Jetson Orin Nano 2: más IA para robots, drones y sistemas de visión en el mismo tamaño

NVIDIA quiere que la próxima generación de robots sea menos dependiente de la nube. La compañía presentó el 25 de agosto de 2026 el Jetson Orin Nano 2, un ordenador compacto para IA en el borde —es decir, procesamiento realizado directamente en el robot o dispositivo— que apunta a robots, drones de reparto e inspección y sistemas de visión artificial.

El nuevo sistema alcanza 78 billones de operaciones por segundo (78 TOPS) y, según NVIDIA, ofrece el doble de rendimiento de inferencia que el anterior Jetson Orin Nano Super. 356 La idea no es solo mejorar una cifra técnica: al procesar modelos de lenguaje, imágenes y contexto localmente, una máquina puede reaccionar con menos dependencia de una conexión con servidores remotos.

Qué incorpora el Jetson Orin Nano 2

Sus principales especificaciones son:

• 78 TOPS de capacidad de cálculo para IA.
• 8 GB de memoria.
• CPU Arm de ocho núcleos.
• El mismo formato compacto que la generación anterior.
• Un ancho de banda de memoria de 120 GB/s, según los informes disponibles.

NVIDIA atribuye el salto de rendimiento a unos Tensor Cores mejorados y a un mayor ancho de banda de memoria, no a un ordenador físicamente más grande. 4611 En robótica, esa diferencia es importante: el espacio disponible, la disipación térmica y la batería suelen ser limitaciones tan decisivas como la potencia de cálculo bruta.

El doble de inferencia sin aumentar el tamaño

NVIDIA afirma que Jetson Orin Nano 2 duplica el rendimiento de inferencia del Jetson Orin Nano Super manteniendo el mismo formato compacto. 356 En la práctica, esto podría permitir ejecutar modelos más exigentes en robots pequeños, drones y otros dispositivos autónomos sin rediseñar por completo su arquitectura física.

Conviene matizar que se trata de una afirmación de rendimiento de NVIDIA, no de un resultado de una prueba independiente incluida en las fuentes disponibles. El rendimiento real dependerá del modelo utilizado, su cuantización, la pila de software, la carga de trabajo y el diseño térmico del producto final.

Menos consumo: una ventaja especialmente relevante en robots móviles

La eficiencia energética es otro de los pilares del anuncio. NVIDIA asegura que el Jetson Orin Nano 2 puede ofrecer un rendimiento comparable al de su predecesor con un 40% menos de consumo en el modo de 15 W. 568

Para un robot móvil o un dron, reducir el consumo puede ser tan importante como aumentar los TOPS. Menos energía destinada al ordenador puede traducirse en menores exigencias de refrigeración y en más batería disponible para desplazarse, alimentar sensores o mantener las comunicaciones.

La cifra debe interpretarse como una comparación a rendimiento equivalente. No significa que todas las aplicaciones vayan a consumir exactamente un 40% menos: el gasto variará según el modo de funcionamiento y el tipo de tarea.

Por qué los LLM y los VLM son importantes en la robótica

Los modelos de lenguaje de gran tamaño (LLM) permiten procesar instrucciones expresadas en lenguaje natural. Los modelos de visión y lenguaje (VLM) combinan imágenes con texto y contexto para interpretar lo que ocurre en el entorno.

Ejecutar estos modelos en el propio dispositivo puede ayudar a un robot a entender una orden, identificar un objeto o interpretar una escena sin enviar cada consulta a un servicio remoto. 46 Esa respuesta local resulta especialmente útil cuando la latencia, la conectividad o la privacidad son factores críticos.

Por ejemplo, un dron de reparto o inspección puede necesitar reaccionar mientras se desplaza, y un robot doméstico no debería depender necesariamente de un viaje de ida y vuelta a la nube antes de ejecutar cada acción.

