Jetson Orin Nano 2: 78 TOPS für günstige Edge-KI und Robotik

NVIDIA hat am 25. August 2026 den Jetson Orin Nano 2 vorgestellt. Der kompakte Rechner richtet sich an Edge-KI- und Robotikanwendungen, bei denen künstliche Intelligenz direkt auf dem Gerät arbeiten soll – etwa in Robotern, Liefer- und Inspektionsdrohnen oder Systemen zur visuellen Qualitätskontrolle. 1

Die wichtigsten Eckdaten: 78 Billionen KI-Operationen pro Sekunde (TOPS), 8 GB Speicher und eine Achtkern-CPU auf Arm-Basis. Nach Angaben von NVIDIA erreicht der Jetson Orin Nano 2 damit die doppelte Inferenzleistung des Jetson Orin Nano Super, bleibt aber im selben kompakten Formfaktor. Im 15-Watt-Modus soll er bei der Leistung des Vorgängers 40 Prozent weniger Energie verbrauchen. 17

Für welche Geräte ist der Jetson Orin Nano 2 gedacht?

Der neue Rechner ist nicht für Rechenzentren gedacht, sondern für physische Geräte mit begrenztem Budget, Platz und Energieverbrauch. NVIDIA nennt als Einsatzgebiete autonome Roboter, Liefer- und Inspektionsdrohnen sowie eingebettete Bildverarbeitungssysteme, die ihre Umgebung in Echtzeit wahrnehmen, Sprache oder Bilder verstehen und darauf reagieren müssen. 1

Gerade bei mobilen Geräten ist lokale Verarbeitung ein wichtiger Vorteil. Roboter und batteriebetriebene Drohnen können sich nicht immer auf eine permanente Verbindung zur Cloud verlassen. Wenn die Inferenz direkt neben Sensoren und Aktoren stattfindet, lassen sich Reaktionszeiten, Netzwerkabhängigkeit und Energieverbrauch besser an die Grenzen des jeweiligen Geräts anpassen. NVIDIA positioniert den Orin Nano 2 deshalb als Möglichkeit, leistungsfähigere generative und physische KI in kleinere Maschinen zu bringen. 17

Die wichtigsten technischen Daten

NVIDIA nennt für den Jetson Orin Nano 2 folgende Merkmale:

• 78 TOPS KI-Rechenleistung
• 8 GB Speicher
• Achtkern-CPU auf Arm-Basis
• Dasselbe kompakte Format wie beim Jetson Orin Nano Super
• Doppelte angegebene Inferenzleistung gegenüber dem Jetson Orin Nano Super
• 40 Prozent weniger Energieverbrauch bei vergleichbarer Leistung im 15-Watt-Modus 17

Als Gründe für den Leistungszuwachs nennt NVIDIA überarbeitete Tensor Cores und eine höhere Speicherbandbreite. Der Vergleich stammt vom Unternehmen selbst. In der Praxis hängt die tatsächliche Leistung daher unter anderem vom verwendeten Modell, der Rechengenauigkeit, dem Software-Stack und dem jeweiligen Arbeitsszenario ab. 7

Für Entwickler ergibt sich daraus ein klarer Vorteil: Mehr Spielraum für lokale KI, ohne auf ein größeres Modul wechseln zu müssen. Bei energieempfindlichen Konstruktionen kann dagegen eine ähnliche Leistung mit einem niedrigeren Verbrauch angestrebt werden. Das ist besonders für mobile Roboter, Drohnen und kompakte Inspektionsgeräte relevant.

Welche KI-Modelle unterstützt das Modul?

Nach Angaben von NVIDIA arbeitet der Jetson Orin Nano 2 mit dem offenen NVIDIA-Software-Stack und den Jetson Agent Skills für speichereffiziente Inferenz am Netzwerkrand. Zum genannten Modell-Ökosystem gehören NVIDIA Cosmos und Nemotron sowie offene Modelle wie Gemma 4 und Qwen 3. 7

Entscheidend ist dabei nicht nur die Zahl der unterstützten Modelle. Kleinere Sprach- und Vision-Language-Modelle können näher am physischen System ausgeführt werden. Dort helfen sie beispielsweise dabei, mehrere Eingangssignale zu kombinieren, Situationen einzuordnen und Handlungen auszuwählen.

