NVIDIA Jetson Orin Nano 2: 78 TOPS per l’IA edge e la robotica

NVIDIA ha annunciato il Jetson Orin Nano 2 il 25 agosto 2026, presentandolo come un nuovo computer entry-level per l’intelligenza artificiale edge e la robotica. Il modulo è pensato per robot, droni per consegne e ispezioni e sistemi di visione IA che devono interpretare l’ambiente e reagire in tempo reale direttamente sul dispositivo. 1

I numeri principali sono 78 TOPS — cioè 78.000 miliardi di operazioni al secondo — di calcolo IA, 8 GB di memoria e una CPU Arm a 8 core. NVIDIA afferma che il sistema offre il doppio delle prestazioni di inferenza del Jetson Orin Nano Super, mantenendo lo stesso formato compatto. In modalità 15 W, è progettato per raggiungere le prestazioni del predecessore consumando il 40% di energia in meno. 17

Che cosa ha annunciato NVIDIA

Jetson Orin Nano 2 è rivolto a macchine fisiche soggette a vincoli di costo e consumo energetico, non ai carichi di lavoro dei data center. Tra gli impieghi previsti figurano robot autonomi, droni per la consegna e l’ispezione e sistemi embedded di visione che necessitano di IA locale per percepire l’ambiente, comprendere immagini o linguaggio e intraprendere azioni. 1

L’elaborazione “on-device” è importante perché robot e dispositivi alimentati a batteria non possono sempre contare su una connessione continua al cloud. Eseguire l’inferenza localmente avvicina il modello ai sensori e agli attuatori, consentendo al sistema di rispondere tenendo conto dei limiti di rete, potenza e hardware. NVIDIA presenta Orin Nano 2 come uno strumento per portare capacità più avanzate di IA generativa e IA fisica anche su macchine di piccole dimensioni. 17

Specifiche e prestazioni

L’hardware annunciato comprende:

• 78 TOPS di calcolo IA;
• 8 GB di memoria;
• una CPU Arm a 8 core;
• lo stesso formato compatto del Jetson Orin Nano Super;
• prestazioni di inferenza dichiarate doppie rispetto al Jetson Orin Nano Super;
• consumi inferiori del 40% a parità di prestazioni in modalità 15 W. 17

NVIDIA attribuisce il miglioramento a Tensor Core aggiornati e a una maggiore larghezza di banda della memoria. Si tratta di un confronto dichiarato dall’azienda: i risultati reali dipenderanno dal modello utilizzato, dalla precisione numerica, dallo stack software e dal tipo di carico di lavoro. 7

Per gli sviluppatori, il vantaggio pratico è avere più margine per eseguire IA locale senza passare a un modulo più grande. Al tempo stesso, i progetti sensibili ai consumi possono puntare a prestazioni simili con un budget energetico inferiore. È una combinazione particolarmente adatta a robot mobili, droni e apparecchiature compatte per l’ispezione.

Quali modelli IA supporta

NVIDIA afferma che Jetson Orin Nano 2 funziona con il suo stack software aperto e con le Jetson agent skills, pensate per un’inferenza edge più efficiente sul piano della memoria. L’ecosistema annunciato comprende NVIDIA Cosmos e Nemotron, oltre a modelli aperti come Gemma 4 e Qwen 3. 7

Il punto non è soltanto il numero di modelli compatibili. Modelli linguistici e multimodali più piccoli possono essere eseguiti vicino al sistema fisico e aiutare un robot a interpretare input diversi, comprendere il contesto e scegliere come agire. La tesi più ampia di NVIDIA è che i modelli frontier piccoli e medi possano avvicinarsi, in accuratezza, a modelli molto più grandi della generazione precedente, rendendo più pratico il ragionamento locale su macchine con risorse limitate. Questa resta però l’impostazione comunicata da NVIDIA e non un benchmark indipendente verificato nelle evidenze fornite. 7

Perché i modelli frontier interessano alla robotica

I sistemi tradizionali di IA edge si concentrano spesso su compiti di percezione ben delimitati, come riconoscere un oggetto o individuare un difetto. I modelli generativi e multimodali possono ampliare questo ruolo combinando linguaggio, immagini e informazioni sull’ambiente.

Per un robot, ciò può significare associare la comprensione visiva a un comando vocale. Per un drone, può voler dire interpretare più rapidamente condizioni che cambiano. Per un robot domestico, può collegare conversazione, mappatura e navigazione. Il beneficio sottolineato da NVIDIA è il ragionamento locale in tempo reale: il dispositivo elabora la scena o l’interazione nel luogo in cui avviene, senza dover inviare ogni passaggio a un servizio remoto. 17

Jetson Orin Nano 2 non elimina comunque la necessità di ottimizzare i modelli. Gli 8 GB di memoria e il posizionamento entry-level rendono ancora importanti la scelta del modello, la quantizzazione e l’ottimizzazione della distribuzione nei sistemi destinati alla produzione.

Adozione e primi casi d’uso

NVIDIA dichiara che oltre 3 milioni di sviluppatori hanno costruito applicazioni sul suo stack per la robotica e indica Cognex, Doosan Bobcat, Matic e Wing tra le aziende che stanno adottando o valutando la piattaforma. 17

Le informazioni più dettagliate riguardano due casi:

• Wing sta esplorando il modulo per i droni di consegna, con l’obiettivo di migliorarne reattività ed efficienza energetica.
• Matic Robotics prevede di utilizzarlo nei robot per la pulizia domestica per funzioni come IA conversazionale, rilevamento dei gesti, mappatura di precisione, comprensione semantica degli ambienti e pulizia autonoma. 7

Cognex e Doosan Bobcat sono state inoltre citate nel contesto delle prime adozioni o valutazioni. Le evidenze disponibili, tuttavia, non confermano uno specifico progetto Cognex già annunciato né indicano il prodotto o l’implementazione esatta di Doosan Bobcat in cui il modulo verrebbe impiegato. 17

Che cosa è confermato e che cosa no

L’annuncio conferma il posizionamento di Jetson Orin Nano 2 come piattaforma edge compatta ed entry-level, oltre alle prestazioni, ai consumi e al supporto ai modelli dichiarati da NVIDIA. Il prodotto si inserisce inoltre nell’ecosistema hardware e software dell’azienda per la robotica.

Le fonti disponibili non verificano una disponibilità prevista nel primo semestre del 2027. Non forniscono neppure dettagli verificati su un’architettura formale “a tre computer” annunciata il 25 agosto, con Omniverse, Cosmos e DGX, né su un recente aggiornamento della linea Orin NX. Il supporto a Cosmos sul dispositivo è documentato, ma la ripartizione più ampia dei ruoli tra questi prodotti non dovrebbe essere presentata come un’architettura ufficialmente annunciata senza fonti più solide. 7

In sintesi

Jetson Orin Nano 2 è il tentativo di NVIDIA di concentrare capacità di inferenza più avanzate nei sistemi robotici più piccoli e sottoposti ai maggiori vincoli energetici. I suoi 78 TOPS, gli 8 GB di memoria e la CPU Arm a 8 core contano soprattutto per la combinazione tra il doppio delle prestazioni di inferenza dichiarate, il formato invariato e i consumi ridotti a parità di prestazioni. 17

Per gli sviluppatori, l’opportunità è eseguire direttamente dentro robot, droni e sistemi di visione modelli linguistici e multimodali sempre più capaci. La cautela riguarda le cifre comparative e le affermazioni sui modelli frontier: dovranno essere valutate su modelli, software e carichi di lavoro specifici quando saranno disponibili maggiori dettagli su hardware e disponibilità.