Jetson Thor – kant-AI for robotikk

Jetson Thor er bygget på NVIDIA Blackwell-arkitektur og er laget for sanntidsanalyse av data fra flere sensorer – direkte på enheten, uten å være avhengig av skytjenester. Utviklerkitet Jetson AGX Thor leverer opptil 2 070 FP4 TFLOPS med 128 GB minne, alt innenfor en effektramme på 130 W. Sammenlignet med forgjengeren Jetson AGX Orin gir det opptil 7,5 ganger mer AI-ytelse og 3,5 ganger bedre energieffektivitet.

For roboter betyr dette at de kan kjøre større generative modeller og resonneringsmodeller lokalt, noe som gir raskere beslutninger basert på kamera- og sensordata – helt avgjørende for industrirobotikk, humanoid robotikk og andre systemer som trenger lav latens.

Vera Rubin NVL72 – AI-fabrikken i rack-størrelse

Vera Rubin NVL72 er ikke en enkelt brikke, men en komplett rack-skala superdatamaskin som kombinerer 36 Vera-CPU-er og 72 Rubin-GPU-er. De er koblet sammen med sjette generasjons NVLink, slik at alle GPU-ene kan jobbe som én stor enhet. Systemet er laget for trening og inferens av modeller med billioner av parametere.

Ifølge NVIDIA kan Vera Rubin NVL72 trene AI med bare en firedel så mange GPUer som Blackwell-systemer, og inferens per million tokens koster en tidel av hva det gjorde før. Ytelsen per watt er opptil ti ganger høyere for inferens. Dette er mulig takket være en arkitektur der regnekraft, sammenkobling, kjøling og nettverk er designet som én helhet.

NVIDIA kaller Vera Rubin NVL72 infrastruktur for «agentic AI» og resonneringsmodeller med lange kontekstvinduer – noe som blir stadig viktigere for fremtidens AI-fabrikker.

Alpamayo – autonom kjøring med resonnering

Alpamayo er en åpen plattform for utvikling av selvkjørende kjøretøy, og vant prisen i kategorien smarte kupeer under COMPUTEX. Plattformen er designet som en visuell-språklig-handlingsmodell (VLA) som ikke bare ser hva som skjer, men også resonnerer seg frem til riktig manøver. Det gjør beslutningene mer forklarlige, spesielt i krevende trafikksituasjoner.

Alpamayo trenes på en blanding av virkelig kjøredata og simulerte data, noe som er viktig fordi selvkjørende systemer trenger flere situasjoner enn veitesting alene kan gi.

Oppsummering

• Jetson Thor forbedrer kant-AI og robotikk med mye høyere lokal ytelse og bedre energieffektivitet.
• Vera Rubin NVL72 forbedrer sentralisert AI-infrastruktur med lavere kostnad per token og høyere ytelse per watt for store resonneringsmodeller.
• Alpamayo forbedrer programvaren for selvkjørende kjøretøy ved å legge til resonnering og trening på et bredere datagrunnlag.

Jetson Thor – kant-AI for robotikk

Jetson Thor er bygget på NVIDIA Blackwell-arkitektur og er laget for sanntidsanalyse av data fra flere sensorer – direkte på enheten, uten å være avhengig av skytjenester. Utviklerkitet Jetson AGX Thor leverer opptil 2 070 FP4 TFLOPS med 128 GB minne, alt innenfor en effektramme på 130 W. Sammenlignet med forgjengeren Jetson AGX Orin gir det opptil 7,5 ganger mer AI-ytelse og 3,5 ganger bedre energieffektivitet.

For roboter betyr dette at de kan kjøre større generative modeller og resonneringsmodeller lokalt, noe som gir raskere beslutninger basert på kamera- og sensordata – helt avgjørende for industrirobotikk, humanoid robotikk og andre systemer som trenger lav latens.

Vera Rubin NVL72 – AI-fabrikken i rack-størrelse

Vera Rubin NVL72 er ikke en enkelt brikke, men en komplett rack-skala superdatamaskin som kombinerer 36 Vera-CPU-er og 72 Rubin-GPU-er. De er koblet sammen med sjette generasjons NVLink, slik at alle GPU-ene kan jobbe som én stor enhet. Systemet er laget for trening og inferens av modeller med billioner av parametere.

Ifølge NVIDIA kan Vera Rubin NVL72 trene AI med bare en firedel så mange GPUer som Blackwell-systemer, og inferens per million tokens koster en tidel av hva det gjorde før. Ytelsen per watt er opptil ti ganger høyere for inferens. Dette er mulig takket være en arkitektur der regnekraft, sammenkobling, kjøling og nettverk er designet som én helhet.

NVIDIA kaller Vera Rubin NVL72 infrastruktur for «agentic AI» og resonneringsmodeller med lange kontekstvinduer – noe som blir stadig viktigere for fremtidens AI-fabrikker.

Alpamayo – autonom kjøring med resonnering

Alpamayo er en åpen plattform for utvikling av selvkjørende kjøretøy, og vant prisen i kategorien smarte kupeer under COMPUTEX. Plattformen er designet som en visuell-språklig-handlingsmodell (VLA) som ikke bare ser hva som skjer, men også resonnerer seg frem til riktig manøver. Det gjør beslutningene mer forklarlige, spesielt i krevende trafikksituasjoner.

Alpamayo trenes på en blanding av virkelig kjøredata og simulerte data, noe som er viktig fordi selvkjørende systemer trenger flere situasjoner enn veitesting alene kan gi.

Oppsummering

• Jetson Thor forbedrer kant-AI og robotikk med mye høyere lokal ytelse og bedre energieffektivitet.
• Vera Rubin NVL72 forbedrer sentralisert AI-infrastruktur med lavere kostnad per token og høyere ytelse per watt for store resonneringsmodeller.
• Alpamayo forbedrer programvaren for selvkjørende kjøretøy ved å legge til resonnering og trening på et bredere datagrunnlag.