bygger sin industrielle agentiske AI-infrastruktur på NemoClaw + CUDA 13 + Jetson, står over for massive software-omkostninger ved at skifte. Investeringen i Nvidias board support package, agent skills-bibliotek og simuleringsværktøjer bliver et grundlæggende lag i deres drift.
• Advantechs 'AI Factory Brain': Partnerskabet med Advantech, en gigant inden for industriel computing, er proof-of-conceptet, skrevet med store bogstaver. De annoncerede en 'AI Factory Brain'-arkitektur, der bruger NemoClaw, Nvidias Factory Operations Blueprint, RTX PRO og Jetson Thor. Dette sigter mod end-to-end operationel intelligens og bringer beslutningstagende agenter fra IT-kontoret direkte ind i fabrikkens realtidsoperationer. Vigtigst af alt bemærkede Advantechs ledelse, at de fortsat arbejder med Qualcomm og Intel, hvilket signalerer, at platformskrigene for fysisk AI nu er en konflikt på flere fronter.

'The Agentic Computing Pattern' – Det nye brugermønster

Jensen Huangs vision er afvæbnende enkel og dybt økosystem-drevet. I sin keynote og efterfølgende pressekonferencer beskrev han et enkelt, gentagende mønster, der vil blive det nye computerparadigme: en agent, der er en model, pakket ind i en 'harness', der bruger værktøjer med færdigheder, og som kører i et kørselstidsmiljø.

Dette mønster, insisterede han, er 'præcis det samme', uanset om kørselstidsmiljøet befinder sig i et massivt cloud-datacenter eller inde i en robotarms computermodul. Virksomheder vil bruge forskellige modeller og 'harnesses', men det arkitektoniske mønster er universelt. Med JetPack 7.2 og NemoClaw har Nvidia sikret, at deres Jetson-platform er det første sted, dette universelle mønster starter op i den fysiske verden.

Det større billede fra GTC Taipei

Annonceringen af JetPack 7.2 stod ikke alene. Nvidia orkestrerede en række store økosystem-afsløringer ved begivenheden, alle pegende mod dominans inden for agentisk og fysisk AI:

• Jetson Thor, Vera Rubin NVL72 og Alpamayo vandt hver især en COMPUTEX 2026 Best Choice Award. Det signalerer industriens og mediernes anerkendelse af, at tre af Nvidias kerneplatforme er førende byggesten til AI-æraen.
• Nemotron 3 Ultra, en ny 550-milliarder-parametre 'mixture-of-experts'-model, blev annonceret. Den tilbyder op til fem gange hurtigere inferens til en hævdet omkring 30 % lavere pris end førende åbne modeller. Dette leverer den kraftfulde 'model'-side af det agentiske mønsters formel.
• For at udfylde 'runtime'-siden af mønsteret for personlig computing, afslørede Nvidia RTX Spark PC-chippen. Denne chip, bygget i samarbejde med MediaTek og Microsoft, er designet til at placere lokale AI-agent-kapaciteter direkte i Windows-bærbare og stationære computere og konkurrere direkte med AMD, Intel og Apple.

Nogle rygtede annonceringer, såsom en 'DGX Station til Windows' eller en Cadence chip-design-agent, blev ikke bekræftet af de primære kilder fra begivenheden. Men det samlede billede er umiskendeligt. JetPack 7.2 og NemoClaw er omdrejningspunktet i Nvidias strategi for at sikre, at når AI-agenter går fra at være en digital kuriositet til at blive et fysisk infrastrukturlag, så kører de på Nvidia-hardware, med Nvidia-software og inde i Nvidias økosystem.