NVIDIA Jetson Orin Nano 2 Hadir dengan 78 TOPS untuk AI Edge dan Robotika

NVIDIA mengumumkan Jetson Orin Nano 2 pada 25 Agustus 2026 sebagai komputer robotika baru untuk AI edge kelas pemula. Modul ini dirancang untuk robot, drone pengiriman dan inspeksi, serta sistem vision AI yang perlu memahami lingkungan sekitar dan merespons secara real-time langsung di perangkat. 1

Daya tarik utamanya adalah 78 triliun operasi per detik (TOPS) untuk komputasi AI, memori 8GB, dan CPU Arm delapan inti. NVIDIA mengklaim Jetson Orin Nano 2 memiliki performa inferensi dua kali lebih tinggi dibandingkan Jetson Orin Nano Super, tetapi tetap menggunakan form factor ringkas yang sama. Dalam mode 15W, perangkat ini dirancang untuk menyamai performa pendahulunya dengan konsumsi daya 40% lebih rendah. 17

Menyasar mesin fisik dengan anggaran terbatas

Jetson Orin Nano 2 ditujukan untuk mesin fisik yang memiliki batasan biaya, ukuran, dan daya—bukan untuk beban kerja pusat data. Contoh penggunaannya mencakup robot otonom, drone pengiriman dan inspeksi, serta sistem kamera tertanam yang membutuhkan AI lokal untuk persepsi, pemahaman bahasa atau gambar, dan pengambilan tindakan. 1

Kemampuan pemrosesan lokal penting bagi perangkat bergerak. Robot dan mesin bertenaga baterai tidak selalu dapat bergantung pada koneksi cloud yang stabil. Dengan menjalankan inferensi langsung di perangkat, model AI dapat memproses data lebih dekat dengan sensor dan aktuator. Hal ini berpotensi membantu sistem merespons sesuai batasan jaringan, daya, dan waktu yang tersedia di perangkat tersebut. NVIDIA membingkai Orin Nano 2 sebagai cara untuk membawa kemampuan generative AI dan physical AI yang lebih besar ke mesin berukuran kecil. 17

Spesifikasi dan peningkatan performa

Perangkat yang diumumkan NVIDIA mencakup:

• 78 TOPS untuk komputasi AI
• Memori 8GB
• CPU Arm delapan inti
• Form factor ringkas yang sama dengan Jetson Orin Nano Super
• Performa inferensi dua kali lipat, berdasarkan klaim NVIDIA
• Konsumsi daya 40% lebih rendah pada tingkat performa yang sama dalam mode 15W 17

NVIDIA mengaitkan peningkatan tersebut dengan Tensor Core yang diperbarui dan bandwidth memori yang lebih tinggi. Namun, angka perbandingan ini merupakan klaim dari perusahaan. Hasil nyata dapat berbeda, bergantung pada model AI, tingkat presisi, perangkat lunak, dan jenis beban kerja yang digunakan. 7

Secara praktis, pengembang mendapatkan ruang performa lebih besar untuk menjalankan AI lokal tanpa harus beralih ke modul yang lebih besar. Di sisi lain, desain yang sensitif terhadap penggunaan energi dapat menargetkan performa serupa dengan kebutuhan daya lebih rendah. Kombinasi ini relevan untuk robot bergerak, drone, dan perangkat inspeksi berukuran ringkas.

Model AI yang didukung

NVIDIA menyebut Jetson Orin Nano 2 mendukung open software stack perusahaan serta Jetson agent skills untuk inferensi edge yang hemat memori. Ekosistem model yang diumumkan mencakup NVIDIA Cosmos dan Nemotron, serta model terbuka seperti Gemma 4 dan Qwen 3. 7

Arti pentingnya bukan hanya jumlah model yang dapat dijalankan. Model bahasa dan vision-language berukuran lebih kecil dapat ditempatkan lebih dekat dengan sistem fisik. Model tersebut dapat membantu robot menggabungkan input multimodal, memahami konteks, dan menentukan tindakan.

NVIDIA juga menyatakan bahwa model frontier berukuran kecil dan menengah yang lebih baru dapat mendekati tingkat akurasi model jauh lebih besar dari tahun sebelumnya. Menurut perusahaan, perkembangan ini membuat penalaran lokal lebih realistis untuk mesin dengan sumber daya terbatas. Namun, dalam konteks bukti yang tersedia, pernyataan tersebut masih merupakan framing NVIDIA dan bukan hasil benchmark independen yang telah terverifikasi. 7

Mengapa model frontier penting bagi robotika?

