NVIDIA Jetson Orin Nano 2 מביא 78 TOPS למחשוב רובוטי בקצה

NVIDIA הכריזה על Jetson Orin Nano 2, מחשב קומפקטי להרצת AI גנרטיבי ומערכות אוטונומיות ישירות בתוך רובוטים, רחפנים ומערכות ראייה. החברה טוענת שהדגם החדש מספק 78 טריליון פעולות AI בשנייה (78 TOPS) — וביצועי הסקה כפולים לעומת Jetson Orin Nano Super — תוך שמירה על אותו מבנה פיזי. המודול וערכת המפתחים צפויים להיות זמינים במחצית הראשונה של 2027. 237

הנתונים המרכזיים

Jetson Orin Nano 2 כולל:

• 78 TOPS של ביצועי AI
• זיכרון בנפח 8GB
• מעבד Arm בעל 8 ליבות
• מבנה קומפקטי זהה לדור הקודם

לפי NVIDIA, השיפור בביצועי ההסקה נובע מליבות Tensor מעודכנות ומרוחב פס זיכרון גבוה יותר. החברה מתארת את המערכת ככזו שפועלת במעטפת הספק של 40W, וטוענת כי במצב של 15W היא צורכת 40% פחות חשמל מהמערכת הקודמת כאשר שתי המערכות מספקות ביצועים מקבילים. 312

חשוב לסייג: אלה נתונים וטענות של NVIDIA לגבי הפלטפורמה. הם אינם מבטיחים תוצאה אחידה בכל מודל או עומס עבודה. הביצועים בפועל יהיו תלויים בגודל המודל, בתוכנה, באופטימיזציה ובתנאי ההפעלה.

AI מקומי לרובוטים, רחפנים ומצלמות

Jetson Orin Nano 2 מיועד להריץ מודלי שפה ומודלי ראייה-שפה ישירות במכשיר, במקום לשלוח כל בקשה לשירות הסקה בענן. כך הוא יכול לעבד תמונות ממצלמות, דיבור, נתוני חיישנים והחלטות בזמן אמת קרוב יותר למקום שבו הפעולה מתרחשת. 589

NVIDIA מכוונת את המחשב למגוון מערכות של "AI פיזי":

• רחפני משלוחים ורחפני בדיקה
• רובוטים תעשייתיים ואוטונומיים
• רובוטים ביתיים
• מערכות ראייה ומצלמות מבוססות AI

ביישומים כאלה, עיבוד מקומי עשוי לאפשר זיהוי סביבתי, אינטראקציה, ניווט ובקרה בלי תלות מלאה בשירות מרוחק. במילים אחרות, Jetson נועד לשמש את המחשב שעל הרובוט עצמו — זה שמתרגם את הקלט מהמצלמות ומהחיישנים להחלטה ולפעולה בזמן אמת. 23

מה עומד מאחורי הטענה על מודלי "חזית" בקצה?

NVIDIA טוענת שמודלים קטנים ובינוניים מהדור החדש מסוגלים להגיע לדיוק שהיה מזוהה בשנה הקודמת עם מודלי ה-AI הגדולים ביותר. החברה משתמשת בטענה הזו כדי לטעון שהסקה בזמן אמת והסקה מקומית נעשות מעשיות יותר גם במכשירים אוטונומיים קטנים. 3

עם זאת, מדובר בטענה של NVIDIA ולא בתוצאת השוואה עצמאית שמוכיחה שכל מודל קטן או בינוני משתווה לכל מודל גדול מהשנה הקודמת. המסקנה הזהירה יותר היא ששיפור יעילות המודלים והחומרה מרחיב את מגוון משימות ה-AI הגנרטיבי שניתן להריץ מקומית.

מפתחים וחברות שכבר בוחנות את הפלטפורמה

NVIDIA אומרת שיותר מ-3 מיליון מפתחים בנו על מחסנית הרובוטיקה שלה, ומציינת את Cognex, את Doosan Bobcat ואת Matic Robotics בין החברות הראשונות שמאמצות או בוחנות את Jetson Orin Nano 2. 3

הפרטים הברורים ביותר לגבי השימושים הראשונים נוגעים ל-Wing ול-Matic Robotics:

• Wing בוחנת את המחשב עבור רחפני משלוחים, בדגש על פעולה מהירה וחסכונית יותר באנרגיה ועל האפשרות למשלוחים מהירים ואמינים יותר. 3
• Matic Robotics מאמצת אותו עבור רובוטים לניקוי הבית. לפי NVIDIA, המערכות מיועדות לתמוך ב-AI שיחתי, זיהוי מחוות, מיפוי סמנטי ומדויק, תפיסה בזמן אמת, אינטראקציה, ניווט וניקוי אוטונומי. 3
• Cognex ו-Doosan Bobcat מוזכרות כחברות מאמצות או בוחנות, אך המידע שסופק אינו מפרט מהו השימוש האישי של כל אחת מהן ב-Jetson Orin Nano 2. 3

NVIDIA מוסיפה כי שותפים באקוסיסטם מפתחים לוחות נשיאה, מערכות חומרה מלאות ותכנוני ייחוס, כדי לסייע ללקוחות לקצר את הדרך ממוצר ניסיוני למוצר מסחרי. 3

המקום של Jetson באסטרטגיית הרובוטיקה של NVIDIA

Jetson הוא שכבת המחשוב שעל הרובוט: החומרה שמיועדת להריץ תפיסה ממוחשבת, AI רב-מודלי ובקרה בזמן אמת לאחר שהמערכת נפרסת בעולם האמיתי. 23

האסטרטגיה הרחבה יותר של NVIDIA מחברת בין מכונות פיזיות לבין מחשוב במרכזי נתונים וסביבות סימולציה. במסגרת הזו, DGX משמש למחשוב AI בהיקפים גדולים ולאימון מודלים, ואילו Omniverse ו-Cosmos קשורים לבניית סביבות וירטואליות, נתונים סינתטיים, סימולציה ותהליכי פיתוח של רובוטים. Jetson הוא נקודת הקצה שמביאה את היכולות האלה אל המכשיר הפיזי.

עם זאת, המידע שסופק לגבי ההכרזה הזו אינו מתעד במדויק את הניסוח של אסטרטגיית "שלושת המחשבים", ואינו מוכיח שכל הקשרים בין Omniverse, Cosmos ו-DGX הם חלקים מפורטים בהשקת Jetson Orin Nano 2. המסקנה המבוססת יותר היא ש-NVIDIA מציגה את Jetson כשכבת הפריסה בתוך אקוסיסטם רובוטי רחב — ולא רק כמעבד עצמאי. 23

השורה התחתונה

Jetson Orin Nano 2 נועד להפוך AI מקומי מתקדם לנגיש יותר עבור רובוטים קטנים, רחפנים ומערכות ראייה. המפרט המרכזי כולל 78 TOPS, זיכרון 8GB ומעבד Arm בעל 8 ליבות. NVIDIA טוענת לביצועי הסקה כפולים באותו מבנה קומפקטי ולצריכת חשמל נמוכה ב-40% כאשר משווים ביצועים מקבילים. 23

המשמעות המעשית של המוצר תיקבע רק לאחר שנראה תמיכה במודלים אמיתיים, אופטימיזציה של התוכנה, מגבלות תרמיות ובדיקות בלתי תלויות. בשלב זה, ההכרזה מצביעה על פלטפורמת קצה המיועדת לקרב יכולות של שפה, ראייה והסקה אוטונומית אל המכונות שצריכות לפעול בעולם הפיזי.