엔비디아가 로봇과 드론에 탑재할 수 있는 소형 엣지 AI 컴퓨터 **젯슨 오린 나노 2(Jetson Orin Nano 2)**를 공개했다. 이 제품은 클라우드 서버에 모든 데이터를 보내지 않고도 로봇이 언어와 이미지를 해석하고 주변 상황에 반응하도록 돕는 보급형 로보틱스 컴퓨터다.

엔비디아는 2026년 8월 25일 젯슨 오린 나노 2를 발표하며, 이전 제품인 젯슨 오린 나노 슈퍼보다 추론 성능이 2배 높고 같은 성능을 낼 때 전력 소비는 40% 낮다고 밝혔다. 356

핵심 사양은 78 TOPS·8GB 메모리·8코어 Arm CPU

젯슨 오린 나노 2의 주요 사양은 다음과 같다.

• AI 연산 성능 78 TOPS
• 8GB 메모리
• 8코어 Arm CPU
• 이전 세대와 동일한 소형 폼팩터
• 120GB/s 메모리 대역폭

성능 향상은 더 큰 본체를 사용하는 방식이 아니라, 개선된 텐서 코어와 늘어난 메모리 대역폭에서 비롯됐다고 알려졌다. 4611 로봇 개발에서는 단순한 연산 성능뿐 아니라 본체 크기, 발열, 배터리 용량, 전력 예산도 중요한 제약 조건이다.

같은 크기에서 추론 성능 2배

엔비디아는 젯슨 오린 나노 2가 이전 모델과 같은 소형 폼팩터를 유지하면서 젯슨 오린 나노 슈퍼보다 2배 높은 추론 성능을 제공한다고 설명했다. 356 작은 로봇이나 자율주행 장치에 더 많은 AI 기능을 넣을 수 있다는 것이 이번 발표의 핵심이다.

다만 이 수치는 엔비디아가 제시한 성능 주장이다. 실제 결과는 사용하는 AI 모델, 양자화 방식, 소프트웨어 스택, 작업량, 냉각 설계에 따라 달라질 수 있다.

15W 모드에서 동일 성능 기준 전력 40% 절감

엔비디아에 따르면 젯슨 오린 나노 2는 15W 모드에서 이전 제품과 비슷한 성능을 내면서 전력 소비를 40% 줄일 수 있다. 568 배터리로 움직이는 로봇과 드론에는 TOPS 수치만큼이나 중요한 변화다. 전력 소모가 낮아지면 발열 부담을 줄이고, 이동·센서·통신에 사용할 배터리 여유를 확보하는 데 도움이 될 수 있다.

다만 모든 작업에서 실제 전력 사용량이 40% 감소한다는 의미는 아니다. 절감 폭은 선택한 작동 모드와 AI 애플리케이션에 따라 달라진다.

로봇에서 LLM과 VLM을 구동하는 이유

대규모 언어 모델(LLM)은 로봇이 자연어 지시를 이해하도록 돕고, 비전·언어 모델(VLM)은 카메라로 본 장면을 언어와 연결해 상황을 해석하는 데 활용된다. 이런 작업을 기기 가까이에서 처리하면 원격 클라우드 서버에 매번 요청을 보내는 과정을 줄일 수 있다. 46

예를 들어 배송 드론이나 검사 시스템, 가정용 로봇은 이동 중인 환경을 즉시 판단해야 한다. 네트워크 응답을 기다리는 대신 기기에서 명령과 시각 정보를 처리하면 반응 지연과 연결성 문제를 줄일 수 있고, 작업 데이터가 외부 서버로 전송되는 범위도 제한할 수 있다.

엔비디아는 이를 소형 물리 시스템에서 구동되는 ‘프런티어급’ 생성형 AI로 설명한다. 다만 제공된 근거만으로 8GB 메모리를 사용하는 모든 기기에서 모든 프런티어 모델이 원활하게 실행된다고 단정할 수는 없다. 모델 크기와 메모리 요구량, 압축 방식, 작업 복잡도에 따라 성능과 실행 가능 여부가 달라진다.

