Jetson Orin Nano 2: 78 TOPS para llevar la IA generativa a robots y drones

NVIDIA anunció el 25 de agosto de 2026 el Jetson Orin Nano 2, un nuevo ordenador compacto para robótica e inteligencia artificial en el borde. La compañía lo presenta como una plataforma de entrada para robots, drones de reparto e inspección y sistemas de visión capaces de interpretar su entorno y responder en tiempo real desde el propio dispositivo. 1

Sus cifras principales son 78 billones de operaciones de IA por segundo (TOPS), 8 GB de memoria y una CPU Arm de ocho núcleos. Según NVIDIA, ofrece el doble de rendimiento de inferencia que el Jetson Orin Nano Super sin aumentar su formato compacto. En el modo de 15 W, está diseñado para alcanzar el rendimiento de su predecesor con un 40 % menos de consumo. 17

Un ordenador pensado para la IA local

El Jetson Orin Nano 2 no está orientado a centros de datos, sino a máquinas físicas con presupuestos limitados de coste y energía. Entre sus usos previstos están los robots autónomos, los drones de reparto e inspección y los sistemas de visión integrados que necesitan percibir, comprender y actuar localmente. 1

Procesar la inferencia en el propio dispositivo puede ser especialmente importante para una máquina móvil. Un robot o un dron no siempre puede depender de una conexión continua con la nube: ejecutar los modelos cerca de los sensores y actuadores puede reducir la dependencia de la red y permitir respuestas ajustadas a las limitaciones de batería, latencia y conectividad. NVIDIA presenta el Orin Nano 2 como una forma de acercar modelos generativos y de IA física más capaces a dispositivos pequeños. 17

Especificaciones y mejoras de rendimiento

El hardware anunciado incluye:

• 78 TOPS de capacidad de cálculo de IA.
• 8 GB de memoria.
• CPU Arm de ocho núcleos.
• El mismo formato compacto que el Jetson Orin Nano Super.
• El doble de rendimiento de inferencia, según la comparación de NVIDIA.
• Un 40 % menos de consumo en modo de 15 W para ofrecer el mismo nivel de rendimiento. 17

NVIDIA atribuye la mejora a unos Tensor Cores actualizados y a un mayor ancho de banda de memoria. Se trata de una afirmación de rendimiento de la propia compañía: los resultados concretos variarán según el modelo utilizado, la precisión numérica, el software y la carga de trabajo. 7

En la práctica, la propuesta combina más margen para ejecutar IA local con el mismo espacio físico. También permite diseñar equipos que busquen un rendimiento similar al de la generación anterior con un consumo menor, algo relevante para robots móviles, drones y equipos compactos de inspección.

Qué modelos puede ejecutar

NVIDIA afirma que el Jetson Orin Nano 2 funciona con su pila de software abierta y con las Jetson Agent Skills, orientadas a una inferencia eficiente en memoria. El ecosistema anunciado incluye los modelos de NVIDIA Cosmos y Nemotron, además de modelos abiertos como Gemma 4 y Qwen 3. 7

El interés no está únicamente en la cantidad de modelos compatibles. Los modelos de lenguaje y de visión-lenguaje más pequeños pueden ejecutarse cerca del sistema físico y ayudar a un robot a interpretar entradas multimodales, comprender el contexto y seleccionar acciones.

NVIDIA sostiene que los modelos de frontera pequeños y medianos pueden acercarse a la precisión de modelos mucho mayores de la generación anterior, lo que haría más viable el razonamiento local en máquinas con recursos limitados. Esa es la interpretación de NVIDIA y no un resultado de pruebas independientes confirmado en las evidencias disponibles. 7

Por qué los modelos de frontera importan en robótica

Los sistemas tradicionales de IA en el borde suelen centrarse en tareas concretas, como identificar un objeto o detectar un defecto. Los modelos generativos y multimodales pueden ampliar ese papel al combinar lenguaje, imágenes y comprensión del entorno.

En un robot, esto podría traducirse en relacionar una instrucción hablada con lo que muestran sus cámaras. En un dron, podría facilitar una interpretación más rápida de condiciones cambiantes. En un robot doméstico, permitiría conectar conversación, mapas, navegación y limpieza autónoma.

La ventaja que destaca NVIDIA es el razonamiento local y en tiempo real: el dispositivo procesa la escena o la interacción donde ocurre la acción, sin tener que enviar cada paso a un servidor remoto. 17 Aun así, los 8 GB de memoria y el posicionamiento de entrada del Orin Nano 2 hacen que la optimización de modelos, la cuantización y la selección del software sigan siendo aspectos decisivos para cualquier despliegue de producción.

Empresas y primeros casos de uso

NVIDIA asegura que más de 3 millones de desarrolladores han construido proyectos sobre su plataforma de robótica. También mencionó a Cognex, Doosan Bobcat, Matic y Wing como primeros adoptantes o evaluadores del Jetson Orin Nano 2. 17

Los materiales disponibles detallan especialmente dos casos:

• Wing está explorando el módulo para sus drones de reparto, con el objetivo de mejorar la capacidad de respuesta y la eficiencia energética.
• Matic Robotics planea emplearlo en robots de limpieza doméstica para funciones como IA conversacional, detección de gestos, cartografía de precisión, comprensión semántica de los hogares y limpieza autónoma. 7

Cognex y Doosan Bobcat también aparecen vinculadas a la adopción o evaluación inicial. Sin embargo, las evidencias disponibles no confirman un despliegue concreto de Cognex ni identifican el producto exacto de Doosan Bobcat en el que se utilizaría el módulo. 17

Lo que todavía no está confirmado

El anuncio confirma el posicionamiento del Jetson Orin Nano 2 como plataforma compacta y de entrada para IA en el borde, así como las cifras de rendimiento, consumo y compatibilidad de modelos comunicadas por NVIDIA. También sitúa el dispositivo dentro del ecosistema de software y hardware de robótica de la compañía.

En cambio, las evidencias proporcionadas no verifican una disponibilidad prevista para el primer semestre de 2027. Tampoco confirman que el anuncio del 25 de agosto presentara una arquitectura formal de «tres ordenadores» que conecte Omniverse, Cosmos y DGX, ni ofrecen detalles verificados sobre una reciente renovación del Orin NX.

El material disponible sí respalda la compatibilidad con Cosmos, pero no permite describir como arquitectura anunciada una división concreta de funciones entre Omniverse, Cosmos y DGX. 7

En resumen

El Jetson Orin Nano 2 representa el intento de NVIDIA de introducir una IA local más capaz en robots, drones y sistemas de visión con restricciones estrictas de espacio y energía. Sus 78 TOPS, 8 GB de memoria y CPU Arm de ocho núcleos son importantes, pero la propuesta diferencial está en combinarlos con el doble de rendimiento de inferencia declarado, el mismo formato compacto y un menor consumo a un rendimiento equivalente. 17

Para los desarrolladores, la oportunidad es ejecutar modelos de lenguaje y visión-lenguaje cada vez más avanzados directamente en la máquina. La principal cautela es que las comparaciones de NVIDIA y sus afirmaciones sobre los modelos de frontera tendrán que evaluarse con modelos y cargas de trabajo concretos cuando se conozcan todos los detalles de hardware, software y disponibilidad.