Jetson Orin Nano 2はロボットの「現場判断」をどう変えるのか

NVIDIAは2026年8月25日、ロボットやドローンなどの機器上でAI推論を実行するための新しいロボティクスコンピューター「Jetson Orin Nano 2」を発表した。クラウドとの通信を前提にせず、言語や画像を現場で処理する「フィジカルAI」の入口となる製品だ。NVIDIAは、前世代のJetson Orin Nano Superと比べて推論性能が2倍になったと説明している。356

注目点は、単にスペックが上がったことだけではない。小型ロボットや自律機器では、搭載スペース、発熱、バッテリー容量、通信遅延がいずれも制約になる。Jetson Orin Nano 2は、同じ小型筐体のままAI処理能力を引き上げ、より大きなモデルを機器の近くで動かせるようにすることを狙っている。

Jetson Orin Nano 2の主な仕様

発表された主な仕様は次の通りだ。

• AI演算性能：78 TOPS（1秒あたり78兆回の演算）
• メモリ：8GB
• CPU：8コアArm CPU
• メモリ帯域：120GB/sと報告
• フォームファクター：前世代と同じコンパクト設計

性能向上の要因としてNVIDIAが挙げているのは、改良されたTensor Coreと、拡大したメモリ帯域だ。4611 物理的に大きなコンピューターへ置き換えるのではなく、限られたサイズと電力枠の中で、AI推論に使える処理能力を増やした点がポイントになる。

小型筐体のまま推論性能は2倍

NVIDIAによると、Jetson Orin Nano 2の推論性能はJetson Orin Nano Superの2倍で、筐体のサイズは従来機と変わらない。356 そのため、対象となるのは大型の産業用システムだけではなく、小型ロボット、配送ドローン、点検ドローン、カメラを使うビジョンAI機器などだ。

ただし、この「2倍」はNVIDIAによる性能主張であり、提供された資料には独立したベンチマーク結果は含まれていない。実際の速度や処理可能なモデルは、モデルの種類、量子化、ソフトウェア構成、ワークロード、冷却設計によって変わる。

同等性能時の消費電力を40％削減

NVIDIAは、15Wモードにおいて、前世代と同等の性能を40％少ない電力で実現できるとしている。568 移動するロボットやドローンにとって、これは78 TOPSという数値と同じくらい重要だ。消費電力を抑えられれば、発熱対策を軽くできるほか、バッテリーを移動、センサー、通信など別の用途に振り分けやすくなる。

もっとも、すべての処理で消費電力が一律40％減るという意味ではない。この数値は同等性能での比較であり、実際の電力は選択した動作モードやアプリケーションによって変動する。

ロボットでLLMやVLMを動かす意味

大規模言語モデル（LLM）は自然言語による指示の理解に、視覚言語モデル（VLM）はカメラ映像とテキストを結び付けた認識や状況理解に使われる。これらをエッジ、つまりロボット本体に近い場所で実行できれば、毎回クラウドへデータを送って応答を待つ必要がなくなる。46

たとえば、点検機器が異常を検知した際の判断、配送ドローンが周囲の状況を理解する処理、家庭用ロボットが音声やジェスチャーに反応する処理では、通信の往復時間が短いほど有利だ。ネットワーク接続が不安定な場所や、映像・音声を外部サービスへ送ることを避けたい用途でも、ローカル推論には意味がある。

NVIDIAはJetson Orin Nano 2について、小型の物理システムで「フロンティア級」の生成AIを扱う可能性を強調している。ただし、8GBのデバイスですべての最先端モデルが同じように動作することを示すものではない。モデルのサイズ、メモリ使用量、圧縮方法、処理内容が実用性を左右する。

対応モデルとしてCosmos、Nemotron、Gemma 4、Qwen 3

発表に関する報道では、メモリ効率を重視したエッジ推論向けのLLM・VLMとして、NVIDIAのCosmosとNemotron、GoogleのGemma 4、AlibabaのQwen 3が挙げられている。2021

この一覧は、NVIDIAが想定するソフトウェアの方向性を示すものだ。ただし「対応」は、すべてのモデルが同じ速度や精度で動くことを意味しない。開発者は、モデルのバージョン、必要メモリ、ランタイムとの互換性、目標レイテンシーを実機で確認する必要がある。

WingやMatic Roboticsなどが用途を検討

Jetson Orin Nano 2は、ロボット、配送・点検ドローン、ビジョンAIシステムを主な対象とする。34 NVIDIAは、同社のロボティクス向けスタック上で開発してきた開発者が300万人を超えると説明し、Cognex、Doosan Bobcat、Matic Roboticsなどを採用または検討企業として挙げた。4

配送ドローンを手がけるWingは、応答性とエネルギー効率の向上に向けてこのコンピューターを検討している。Matic Roboticsは、家庭用ロボットでの会話、ジェスチャー検出、家の意味理解、精密マッピング、自律清掃などへの活用を計画しているという。4

またNVIDIAによれば、エコシステム各社はキャリアボード、ハードウェアシステム、リファレンスソリューションを開発している。こうした周辺製品がそろえば、ロボットメーカーはAI処理基板を一から設計する負担を抑え、試作から製品化へ進みやすくなる。4

提供時期とJetson Orinファミリーでの位置付け

Jetson Orin Nano 2のモジュールと開発者キットは、2027年上半期の提供が予定されていると報じられている。1521 現時点で提供資料に、より具体的な出荷日や価格の記載はない。

製品の位置付けは、NVIDIAのJetson Orinファミリーにおけるエントリーモデルだ。同ファミリーは共通アーキテクチャーを採用する7つのモジュールで構成され、マルチモーダルAI推論で最大275 TOPSまで拡張できるとNVIDIAは説明している。23

NVIDIAのロボティクス戦略では、現場のロボットにJetsonを搭載し、より大規模なシステムやソフトウェアを開発、シミュレーション、学習に使うという役割分担が想定される。一方、DGX、Omniverse、Cosmosを組み合わせた特定の「3台のコンピューター」構成が、今回のJetson Orin Nano 2発表で正式に統合されたことを示す直接的な証拠は、提供資料にはない。そのため、この点は製品発表で確認された機能ではなく、NVIDIAの幅広いロボティクス戦略を理解するための文脈として捉えるべきだ。

開発者にとっての評価ポイント

Jetson Orin Nano 2の提案をまとめると、推論能力の向上、同等性能時の低消費電力、従来と変わらない小型サイズの組み合わせにある。バッテリー、熱、搭載スペース、応答時間に厳しい制約がある機器で、AIをローカル実行したい開発者が主な対象だ。

実際の導入で重要になるのは、スペック表の数字だけではない。対象モデルが必要なレイテンシーを満たすか、ロボットの他のソフトウェアを動かした後にどれだけメモリが残るか、長時間稼働時の温度とバッテリー消費がどうなるか――こうした条件を実機で検証する必要がある。今回の発表は、NVIDIAが小型機器向けの生成AIをさらに押し広げようとしていることを示すものだが、最終的な製品性能は用途ごとのテストで判断されることになる。