지원 모델로 Cosmos·Nemotron·Gemma 4·Qwen 3 언급

이번 발표와 관련한 보도에서는 엣지 추론에 맞춰 메모리 효율을 높인 모델로 엔비디아의 Cosmos와 Nemotron, 구글의 Gemma 4, 알리바바의 Qwen 3가 언급됐다. 2021

이는 엔비디아가 구축하려는 소프트웨어 생태계의 방향을 보여준다. 그러나 ‘지원’된다는 말이 모든 모델과 사용 사례에서 동일한 속도와 정확도를 보장한다는 뜻은 아니다. 개발자는 실제 로봇에 적용하기 전 모델 버전, 메모리 사용량, 런타임 호환성, 지연 시간을 별도로 검증해야 한다.

Wing·Matic Robotics 등 로봇 기업이 관심

젯슨 오린 나노 2는 로봇, 배송·검사 드론, 비전 AI 시스템을 주요 대상으로 한다. 34 엔비디아는 자사 로보틱스 스택을 기반으로 개발한 개발자가 300만 명을 넘는다고 밝혔으며, Cognex, Doosan Bobcat, Matic Robotics 등을 플랫폼을 도입했거나 검토 중인 기업으로 거론했다. 4

배송 드론 기업 Wing은 더 빠른 반응성과 전력 효율을 염두에 두고 이 컴퓨터를 검토하고 있다. Matic Robotics는 가정용 로봇에 대화형 상호작용, 제스처 감지, 집안의 의미 이해, 정밀 매핑, 자율 청소 등의 기능을 구현하는 데 활용할 계획이라고 밝혔다. 4

엔비디아는 생태계 파트너들이 캐리어 보드, 하드웨어 시스템, 레퍼런스 솔루션도 개발하고 있다고 설명했다. 이런 구성 요소는 기업이 처음부터 맞춤형 하드웨어를 설계해야 하는 부담을 줄이고, AI 시제품을 실제 배치 가능한 제품으로 전환하는 시간을 단축하는 데 도움이 될 수 있다. 4

출시 시점과 젯슨 제품군 내 위치

젯슨 오린 나노 2 모듈과 개발자 키트는 2027년 상반기 출시가 예상된다. 1521 현재 제공된 자료에는 구체적인 출시일이나 가격 정보가 포함돼 있지 않다.

이 제품은 엔비디아의 젯슨 오린 제품군에서 보급형 진입점에 해당한다. 엔비디아는 젯슨 오린 제품군이 동일한 아키텍처를 공유하는 7개 모듈로 구성되며, 멀티모달 AI 추론에서 최대 275 TOPS까지 확장된다고 설명한다. 23

엔비디아의 전체 로보틱스 전략에서는 역할이 나뉜다. 대형 시스템은 학습과 개발을 맡고, 시뮬레이션·합성 데이터·월드 모델 관련 소프트웨어는 개발 과정을 지원하며, 젯슨 컴퓨터는 실제 로봇에 탑재돼 현장에서 실시간 추론을 수행하는 방식이다.

다만 이번 발표 자료만으로 젯슨 오린 나노 2가 DGX, Omniverse, Cosmos로 구성된 특정 ‘3대 컴퓨터’ 스택과 공식적으로 통합됐다고 보기는 어렵다. 이 연결고리는 제품의 확정 기능이라기보다 엔비디아의 로보틱스 전략을 이해하기 위한 배경으로 보는 편이 정확하다.

개발자가 확인해야 할 실제 성능

젯슨 오린 나노 2의 가장 큰 장점은 추론 성능 향상, 동일 성능 기준 전력 절감, 기존과 같은 소형 크기를 한데 묶었다는 점이다. 배터리와 발열, 공간, 응답 시간이 모두 중요한 소형 로봇과 드론에 맞춘 설계다.

그러나 제품 도입을 결정할 때는 광고 문구보다 실제 운용 조건을 확인해야 한다. 어떤 모델이 목표 지연 시간을 충족하는지, 로보틱스 미들웨어와 센서 처리 프로그램을 함께 실행한 뒤 메모리가 얼마나 남는지, 장시간 작동 시 발열과 배터리 소모가 어떤지 검증해야 한다.

엔비디아의 발표는 보급형 물리 AI 하드웨어의 방향을 제시한다. 최종 성능은 각 로봇의 모델과 소프트웨어, 냉각·전원 설계에 대한 애플리케이션별 테스트에서 판가름 날 전망이다.

