Die Technologien hinter NVIDIAs vier COMPUTEX‑Auszeichnungen 2026

Jetson Thor: Edge‑KI für Roboter und „Physical AI“

Mit Jetson Thor stellt NVIDIA eine neue Generation von Edge‑Computing‑Hardware für intelligente Maschinen vor – etwa Industrieroboter, autonome Geräte oder komplexe Sensorplattformen.

Die Plattform basiert auf der Blackwell‑GPU‑Architektur. Das Entwickler‑Kit Jetson AGX Thor liefert laut NVIDIA bis zu 2.070 FP4‑TFLOPS KI‑Rechenleistung bei 128 GB Speicher und arbeitet dabei in einem Leistungsrahmen von etwa 130 Watt. Gegenüber der vorherigen Jetson‑Orin‑Generation entspricht das bis zu 7,5‑fach mehr KI‑Leistung und rund 3,5‑fach höherer Energieeffizienz.

Dieser Leistungssprung ermöglicht eine neue Kategorie von Anwendungen, die oft als „Physical AI“ bezeichnet wird: Systeme, die ihre Umgebung wahrnehmen, interpretieren und darauf reagieren.

Statt ständig Cloud‑Server anzufragen, können Maschinen viele Aufgaben direkt auf dem Gerät ausführen, etwa:

• visuelle und sprachbasierte KI‑Modelle
• Sensorfusion aus Kameras, Radar oder LiDAR
• Echtzeit‑Entscheidungen für Navigation oder Interaktion

Für Robotik‑Entwickler bedeutet das weniger Latenz und mehr Autonomie: Roboter können komplexe Wahrnehmungs‑ und Planungsaufgaben lokal erledigen, selbst in Umgebungen mit schlechter oder fehlender Netzverbindung.

Vera Rubin NVL72: Rack‑Scale‑Supercomputer für KI‑Fabriken

Während Jetson Thor auf Edge‑Geräte zielt, adressiert Vera Rubin NVL72 das andere Ende des Spektrums: massive KI‑Rechenzentren.

Das System ist als rack‑basierter KI‑Supercomputer konzipiert und kombiniert 36 NVIDIA‑Vera‑CPUs mit 72 Rubin‑GPUs. Diese sind über NVLink der sechsten Generation verbunden, sodass sie praktisch als ein einziger Beschleuniger arbeiten können.

Die Architektur ist auf extrem große KI‑Workloads ausgelegt, darunter:

• Training von Modellen mit Billionen Parametern
• Post‑Training und Fine‑Tuning
• großskalige Inferenz
• Reasoning‑Workloads mit langen Kontextfenstern

Im Vergleich zur vorherigen Blackwell‑Generation berichtet NVIDIA mehrere Effizienzsprünge:

• bis zu 10× höhere Inferenzleistung pro Watt
• bis zu 10× niedrigere Kosten pro Token
• Training großer Modelle mit etwa einem Viertel der GPUs

Diese Fortschritte entstehen vor allem durch System‑Co‑Design. Mehrere spezialisierte Chips arbeiten eng zusammen, darunter:

• Rubin GPU
• Vera CPU
• NVLink‑6‑Switch
• ConnectX‑9 SuperNIC
• BlueField‑4 DPU
• Spectrum‑Netzwerkchips

Gemeinsam bilden sie eine integrierte Plattform für sogenannte AI Factories – große Rechenzentren, die speziell für Training und Betrieb moderner KI‑Modelle gebaut werden.

Der Sustainable Tech Special Award würdigt außerdem das Infrastruktur‑Design: modulare Einschübe und Flüssigkeitskühlung verbessern Energieeffizienz und erleichtern den Einsatz in Rechenzentren.

Damit verschiebt sich der Wettbewerb in der KI‑Industrie: Statt einzelner GPUs wird zunehmend die gesamte Systemarchitektur eines Racks oder eines kompletten KI‑Clusters zum entscheidenden Faktor.

Alpamayo: KI‑Modelle mit Reasoning für autonomes Fahren

Die dritte ausgezeichnete Technologie, Alpamayo, richtet sich auf eine der schwierigsten Anwendungen der KI: sicheres autonomes Fahren.

Alpamayo ist eine offene Entwicklungsplattform und Modellfamilie für autonome Fahrzeuge. Anders als klassische Systeme, die hauptsächlich Objekte erkennen, nutzt Alpamayo Vision‑Language‑Action‑Modelle (VLA) mit Reasoning‑Fähigkeiten.

Das bedeutet: Das System versucht nicht nur zu erkennen, was auf der Straße passiert – es kann auch interpretieren und begründen, warum es eine bestimmte Fahrentscheidung trifft.

Das Modell Alpamayo 1 kann beispielsweise Videodaten verarbeiten und daraus erzeugen:

• Fahrtrajektorien (Lenken, Bremsen, Beschleunigen)
• erklärende Reasoning‑Spuren, die Entscheidungen nachvollziehbar machen

Diese Transparenz ist für die Entwicklung autonomer Systeme wichtig, weil Ingenieure so besser analysieren können, wie das Fahrzeug in seltenen oder komplexen Situationen reagiert.

Auch das Training unterscheidet sich von klassischen Ansätzen. Alpamayo kombiniert mehrere Datenquellen:

• reale Fahrdemonstrationen
• synthetische Datensätze aus Simulationen
• umfangreich annotierte Fahrszenarien

Durch die Mischung aus realen und simulierten Daten lassen sich viel mehr seltene Verkehrssituationen („Edge Cases“) trainieren, als es allein mit realen Testfahrten möglich wäre.

Eine Full‑Stack‑Strategie für das KI‑Zeitalter

Zusammen zeigen die drei prämierten Technologien deutlich NVIDIAs Strategie für die nächste Phase der KI‑Entwicklung:

• Jetson Thor bringt leistungsstarke KI‑Modelle direkt in Roboter und Edge‑Geräte.
• Vera Rubin NVL72 liefert die Recheninfrastruktur für Training und Betrieb extrem großer Modelle.
• Alpamayo nutzt reasoning‑basierte KI, um autonome Fahrzeuge sicherer und nachvollziehbarer zu machen.

Die Kombination deutet auf eine Zukunft hin, in der KI über mehrere Ebenen verteilt arbeitet: Training in riesigen KI‑Fabriken, Betrieb in Rechenzentren und Echtzeit‑Entscheidungen direkt auf Maschinen und Fahrzeugen.

Genau dieser Full‑Stack‑Ansatz – von Chips über komplette Rack‑Systeme bis hin zu intelligenten Anwendungen – erklärt, warum NVIDIA zu den auffälligsten Gewinnern der COMPUTEX 2026 Best Choice Awards gehört.