Jetson Thor: Komputasi Edge AI untuk Robot dan Physical AI

Jetson Thor merupakan generasi terbaru platform edge AI NVIDIA yang dirancang untuk mesin cerdas seperti robot, sistem industri otomatis, dan perangkat otonom.

Platform pengembang Jetson AGX Thor menggunakan arsitektur GPU NVIDIA Blackwell, menghadirkan hingga 2.070 FP4 TFLOPS komputasi AI dengan memori 128 GB dalam konsumsi daya sekitar 130 watt. Dibandingkan generasi sebelumnya, Jetson AGX Orin, performanya meningkat hingga 7,5× lebih tinggi dengan efisiensi energi sekitar 3,5× lebih baik.

Lonjakan kinerja ini membuka jalan bagi aplikasi yang sering disebut “physical AI”—AI yang berinteraksi langsung dengan dunia fisik.

Alih‑alih bergantung sepenuhnya pada cloud, robot dapat menjalankan model AI canggih langsung di perangkat, termasuk model vision‑language dan reasoning yang memproses data sensor secara real‑time.

Beberapa kemampuan utama Jetson Thor:

• Inferensi AI berperforma tinggi untuk model generatif dan reasoning
• Pemrosesan sensor multi‑sumber seperti kamera dan lidar secara real‑time
• Konsumsi daya efisien untuk robot mobile dan sistem industri

Bagi pengembang robotika, ini berarti robot dapat melakukan persepsi lingkungan, perencanaan tindakan, dan interaksi dengan manusia langsung di perangkat, sehingga latensi lebih rendah dan ketergantungan pada server cloud berkurang.

Vera Rubin NVL72: Infrastruktur Rak‑Skala untuk “AI Factory”

Jika Jetson Thor berfokus pada komputasi di perangkat, Vera Rubin NVL72 berada di sisi sebaliknya: infrastruktur AI berskala sangat besar.

Sistem ini dirancang sebagai superkomputer AI berbasis rak, yang mengintegrasikan 36 CPU NVIDIA Vera dan 72 GPU Rubin. Semua GPU dihubungkan melalui NVLink generasi ke‑6, sehingga dapat bekerja sebagai satu akselerator raksasa dalam satu sistem.

Arsitektur tersebut dioptimalkan untuk beban kerja AI generasi berikutnya, termasuk:

• pelatihan model dengan triliunan parameter
• post‑training dan fine‑tuning
• inferensi skala besar
• reasoning dengan konteks panjang

Dibandingkan platform Blackwell sebelumnya, NVIDIA melaporkan peningkatan efisiensi signifikan:

• hingga 10× kinerja inferensi per watt
• hingga 10× biaya per token lebih rendah saat inferensi
• pelatihan model besar dengan sekitar seperempat jumlah GPU

Keuntungan tersebut berasal dari integrasi sistem yang sangat dalam. Platform ini menggabungkan berbagai chip khusus—termasuk GPU Rubin, CPU Vera, NVLink 6 switch, ConnectX‑9 SuperNIC, BlueField‑4 DPU, dan jaringan Spectrum—dalam satu arsitektur komputasi AI terpadu.

Sistem ini juga memenangkan Sustainable Tech Special Award karena desain infrastrukturnya. Tray modular dan sistem pendingin cair meningkatkan efisiensi pemasangan serta performa energi pusat data.

Singkatnya, Vera Rubin NVL72 menunjukkan pergeseran penting dalam perlombaan AI: kinerja tidak lagi hanya tentang GPU tunggal, tetapi tentang rak server atau bahkan seluruh “AI factory” yang dirancang sebagai satu sistem komputasi terpadu.

Alpamayo: AI Mengemudi Otonom Berbasis Reasoning

Teknologi ketiga yang memenangkan penghargaan adalah Alpamayo, platform pengembangan terbuka untuk kendaraan otonom.