엔비디아가 로봇과 드론에 탑재할 수 있는 소형 엣지 AI 컴퓨터 **젯슨 오린 나노 2(Jetson Orin Nano 2)**를 공개했다. 이 제품은 클라우드 서버에 모든 데이터를 보내지 않고도 로봇이 언어와 이미지를 해석하고 주변 상황에 반응하도록 돕는 보급형 로보틱스 컴퓨터다.

엔비디아는 2026년 8월 25일 젯슨 오린 나노 2를 발표하며, 이전 제품인 젯슨 오린 나노 슈퍼보다 추론 성능이 2배 높고 같은 성능을 낼 때 전력 소비는 40% 낮다고 밝혔다. 356

핵심 사양은 78 TOPS·8GB 메모리·8코어 Arm CPU

젯슨 오린 나노 2의 주요 사양은 다음과 같다.

• AI 연산 성능 78 TOPS
• 8GB 메모리
• 8코어 Arm CPU
• 이전 세대와 동일한 소형 폼팩터
• 120GB/s 메모리 대역폭

성능 향상은 더 큰 본체를 사용하는 방식이 아니라, 개선된 텐서 코어와 늘어난 메모리 대역폭에서 비롯됐다고 알려졌다. 4611 로봇 개발에서는 단순한 연산 성능뿐 아니라 본체 크기, 발열, 배터리 용량, 전력 예산도 중요한 제약 조건이다.

같은 크기에서 추론 성능 2배

엔비디아는 젯슨 오린 나노 2가 이전 모델과 같은 소형 폼팩터를 유지하면서 젯슨 오린 나노 슈퍼보다 2배 높은 추론 성능을 제공한다고 설명했다. 356 작은 로봇이나 자율주행 장치에 더 많은 AI 기능을 넣을 수 있다는 것이 이번 발표의 핵심이다.

다만 이 수치는 엔비디아가 제시한 성능 주장이다. 실제 결과는 사용하는 AI 모델, 양자화 방식, 소프트웨어 스택, 작업량, 냉각 설계에 따라 달라질 수 있다.

15W 모드에서 동일 성능 기준 전력 40% 절감

엔비디아에 따르면 젯슨 오린 나노 2는 15W 모드에서 이전 제품과 비슷한 성능을 내면서 전력 소비를 40% 줄일 수 있다. 568 배터리로 움직이는 로봇과 드론에는 TOPS 수치만큼이나 중요한 변화다. 전력 소모가 낮아지면 발열 부담을 줄이고, 이동·센서·통신에 사용할 배터리 여유를 확보하는 데 도움이 될 수 있다.

다만 모든 작업에서 실제 전력 사용량이 40% 감소한다는 의미는 아니다. 절감 폭은 선택한 작동 모드와 AI 애플리케이션에 따라 달라진다.

로봇에서 LLM과 VLM을 구동하는 이유

대규모 언어 모델(LLM)은 로봇이 자연어 지시를 이해하도록 돕고, 비전·언어 모델(VLM)은 카메라로 본 장면을 언어와 연결해 상황을 해석하는 데 활용된다. 이런 작업을 기기 가까이에서 처리하면 원격 클라우드 서버에 매번 요청을 보내는 과정을 줄일 수 있다. 46

예를 들어 배송 드론이나 검사 시스템, 가정용 로봇은 이동 중인 환경을 즉시 판단해야 한다. 네트워크 응답을 기다리는 대신 기기에서 명령과 시각 정보를 처리하면 반응 지연과 연결성 문제를 줄일 수 있고, 작업 데이터가 외부 서버로 전송되는 범위도 제한할 수 있다.

엔비디아는 이를 소형 물리 시스템에서 구동되는 ‘프런티어급’ 생성형 AI로 설명한다. 다만 제공된 근거만으로 8GB 메모리를 사용하는 모든 기기에서 모든 프런티어 모델이 원활하게 실행된다고 단정할 수는 없다. 모델 크기와 메모리 요구량, 압축 방식, 작업 복잡도에 따라 성능과 실행 가능 여부가 달라진다.

