Jetson Orin Nano 2 kaksinkertaistaa tekoälypäättelyn samassa pienessä koossa

NVIDIA julkisti 25. elokuuta 2026 Jetson Orin Nano 2:n, uuden lähtötason tietokoneen reunatekoälyä ja robotiikkaa varten. Moduuli on tarkoitettu esimerkiksi roboteille, kuljetus- ja tarkastusdroneille sekä konenäköjärjestelmille, joiden täytyy havainnoida ympäristöään ja toimia reaaliajassa suoraan laitteella. 1

Laitteen keskeiset luvut ovat 78 teraoperaatiota sekunnissa eli TOPS-yksikköä tekoälylaskentaa, 8 gigatavua muistia ja kahdeksanytiminen Arm-suoritin. NVIDIAn mukaan Jetson Orin Nano 2 tarjoaa kaksinkertaisen päättelysuorituskyvyn Jetson Orin Nano Superiin verrattuna, mutta säilyttää saman kompaktin fyysisen koon. 15 watin käyttötilassa sen on tarkoitus yltää edeltäjän suorituskykyyn 40 prosenttia pienemmällä tehonkulutuksella. 17

Mitä NVIDIA julkisti?

Jetson Orin Nano 2 on suunnattu fyysisille laitteille, joissa kustannukset, tila ja energiankulutus ovat rajoitteita. Kohteita ovat muun muassa autonomiset robotit, kuljetus- ja tarkastusdronet sekä sulautetut konenäköjärjestelmät, jotka tarvitsevat paikallista tekoälyä havainnointiin, kielen ja kuvien ymmärtämiseen sekä toimintaan. 1

Reunalaskennan idea on käytännöllinen: robotti tai akkukäyttöinen laite ei voi aina nojata jatkuvaan pilviyhteyteen. Kun tekoälymallin päättely tapahtuu paikallisesti, laskenta on lähempänä antureita ja toimilaitteita. Tämä voi lyhentää vasteaikaa ja vähentää riippuvuutta verkkoyhteydestä, samalla kun laitteen tehorajoitukset pysyvät hallinnassa. NVIDIA esittelee Orin Nano 2:n keinona tuoda aiempaa kyvykkäämpää generatiivista ja fyysistä tekoälyä pienempiin koneisiin. 17

Tekniset tiedot ja suorituskyky

Julkistetun laitteiston keskeiset ominaisuudet ovat:

• 78 TOPS:n tekoälylaskenta
• 8 Gt muistia
• Kahdeksanytiminen Arm-suoritin
• Sama kompakti fyysinen koko kuin Jetson Orin Nano Superissa
• NVIDIAn ilmoittama kaksinkertainen päättelysuorituskyky Jetson Orin Nano Superiin verrattuna
• 40 prosenttia pienempi tehonkulutus 15 watin tilassa, kun suorituskyky pidetään samalla tasolla 17

NVIDIA kertoo suorituskykyparannuksen perustuvan päivitettyihin Tensor-ytimiin ja suurempaan muistiväylän kaistanleveyteen. Kyseessä on yhtiön ilmoittama vertailutulos, joten käytännön suorituskyky riippuu käytettävästä mallista, laskentatarkkuudesta, ohjelmistopinosta ja työkuormasta. 7

Kehittäjän näkökulmasta hyöty on selkeä: paikalliselle tekoälylle saadaan enemmän laskentavaraa ilman suurempaa moduulia. Vaihtoehtoisesti samankaltainen suorituskyky voidaan tavoitella pienemmällä tehobudjetilla. Tämä on erityisen tärkeää liikkuvissa roboteissa, droneissa ja kompakteissa tarkastuslaitteissa.

Mitä tekoälymalleja laite tukee?

NVIDIAn mukaan Jetson Orin Nano 2 hyödyntää yhtiön avointa ohjelmistopinoa ja Jetson-agenttien taitoja, jotka on tarkoitettu muistitehokkaaseen reunapäättelyyn. Mainittuun malliekosysteemiin kuuluvat NVIDIAn Cosmos ja Nemotron sekä avoimet mallit, kuten Gemma 4 ja Qwen 3. 7

Pelkkä tuettujen mallien määrä ei kuitenkaan ratkaise asiaa. Pienemmät kieli- ja näkö-kielimallit voidaan ajaa lähempänä fyysistä järjestelmää, jolloin ne voivat auttaa robottia tulkitsemaan monimuotoista syötettä, ymmärtämään tilannetta ja valitsemaan toiminnon.

NVIDIAn laajempi väite on, että uudemmat pienet ja keskikokoiset frontier-mallit voivat yltää edellisen vuoden huomattavasti suurempien mallien tarkkuuteen. Yhtiön mukaan tämä tekee paikallisesta päättelystä käytännöllisempää rajallisilla resursseilla toimivissa koneissa. Toimitettu aineisto ei kuitenkaan sisällä tästä riippumatonta vertailutulosta, joten väite on syytä esittää NVIDIAn omana näkemyksenä. 7

Miksi frontier-mallit kiinnostavat robotiikassa?