Sistem AI edge tradisional biasanya berfokus pada tugas persepsi yang spesifik, misalnya mengenali objek atau mendeteksi kerusakan. Model generatif dan multimodal dapat memperluas fungsi tersebut dengan membantu mesin memahami bahasa, gambar, dan lingkungan secara bersamaan.

Pada robot, kemampuan itu dapat digunakan untuk menggabungkan pemahaman visual dengan instruksi suara. Pada drone, model dapat membantu menafsirkan kondisi yang berubah secara lebih responsif. Sementara itu, robot rumah tangga dapat menghubungkan percakapan, pemetaan, dan navigasi.

Manfaat yang ditekankan NVIDIA adalah penalaran lokal secara real-time. Perangkat dapat memproses adegan atau interaksi di tempat tindakan berlangsung, tanpa harus mengirim setiap langkah ke server jarak jauh untuk inferensi. 17

Meski demikian, Orin Nano 2 tidak menghilangkan kebutuhan akan optimasi model. Kapasitas memori 8GB dan posisinya sebagai platform kelas pemula membuat pemilihan model, kuantisasi, serta strategi deployment tetap penting bagi pengembang yang membangun sistem produksi.

Pengembang dan perusahaan yang mulai mengevaluasi

NVIDIA menyatakan bahwa lebih dari 3 juta pengembang telah membangun aplikasi menggunakan stack robotikanya. Perusahaan juga menyebut Cognex, Doosan Bobcat, Matic, dan Wing sebagai pihak yang telah mengadopsi atau mengevaluasi Jetson Orin Nano 2. 17

Dua contoh penggunaan yang dijelaskan paling jelas dalam materi pengumuman adalah:

• Wing mengeksplorasi modul ini untuk drone pengiriman, dengan fokus pada peningkatan respons dan efisiensi energi.
• Matic Robotics berencana menggunakannya pada robot pembersih rumah untuk AI percakapan, deteksi gestur, pemetaan presisi, pemahaman semantik terhadap rumah, dan pembersihan otonom. 7

Cognex dan Doosan Bobcat juga disebut dalam konteks adopsi atau evaluasi awal. Namun, bukti yang tersedia belum menjelaskan deployment Cognex secara spesifik. Untuk Doosan Bobcat, belum ada informasi terverifikasi mengenai produk atau deployment tertentu yang akan menggunakan modul ini. 17

Hal yang belum dapat dipastikan

Pengumuman tersebut menegaskan posisi Jetson Orin Nano 2 sebagai platform AI edge ringkas untuk robotika, sekaligus menyampaikan klaim NVIDIA mengenai performa, konsumsi daya, dan dukungan model.

Namun, bukti yang tersedia belum memverifikasi jadwal ketersediaan pada paruh pertama 2027. Sumber yang ada juga belum mendukung klaim tentang arsitektur formal “tiga komputer” yang menghubungkan Omniverse, Cosmos, dan DGX dalam pengumuman 25 Agustus. Begitu pula, detail mengenai penyegaran produk Orin NX terbaru belum terverifikasi.

Dukungan Cosmos pada perangkat ini memang didukung oleh materi yang tersedia. Akan tetapi, pembagian peran yang lebih luas antara Omniverse, Cosmos, DGX, dan Jetson tidak seharusnya disebut sebagai arsitektur resmi yang diumumkan tanpa bukti tambahan. 7

Kesimpulan

Jetson Orin Nano 2 menunjukkan upaya NVIDIA untuk membawa inferensi AI yang lebih mumpuni ke robot, drone, dan sistem vision berukuran kecil dengan batasan daya yang ketat. Angka 78 TOPS, memori 8GB, dan CPU Arm delapan inti memang penting, tetapi nilai utamanya terletak pada kombinasi performa inferensi yang diklaim dua kali lipat, form factor yang tetap ringkas, serta konsumsi daya yang lebih rendah pada tingkat performa setara. 17

Bagi pengembang, peluang terbesarnya adalah menjalankan model bahasa dan vision-language yang semakin canggih langsung di dalam perangkat fisik. Tantangannya, klaim perbandingan performa dan kemampuan model frontier tetap perlu diuji pada model serta beban kerja tertentu setelah rincian hardware, software, dan ketersediaannya diumumkan lebih lanjut.