Berbeda dari sistem self‑driving tradisional yang fokus pada deteksi objek, Alpamayo menggunakan pendekatan vision‑language‑action (VLA) berbasis reasoning untuk memahami situasi di jalan dan menentukan respons yang tepat.

Sebagai contoh, model Alpamayo 1 dapat memproses input video lalu menghasilkan:

• jalur berkendara seperti kemudi, pengereman, dan akselerasi
• jejak reasoning yang menjelaskan alasan keputusan

Pendekatan ini bertujuan membuat sistem kendaraan otonom lebih transparan dan lebih mudah dianalisis, terutama saat menguji skenario jalan yang jarang terjadi atau kompleks.

Pipeline pelatihan Alpamayo juga dirancang untuk memperluas cakupan data dengan menggabungkan:

• demonstrasi mengemudi dari dunia nyata
• dataset sintetis dari simulasi
• contoh mengemudi yang dianotasi secara detail

Kombinasi data nyata dan simulasi memungkinkan model belajar dari lebih banyak edge cases dibanding pengujian jalan saja.

Strategi Full‑Stack NVIDIA untuk Era AI

Jika dilihat bersama, tiga teknologi ini mencerminkan strategi full‑stack AI NVIDIA.

• Jetson Thor menghadirkan reasoning AI langsung ke robot dan perangkat edge.
• Vera Rubin NVL72 menyediakan infrastruktur raksasa untuk melatih dan menjalankan model AI skala triliunan parameter.
• Alpamayo menerapkan AI berbasis reasoning ke kendaraan otonom dengan pipeline data dunia nyata dan simulasi.

Kombinasi ini menggambarkan masa depan komputasi AI yang berjalan di berbagai lapisan sekaligus: pelatihan model di AI factory besar, deployment di pusat data, dan pengambilan keputusan real‑time di perangkat edge dan mesin otonom.

Pendekatan terpadu—mulai dari chip hingga sistem dan aplikasi AI—menjadi alasan utama mengapa NVIDIA muncul sebagai salah satu pemenang paling menonjol di COMPUTEX 2026 Best Choice Awards.

Jetson Thor: Komputasi Edge AI untuk Robot dan Physical AI

Jetson Thor merupakan generasi terbaru platform edge AI NVIDIA yang dirancang untuk mesin cerdas seperti robot, sistem industri otomatis, dan perangkat otonom.

Platform pengembang Jetson AGX Thor menggunakan arsitektur GPU NVIDIA Blackwell, menghadirkan hingga 2.070 FP4 TFLOPS komputasi AI dengan memori 128 GB dalam konsumsi daya sekitar 130 watt. Dibandingkan generasi sebelumnya, Jetson AGX Orin, performanya meningkat hingga 7,5× lebih tinggi dengan efisiensi energi sekitar 3,5× lebih baik.

Lonjakan kinerja ini membuka jalan bagi aplikasi yang sering disebut “physical AI”—AI yang berinteraksi langsung dengan dunia fisik.

Alih‑alih bergantung sepenuhnya pada cloud, robot dapat menjalankan model AI canggih langsung di perangkat, termasuk model vision‑language dan reasoning yang memproses data sensor secara real‑time.

Beberapa kemampuan utama Jetson Thor:

• Inferensi AI berperforma tinggi untuk model generatif dan reasoning
• Pemrosesan sensor multi‑sumber seperti kamera dan lidar secara real‑time
• Konsumsi daya efisien untuk robot mobile dan sistem industri

Bagi pengembang robotika, ini berarti robot dapat melakukan persepsi lingkungan, perencanaan tindakan, dan interaksi dengan manusia langsung di perangkat, sehingga latensi lebih rendah dan ketergantungan pada server cloud berkurang.

Vera Rubin NVL72: Infrastruktur Rak‑Skala untuk “AI Factory”

Jika Jetson Thor berfokus pada komputasi di perangkat, Vera Rubin NVL72 berada di sisi sebaliknya: infrastruktur AI berskala sangat besar.