NVIDIA argumentiert außerdem, dass neue kleine und mittlere Frontier-Modelle bei der Genauigkeit an deutlich größere Modelle des Vorjahres heranreichen können. Dadurch werde lokales Schlussfolgern in Geräten mit begrenzten Ressourcen praktikabler. Diese Einordnung ist jedoch die Darstellung von NVIDIA und kein durch die vorliegenden Belege unabhängig bestätigter Benchmark. 7

Warum Frontier-Modelle für Roboter interessant sind

Klassische Edge-KI konzentriert sich oft auf klar abgegrenzte Aufgaben: ein Objekt erkennen, einen Defekt finden oder eine Person zählen. Generative und multimodale Modelle können darüber hinaus Sprache, Bilder und den Kontext einer Umgebung gemeinsam auswerten.

Bei einem Roboter könnte das bedeuten, eine visuelle Szene mit einem gesprochenen Auftrag zu verknüpfen. Eine Drohne könnte wechselnde Bedingungen schneller interpretieren. Ein Haushaltsroboter könnte Dialog, Kartierung und Navigation miteinander verbinden. Der von NVIDIA hervorgehobene Vorteil: Die Maschine verarbeitet die Szene dort, wo die Handlung stattfindet, statt für jeden einzelnen Schritt eine Anfrage an einen entfernten Dienst zu schicken. 17

Der Orin Nano 2 macht Modelloptimierung allerdings nicht überflüssig. Mit 8 GB Speicher und seiner Positionierung als Einstiegsplattform bleiben eine sorgfältige Modellauswahl, Quantisierung und effiziente Bereitstellung wichtige Aufgaben für Entwickler.

Erste Anwender und konkrete Einsatzszenarien

NVIDIA zufolge haben mehr als 3 Millionen Entwickler auf dem eigenen Robotik-Stack aufgebaut. Als frühe Anwender oder Evaluierer des Jetson Orin Nano 2 nennt das Unternehmen Cognex, Doosan Bobcat, Matic und Wing. 17

Für zwei Unternehmen liegen besonders konkrete Angaben vor:

• Wing untersucht den Einsatz des Moduls in Lieferdrohnen. Im Mittelpunkt stehen eine höhere Reaktionsfähigkeit und eine bessere Energieeffizienz.
• Matic Robotics will den Rechner in Haushaltsrobotern einsetzen – unter anderem für dialogfähige KI, Gestenerkennung, präzise Kartierung, ein semantisches Verständnis von Wohnungen und autonomes Reinigen. 7

Cognex und Doosan Bobcat wurden ebenfalls im Zusammenhang mit einer frühen Nutzung oder Evaluierung genannt. Die verfügbaren Belege bestätigen jedoch weder einen konkreten angekündigten Cognex-Einsatz noch das genaue Produkt oder Einsatzgebiet von Doosan Bobcat. 17

Was die Ankündigung bestätigt – und was nicht

Bestätigt ist die Positionierung des Jetson Orin Nano 2 als kompakte Einstiegsplattform für Edge-KI. Ebenfalls klar benannt sind die von NVIDIA angegebenen Leistungs- und Verbrauchswerte sowie die Unterstützung der genannten Modelle. Das Modul ist Teil des größeren Hard- und Software-Ökosystems des Unternehmens für Robotik.

Nicht durch die vorliegenden Belege bestätigt ist dagegen eine erwartete Verfügbarkeit im ersten Halbjahr 2027. Auch eine formelle, am 25. August angekündigte „Drei-Rechner“-Architektur, in der Omniverse, Cosmos und DGX konkrete Rollen übernehmen, lässt sich daraus nicht ableiten. Dass Cosmos auf dem Gerät unterstützt wird, ist belegt; eine weitergehende Aufteilung der Aufgaben zwischen diesen Produkten sollte ohne zusätzliche Quellen nicht als offiziell vorgestellte Architektur dargestellt werden. 7

Fazit

Mit dem Jetson Orin Nano 2 will NVIDIA leistungsfähigere KI in besonders kleine und energiebegrenzte Robotiksysteme bringen. Die 78 TOPS, 8 GB Speicher und die Achtkern-Arm-CPU sind dabei nur ein Teil des Gesamtbilds. Entscheidender ist die Kombination aus doppelt so hoher, vom Hersteller angegebener Inferenzleistung, unverändert kompakter Bauweise und geringerem Energieverbrauch bei vergleichbarer Leistung. 17

Für Entwickler eröffnet das die Möglichkeit, zunehmend leistungsfähige Sprach- und Vision-Language-Modelle direkt in Robotern, Drohnen und Bildverarbeitungssystemen auszuführen. Die zentrale Einschränkung bleibt: Wie groß der praktische Vorteil tatsächlich ausfällt, muss sich an konkreten Modellen und Arbeitslasten zeigen, sobald weitere Details zu Hardware, Software und Verfügbarkeit vorliegen.