NVIDIA presenta esta capacidad como una vía para llevar IA generativa de nivel avanzado a sistemas físicos compactos. Sin embargo, las fuentes disponibles no demuestran que todos los modelos más avanzados puedan ejecutarse con el mismo rendimiento en un dispositivo de 8 GB. El tamaño del modelo, los requisitos de memoria, la compresión y la complejidad de la tarea seguirán siendo factores determinantes.

Cosmos, Nemotron, Gemma 4 y Qwen 3, entre los modelos mencionados

Los informes sobre el anuncio identifican Cosmos y Nemotron, de NVIDIA, junto con Gemma 4, de Google, y Qwen 3, de Alibaba, entre las opciones de LLM y VLM orientadas a una inferencia eficiente en el borde. 2021

Que un modelo figure como compatible no implica que todos ofrezcan el mismo rendimiento ni que funcionen igual en cualquier robot. Los desarrolladores tendrán que comprobar la versión concreta del modelo, el consumo de memoria, la compatibilidad con el entorno de ejecución y la latencia que se obtiene en su aplicación.

Wing, Matic Robotics y el ecosistema de desarrolladores

Jetson Orin Nano 2 está dirigido a robots, drones de reparto e inspección y sistemas de visión con IA. 34 NVIDIA afirma que más de 3 millones de desarrolladores han construido proyectos sobre su plataforma de robótica, y menciona a Cognex, Doosan Bobcat y Matic Robotics entre las empresas que adoptan o exploran el sistema. 4

Wing está estudiando el ordenador para sus drones de reparto, con especial atención a la capacidad de respuesta y la eficiencia energética. Matic Robotics prevé emplearlo en funciones como interacción conversacional, detección de gestos, comprensión semántica de los hogares, cartografía de precisión y limpieza autónoma. 4

La compañía también señala que distintos socios del ecosistema están desarrollando placas portadoras, sistemas de hardware y soluciones de referencia. Estos componentes pueden reducir el trabajo de ingeniería necesario para pasar de un prototipo de IA a una máquina lista para desplegarse. 4

Disponibilidad y lugar dentro de la familia Jetson Orin

Los módulos Jetson Orin Nano 2 y los kits para desarrolladores están previstos para la primera mitad de 2027, según los informes disponibles. 1521 Por ahora, las fuentes proporcionadas no incluyen una fecha de envío más precisa ni un precio.

El producto se sitúa como la opción de entrada de la familia Jetson Orin. NVIDIA describe esta gama como una arquitectura compartida por siete módulos, con capacidades que llegan hasta 275 TOPS para inferencia de IA multimodal. 23

El papel de Jetson en la estrategia de robótica de NVIDIA

La visión más amplia de NVIDIA separa las funciones entre ordenadores compactos para la inferencia en la máquina desplegada y sistemas de mayor tamaño destinados al desarrollo, la simulación y el entrenamiento. En ese contexto, Jetson puede entenderse como la plataforma que lleva la inteligencia al robot.

No obstante, las fuentes del anuncio no confirman de forma directa una integración específica de Jetson Orin Nano 2 en una arquitectura formal de “tres ordenadores” junto con DGX, Omniverse y Cosmos. Esa conexión debe tratarse como contexto estratégico de NVIDIA, no como una característica confirmada de este lanzamiento.

La clave para los desarrolladores

La propuesta más fuerte del Jetson Orin Nano 2 combina más capacidad de inferencia, menor consumo a rendimiento equivalente y el mismo tamaño compacto. Esa mezcla está pensada para máquinas en las que cada vatio, cada grado de temperatura y cada milisegundo de respuesta cuentan.

Aun así, las cifras del anuncio no sustituyen a las pruebas del producto final. Antes de elegir la plataforma, los equipos tendrán que comprobar qué modelos alcanzan la latencia necesaria, cuánta memoria queda disponible después de cargar el resto de la pila robótica y cómo se comporta el sistema durante sesiones prolongadas, con límites térmicos y de batería reales.

Jetson Orin Nano 2 marca una dirección ambiciosa para la IA física de entrada: más inteligencia local en un ordenador pequeño. El resultado definitivo dependerá de cómo esa potencia se traduzca en robots concretos.