Sistem ini dirancang sebagai superkomputer AI berbasis rak, yang mengintegrasikan 36 CPU NVIDIA Vera dan 72 GPU Rubin. Semua GPU dihubungkan melalui NVLink generasi ke‑6, sehingga dapat bekerja sebagai satu akselerator raksasa dalam satu sistem.

Arsitektur tersebut dioptimalkan untuk beban kerja AI generasi berikutnya, termasuk:

• pelatihan model dengan triliunan parameter
• post‑training dan fine‑tuning
• inferensi skala besar
• reasoning dengan konteks panjang

Dibandingkan platform Blackwell sebelumnya, NVIDIA melaporkan peningkatan efisiensi signifikan:

• hingga 10× kinerja inferensi per watt
• hingga 10× biaya per token lebih rendah saat inferensi
• pelatihan model besar dengan sekitar seperempat jumlah GPU

Keuntungan tersebut berasal dari integrasi sistem yang sangat dalam. Platform ini menggabungkan berbagai chip khusus—termasuk GPU Rubin, CPU Vera, NVLink 6 switch, ConnectX‑9 SuperNIC, BlueField‑4 DPU, dan jaringan Spectrum—dalam satu arsitektur komputasi AI terpadu.

Sistem ini juga memenangkan Sustainable Tech Special Award karena desain infrastrukturnya. Tray modular dan sistem pendingin cair meningkatkan efisiensi pemasangan serta performa energi pusat data.

Singkatnya, Vera Rubin NVL72 menunjukkan pergeseran penting dalam perlombaan AI: kinerja tidak lagi hanya tentang GPU tunggal, tetapi tentang rak server atau bahkan seluruh “AI factory” yang dirancang sebagai satu sistem komputasi terpadu.

Alpamayo: AI Mengemudi Otonom Berbasis Reasoning

Teknologi ketiga yang memenangkan penghargaan adalah Alpamayo, platform pengembangan terbuka untuk kendaraan otonom.

Berbeda dari sistem self‑driving tradisional yang fokus pada deteksi objek, Alpamayo menggunakan pendekatan vision‑language‑action (VLA) berbasis reasoning untuk memahami situasi di jalan dan menentukan respons yang tepat.

Sebagai contoh, model Alpamayo 1 dapat memproses input video lalu menghasilkan:

• jalur berkendara seperti kemudi, pengereman, dan akselerasi
• jejak reasoning yang menjelaskan alasan keputusan

Pendekatan ini bertujuan membuat sistem kendaraan otonom lebih transparan dan lebih mudah dianalisis, terutama saat menguji skenario jalan yang jarang terjadi atau kompleks.

Pipeline pelatihan Alpamayo juga dirancang untuk memperluas cakupan data dengan menggabungkan:

• demonstrasi mengemudi dari dunia nyata
• dataset sintetis dari simulasi
• contoh mengemudi yang dianotasi secara detail

Kombinasi data nyata dan simulasi memungkinkan model belajar dari lebih banyak edge cases dibanding pengujian jalan saja.

Strategi Full‑Stack NVIDIA untuk Era AI

Jika dilihat bersama, tiga teknologi ini mencerminkan strategi full‑stack AI NVIDIA.

• Jetson Thor menghadirkan reasoning AI langsung ke robot dan perangkat edge.
• Vera Rubin NVL72 menyediakan infrastruktur raksasa untuk melatih dan menjalankan model AI skala triliunan parameter.
• Alpamayo menerapkan AI berbasis reasoning ke kendaraan otonom dengan pipeline data dunia nyata dan simulasi.

Kombinasi ini menggambarkan masa depan komputasi AI yang berjalan di berbagai lapisan sekaligus: pelatihan model di AI factory besar, deployment di pusat data, dan pengambilan keputusan real‑time di perangkat edge dan mesin otonom.

Pendekatan terpadu—mulai dari chip hingga sistem dan aplikasi AI—menjadi alasan utama mengapa NVIDIA muncul sebagai salah satu pemenang paling menonjol di COMPUTEX 2026 Best Choice Awards.