Jetson Orin Nano 2 haalt 78 TOPS voor lokale AI in robots en drones

NVIDIA kondigde op 25 augustus 2026 de Jetson Orin Nano 2 aan, een nieuwe instapcomputer voor edge-AI en robotica. De module is ontworpen voor robots, bezorg- en inspectiedrones en visionsystemen die hun omgeving lokaal moeten begrijpen en in realtime moeten reageren. 1

De belangrijkste cijfers zijn 78 biljoen AI-bewerkingen per seconde, oftewel 78 TOPS, 8 GB geheugen en een achtcore-Arm-CPU. NVIDIA zegt dat de Jetson Orin Nano 2 twee keer zo snel inferentie uitvoert als de Jetson Orin Nano Super, zonder groter te worden. In de 15W-modus moet het systeem vergelijkbare prestaties als zijn voorganger leveren met 40% minder energieverbruik. 17

Wat heeft NVIDIA aangekondigd?

De Jetson Orin Nano 2 richt zich op fysieke apparaten met beperkte kosten-, ruimte- en energiebudgetten, niet op datacenters. Denk aan autonome robots, bezorgdrones, inspectiedrones en ingebouwde camerasystemen die lokaal AI nodig hebben voor waarneming, taal- en beeldbegrip en het uitvoeren van acties. 1

Die lokale verwerking is belangrijk voor apparaten die niet voortdurend op een cloudverbinding kunnen rekenen. Wanneer inferentie — het uitvoeren van een getraind AI-model — direct op het apparaat plaatsvindt, zit de berekening dichter bij de sensoren en motoren. Dat kan de reactietijd, netwerkafhankelijkheid en energiehuishouding binnen de grenzen van het apparaat houden. NVIDIA presenteert de Orin Nano 2 daarom als een manier om krachtigere generatieve en fysieke AI in kleinere machines te krijgen. 17

Specificaties en prestatieclaim

De aangekondigde hardware omvat:

• 78 TOPS aan AI-rekenkracht
• 8 GB geheugen
• Een achtcore-Arm-CPU
• Hetzelfde compacte formaat als de Jetson Orin Nano Super
• Volgens NVIDIA twee keer zoveel inferentieprestatie als de Jetson Orin Nano Super
• 40% lager energieverbruik bij hetzelfde prestatieniveau in de 15W-modus 17

NVIDIA schrijft de prestatieverbetering toe aan vernieuwde Tensor Cores en een hogere geheugenbandbreedte. Het gaat hierbij om een claim van het bedrijf. De resultaten in de praktijk hangen af van onder meer het gekozen model, de precisie, de softwarestack en de werklast. 7

Voor ontwikkelaars is de belofte vooral praktisch: meer ruimte voor lokale AI zonder over te stappen op een grotere module. Ontwerpen die op batterijen werken, kunnen bovendien mikken op vergelijkbare prestaties met een lager verbruik. Dat maakt de combinatie relevant voor mobiele robots, drones en compacte inspectieapparatuur.

Welke AI-modellen worden ondersteund?

Volgens NVIDIA werkt de Jetson Orin Nano 2 met de open softwarestack van het bedrijf en met Jetson-agentvaardigheden voor geheugenefficiënte edge-inferentie. In het aangekondigde modelaanbod staan NVIDIA Cosmos en Nemotron, aangevuld met open modellen zoals Gemma 4 en Qwen 3. 7

Het belang zit niet alleen in het aantal ondersteunde modellen. Kleinere taalmodellen en vision-language-modellen kunnen dichter bij de fysieke machine worden ingezet. Ze kunnen een robot helpen om beelden, taal en context te combineren en vervolgens een actie te kiezen.

NVIDIA stelt bovendien dat nieuwe kleine en middelgrote frontiermodellen — modellen die volgens het bedrijf tot de geavanceerdste systemen van hun generatie behoren — een nauwkeurigheid kunnen benaderen die eerder was voorbehouden aan veel grotere modellen. Daardoor zou lokaal redeneren in beperkte apparaten haalbaarder worden. Die vergelijking is in het aangeleverde materiaal echter een framing van NVIDIA en geen onafhankelijk geverifieerde benchmark. 7

Waarom frontiermodellen interessant zijn voor robotica

Veel edge-AI-systemen zijn traditioneel gericht op afgebakende taken, zoals objectherkenning of het opsporen van productiefouten. Generatieve en multimodale modellen kunnen die rol uitbreiden door taal, beelden en de omgeving gezamenlijk te interpreteren.