Perinteiset reunatekoälyjärjestelmät keskittyvät usein tarkasti rajattuihin tehtäviin, kuten esineiden tunnistamiseen tai tuotantovirheiden havaitsemiseen. Generatiiviset ja monimuotoista dataa käsittelevät mallit voivat laajentaa roolia yhdistämällä esimerkiksi kielen, kuvat ja ympäristön tulkinnan.

Robotille tämä voisi tarkoittaa visuaalisen havainnon yhdistämistä puhuttuun ohjeeseen. Dronelle se voi merkitä muuttuvien olosuhteiden nopeampaa tulkintaa. Kotitalousrobotissa sama laskenta voi yhdistää keskustelun, kartoituksen ja navigoinnin.

NVIDIAn korostama etu on paikallinen, reaaliaikainen päättely: laite voi käsitellä tilanteen siellä, missä toiminta tapahtuu, eikä jokaisesta havainnosta tai komennosta tarvitse tehdä erillistä pyyntöä etäpalvelimelle. 17

Orin Nano 2 ei silti poista mallien optimoinnin tarvetta. 8 Gt:n muistimäärä ja laitteen lähtötason asema tarkoittavat, että tuotantokäytössä on edelleen valittava mallit huolellisesti ja hyödynnettävä esimerkiksi kvantisointia sekä tehokasta käyttöönottoa.

Kehittäjäyhteisö ja ensimmäiset käyttötapaukset

NVIDIA kertoo, että sen robotiikkaohjelmistopinon parissa on työskennellyt yli kolme miljoonaa kehittäjää. Yhtiö nimesi varhaisiksi käyttäjiksi tai arvioijiksi Cognexin, Doosan Bobcatin, Matic Roboticsin ja Wingin. 17

Toimitetussa ilmoitusmateriaalissa käyttötapaukset on kuvattu tarkimmin kahden yrityksen osalta:

• Wing selvittää moduulin käyttöä kuljetusdroneissa tavoitteenaan parempi reagointikyky ja energiatehokkuus.
• Matic Robotics aikoo käyttää sitä kotisiivousroboteissa keskustelevaan tekoälyyn, eleiden tunnistamiseen, tarkkaan kartoitukseen, kotien semanttiseen ymmärtämiseen ja autonomiseen siivoukseen. 7

Cognex ja Doosan Bobcat mainittiin myös laitteen varhaisen käyttöönoton tai arvioinnin yhteydessä. Saatavilla oleva näyttö ei kuitenkaan vahvista Cognexille tiettyä julkistettua käyttöönottoa eikä kerro, missä tarkassa Doosan Bobcatin tuotteessa tai järjestelmässä moduulia käytettäisiin. 17

Mitä julkistus vahvistaa – ja mitä ei?

Julkistus vahvistaa Jetson Orin Nano 2:n aseman kompaktina, lähtötason reunatekoälyalustana sekä NVIDIAn ilmoittamat suorituskyky-, teho- ja mallituen väitteet. Laite sijoittuu osaksi yhtiön laajempaa robotiikan laitteisto- ja ohjelmistoekosysteemiä.

Toimitettu aineisto ei vahvista väitettä laitteen odotetusta saatavuudesta vuoden 2027 ensimmäisellä puoliskolla. Se ei myöskään vahvista, että 25. elokuuta olisi julkistettu tarkka ”kolmen tietokoneen” arkkitehtuuri, joka yhdistäisi Omniversen, Cosmoksen ja DGX-järjestelmät. Saatavilla oleva aineisto ei lisäksi sisällä varmennettuja tietoja tuoreesta Orin NX -päivityksestä. 7

Cosmos-tuki laitteessa on aineiston perusteella tuettu väite, mutta näiden tuotteiden tarkkaa työnjakoa ei pidä kuvata tässä julkistuksessa ilmoitettuna arkkitehtuurina ilman vahvempaa lähdenäyttöä.

Lopputulos

Jetson Orin Nano 2 on NVIDIAn yritys tuoda aiempaa kehittyneempi tekoäly pienimpiin ja energiankulutukseltaan rajoitetuimpiin robottijärjestelmiin. Sen 78 TOPS:n laskentateho, 8 Gt:n muisti ja kahdeksanytiminen Arm-suoritin ovat tärkeitä, mutta kiinnostavin yhdistelmä on NVIDIAn ilmoittama kaksinkertainen päättelyteho, ennallaan säilyvä kompakti koko ja pienempi tehonkulutus samalla suorituskykytasolla. 17

Kehittäjille suurin mahdollisuus on ajaa yhä kyvykkäämpiä kieli- ja näkö-kielimalleja suoraan roboteissa, droneissa ja konenäköjärjestelmissä. Vastapuolella ovat kuitenkin NVIDIAn omat vertailuväitteet: niiden todellinen merkitys selviää vasta, kun laitteesta, ohjelmistosta, saatavuudesta ja eri työkuormien suorituskyvystä julkaistaan tarkempia tietoja.