지원 모델로 Cosmos·Nemotron·Gemma 4·Qwen 3 언급

이번 발표와 관련한 보도에서는 엣지 추론에 맞춰 메모리 효율을 높인 모델로 엔비디아의 Cosmos와 Nemotron, 구글의 Gemma 4, 알리바바의 Qwen 3가 언급됐다. 2021

이는 엔비디아가 구축하려는 소프트웨어 생태계의 방향을 보여준다. 그러나 ‘지원’된다는 말이 모든 모델과 사용 사례에서 동일한 속도와 정확도를 보장한다는 뜻은 아니다. 개발자는 실제 로봇에 적용하기 전 모델 버전, 메모리 사용량, 런타임 호환성, 지연 시간을 별도로 검증해야 한다.

Wing·Matic Robotics 등 로봇 기업이 관심

젯슨 오린 나노 2는 로봇, 배송·검사 드론, 비전 AI 시스템을 주요 대상으로 한다. 34 엔비디아는 자사 로보틱스 스택을 기반으로 개발한 개발자가 300만 명을 넘는다고 밝혔으며, Cognex, Doosan Bobcat, Matic Robotics 등을 플랫폼을 도입했거나 검토 중인 기업으로 거론했다. 4

배송 드론 기업 Wing은 더 빠른 반응성과 전력 효율을 염두에 두고 이 컴퓨터를 검토하고 있다. Matic Robotics는 가정용 로봇에 대화형 상호작용, 제스처 감지, 집안의 의미 이해, 정밀 매핑, 자율 청소 등의 기능을 구현하는 데 활용할 계획이라고 밝혔다. 4

엔비디아는 생태계 파트너들이 캐리어 보드, 하드웨어 시스템, 레퍼런스 솔루션도 개발하고 있다고 설명했다. 이런 구성 요소는 기업이 처음부터 맞춤형 하드웨어를 설계해야 하는 부담을 줄이고, AI 시제품을 실제 배치 가능한 제품으로 전환하는 시간을 단축하는 데 도움이 될 수 있다. 4

출시 시점과 젯슨 제품군 내 위치

젯슨 오린 나노 2 모듈과 개발자 키트는 2027년 상반기 출시가 예상된다. 1521 현재 제공된 자료에는 구체적인 출시일이나 가격 정보가 포함돼 있지 않다.

이 제품은 엔비디아의 젯슨 오린 제품군에서 보급형 진입점에 해당한다. 엔비디아는 젯슨 오린 제품군이 동일한 아키텍처를 공유하는 7개 모듈로 구성되며, 멀티모달 AI 추론에서 최대 275 TOPS까지 확장된다고 설명한다. 23

엔비디아의 전체 로보틱스 전략에서는 역할이 나뉜다. 대형 시스템은 학습과 개발을 맡고, 시뮬레이션·합성 데이터·월드 모델 관련 소프트웨어는 개발 과정을 지원하며, 젯슨 컴퓨터는 실제 로봇에 탑재돼 현장에서 실시간 추론을 수행하는 방식이다.

다만 이번 발표 자료만으로 젯슨 오린 나노 2가 DGX, Omniverse, Cosmos로 구성된 특정 ‘3대 컴퓨터’ 스택과 공식적으로 통합됐다고 보기는 어렵다. 이 연결고리는 제품의 확정 기능이라기보다 엔비디아의 로보틱스 전략을 이해하기 위한 배경으로 보는 편이 정확하다.

개발자가 확인해야 할 실제 성능

젯슨 오린 나노 2의 가장 큰 장점은 추론 성능 향상, 동일 성능 기준 전력 절감, 기존과 같은 소형 크기를 한데 묶었다는 점이다. 배터리와 발열, 공간, 응답 시간이 모두 중요한 소형 로봇과 드론에 맞춘 설계다.

그러나 제품 도입을 결정할 때는 광고 문구보다 실제 운용 조건을 확인해야 한다. 어떤 모델이 목표 지연 시간을 충족하는지, 로보틱스 미들웨어와 센서 처리 프로그램을 함께 실행한 뒤 메모리가 얼마나 남는지, 장시간 작동 시 발열과 배터리 소모가 어떤지 검증해야 한다.

엔비디아의 발표는 보급형 물리 AI 하드웨어의 방향을 제시한다. 최종 성능은 각 로봇의 모델과 소프트웨어, 냉각·전원 설계에 대한 애플리케이션별 테스트에서 판가름 날 전망이다.