Bij een robot kan dat betekenen dat visuele informatie wordt gecombineerd met een gesproken opdracht. Een drone kan veranderende omstandigheden sneller interpreteren. Een huishoudrobot kan gesprekken, kaartgegevens en navigatie met elkaar verbinden. Het voordeel dat NVIDIA benadrukt, is lokaal redeneren in realtime: de machine verwerkt de scène of interactie daar waar de actie plaatsvindt, in plaats van voor iedere stap een verzoek naar een externe server te sturen. 17

De Orin Nano 2 maakt modeloptimalisatie daarmee niet overbodig. Door de positionering als instapplatform en het geheugen van 8 GB blijven efficiënte modelkeuze, kwantisatie en een zorgvuldige implementatie belangrijk voor ontwikkelaars die productieklare systemen bouwen.

Eerste gebruikers en genoemde toepassingen

NVIDIA zegt dat meer dan 3 miljoen ontwikkelaars op zijn robotica-stack hebben gebouwd. Het bedrijf noemt Cognex, Doosan Bobcat, Matic en Wing als vroege gebruikers of beoordelaars van de nieuwe module. 17

Voor twee bedrijven geeft het aangeleverde materiaal meer concrete informatie:

• Wing onderzoekt de module voor bezorgdrones, met aandacht voor een snellere respons en een hogere energie-efficiëntie.
• Matic Robotics wil de computer gebruiken in huishoudelijke schoonmaakrobots voor conversationele AI, gebarendetectie, nauwkeurige mapping, semantisch begrip van woningen en autonoom schoonmaken. 7

Cognex en Doosan Bobcat worden eveneens genoemd in verband met vroege adoptie of evaluatie. De beschikbare bronnen bevestigen echter geen specifieke aangekondigde implementatie van Cognex. Ook is niet duidelijk in welk exact product of welke toepassing Doosan Bobcat de module wil gebruiken. 17

Wat is nog niet bevestigd?

De aankondiging bevestigt duidelijk de positionering van de Jetson Orin Nano 2 als compacte edge-AI-computer voor het instapsegment, evenals NVIDIA’s prestatie-, energie- en modelondersteuningsclaims. Ook past de module binnen het bredere robotica-ecosysteem van NVIDIA.

Het aangeleverde bewijs bevestigt niet dat de Jetson Orin Nano 2 in de eerste helft van 2027 beschikbaar komt. Evenmin is er voldoende onderbouwing voor een formeel op 25 augustus aangekondigd architectuurmodel met “drie computers” waarin Omniverse, Cosmos en DGX elk een vaste rol hebben. Ook zijn er geen geverifieerde details aangeleverd over een recente vernieuwing van de Orin NX.

Cosmos-ondersteuning op het apparaat wordt wel door het beschikbare materiaal ondersteund. De bredere taakverdeling tussen Omniverse, Cosmos en DGX moet echter niet als officieel aangekondigde architectuur worden gepresenteerd zonder sterkere bronnen. 7

De kern

Met de Jetson Orin Nano 2 probeert NVIDIA krachtigere AI in de kleinste en meest energiebeperkte robotsystemen te krijgen. De 78 TOPS, 8 GB geheugen en achtcore-Arm-CPU zijn op zichzelf niet het hele verhaal. De belangrijkste combinatie is volgens NVIDIA een verdubbeling van de inferentieprestatie, hetzelfde compacte formaat en een lager energieverbruik bij een gelijk prestatieniveau. 17

Voor ontwikkelaars ligt de kans in het lokaal draaien van steeds capabelere taal- en vision-language-modellen in robots, drones en visionsystemen. De kanttekening: de prestatievergelijkingen en claims rond frontiermodellen moeten nog worden getoetst aan specifieke modellen en werklasten zodra meer informatie over hardware, software en beschikbaarheid beschikbaar is.