Jetson Orin Nano 2: più IA direttamente nei robot, con il 40% di consumi in meno

NVIDIA vuole rendere l’intelligenza artificiale più autonoma anche nelle macchine di piccole dimensioni. Il 25 agosto 2026 l’azienda ha presentato Jetson Orin Nano 2, un computer per la robotica pensato come nuovo punto d’ingresso all’IA edge: robot, droni per le consegne o le ispezioni e sistemi di visione possono elaborare più dati direttamente a bordo, senza dipendere in ogni momento da una connessione al cloud. 356

La promessa principale è un raddoppio delle prestazioni di inferenza rispetto a Jetson Orin Nano Super, all’interno dello stesso formato compatto. NVIDIA dichiara inoltre consumi inferiori del 40% in modalità da 15 W a parità di prestazioni. 3568

Le specifiche di Jetson Orin Nano 2

Il nuovo modulo integra:

• 78 TOPS di calcolo IA, cioè 78 mila miliardi di operazioni al secondo;
• 8 GB di memoria;
• una CPU Arm a 8 core;
• Tensor Core migliorati;
• una larghezza di banda della memoria dichiarata fino a 120 GB/s;
• lo stesso formato compatto della generazione precedente. 4611

Secondo NVIDIA, il salto prestazionale deriva soprattutto dai Tensor Core aggiornati e dall’aumento della larghezza di banda della memoria, non da un computer fisicamente più grande. 4611 Per chi sviluppa robot, questo è un aspetto importante: spazio disponibile, dissipazione del calore e capacità della batteria possono essere limitanti quanto la potenza di calcolo.

Il doppio dell’inferenza nello stesso spazio

NVIDIA afferma che Jetson Orin Nano 2 offre il doppio delle prestazioni di inferenza di Jetson Orin Nano Super, mantenendo il formato compatto del predecessore. 356 In pratica, l’obiettivo è eseguire più lavoro IA su un dispositivo abbastanza piccolo da essere integrato in robot mobili, droni e macchine autonome con vincoli di peso e dimensioni.

Va però ricordato che si tratta di una dichiarazione prestazionale di NVIDIA, non di un benchmark indipendente riportato nelle fonti disponibili. I risultati effettivi dipenderanno dal modello utilizzato, dalla quantizzazione, dallo stack software, dal tipo di carico e dal progetto termico del prodotto finale.

Il consumo ridotto può contare più dei TOPS

In modalità da 15 W, NVIDIA sostiene che Jetson Orin Nano 2 possa raggiungere prestazioni paragonabili a quelle del predecessore consumando il 40% di energia in meno. 568 Per un drone o un robot mobile, questo dato può essere decisivo: meno energia assorbita significa potenzialmente meno calore da smaltire e più autonomia disponibile per motori, sensori e comunicazioni.

La cifra non va interpretata come una riduzione garantita del 40% per qualsiasi applicazione. Il consumo reale varierà in base alla modalità operativa, al modello IA e al carico di lavoro.

Perché eseguire LLM e VLM direttamente sul robot

I modelli linguistici di grandi dimensioni (LLM) possono aiutare una macchina a comprendere istruzioni in linguaggio naturale. I modelli visione-linguaggio (VLM) collegano invece ciò che una telecamera vede con parole, categorie e contesto.

Eseguire questi carichi localmente consente a un robot di interpretare immagini e comandi e di reagire senza inviare ogni richiesta a un server remoto. 46 Il vantaggio è particolarmente evidente quando la latenza, la connettività o la riservatezza dei dati sono importanti: un drone per le consegne o un robot per l’ispezione potrebbe dover prendere una decisione mentre si muove, senza aspettare una risposta dal cloud.

NVIDIA parla di IA generativa di livello “frontier” su sistemi fisici compatti. Le fonti supportano il posizionamento generale verso LLM e VLM, ma non dimostrano che ogni modello di frontiera possa funzionare sul dispositivo da 8 GB né che tutti offrano prestazioni equivalenti. Dimensioni del modello, requisiti di memoria, compressione e complessità del carico restano vincoli concreti.

I modelli indicati: Cosmos, Nemotron, Gemma 4 e Qwen 3

I resoconti sull’annuncio citano Cosmos e Nemotron di NVIDIA, oltre a Gemma 4 di Google e Qwen 3 di Alibaba, tra le opzioni per l’inferenza edge a uso efficiente della memoria. 2021

La lista mostra la direzione dello stack software, ma “supportato” non significa necessariamente che tutti i modelli offrano le stesse prestazioni o siano adatti a ogni robot. Gli sviluppatori dovranno verificare versione del modello, memoria occupata, compatibilità del runtime e latenza sul sistema specifico.

Droni, robot domestici e sistemi di visione

Jetson Orin Nano 2 è rivolto a robot, droni per consegne e ispezioni e sistemi di visione dotati di IA. 34 NVIDIA ha dichiarato che oltre 3 milioni di sviluppatori hanno costruito soluzioni sulla sua piattaforma per la robotica e ha citato Cognex, Doosan Bobcat e Matic Robotics tra le aziende che stanno adottando o valutando la tecnologia. 4

Wing sta esplorando il computer per i propri droni per le consegne, con l’obiettivo di migliorare reattività ed efficienza energetica. Matic Robotics prevede di impiegarlo in funzioni come interazione conversazionale, riconoscimento dei gesti, comprensione semantica degli ambienti domestici, mappatura di precisione e pulizia autonoma. 4

NVIDIA ha inoltre riferito che i partner dell’ecosistema stanno sviluppando carrier board, sistemi hardware e soluzioni di riferimento. Questi componenti possono ridurre il lavoro di progettazione necessario per trasformare un prototipo IA in una macchina pronta per essere distribuita. 4

Disponibilità e posizione nella gamma Jetson

Secondo le informazioni disponibili, i moduli Jetson Orin Nano 2 e i kit per sviluppatori dovrebbero arrivare nella prima metà del 2027. 1521 Non sono stati indicati nelle fonti una data di consegna più precisa o il prezzo.

Il prodotto è presentato come il modello d’ingresso della famiglia Jetson Orin. NVIDIA descrive la gamma come composta da sette moduli basati sulla stessa architettura, con una scalabilità fino a 275 TOPS per l’inferenza IA multimodale. 23

La strategia più ampia di NVIDIA per la robotica prevede in generale una divisione dei compiti: sistemi come DGX per addestramento e sviluppo, Omniverse e Cosmos per simulazione, dati sintetici e workflow legati ai modelli del mondo, e computer Jetson per l’inferenza in tempo reale sul robot. Tuttavia, le fonti dell’annuncio non confermano un’integrazione specifica di Jetson Orin Nano 2 in una piattaforma formale a “tre computer” con DGX, Omniverse e Cosmos. Questo collegamento va quindi considerato contesto strategico, non una caratteristica verificata del prodotto.

Cosa significa per gli sviluppatori

La proposta più forte di Jetson Orin Nano 2 è la combinazione di maggiore capacità di inferenza, consumi inferiori a prestazioni equivalenti e formato invariato. È una combinazione pensata per macchine in cui autonomia, calore, spazio e tempi di risposta devono essere gestiti contemporaneamente.

Prima di adottarlo, però, i team dovranno rispondere a domande molto pratiche: quali modelli rispettano il requisito di latenza, quanta memoria resta dopo aver caricato il resto dello stack robotico e come si comporta il sistema durante sessioni prolungate, con limiti termici e di batteria.

L’annuncio definisce una direzione hardware e software ambiziosa. Le prestazioni reali dovranno essere misurate sul robot o sul sistema di visione che si intende produrre.