Kort sagt kan en AI-agent som tidligere krevde en serverrack, nå med én kommando kjøre direkte på en Jetson Orin-modul som selges for så lite som 249 dollar. Dette handler ikke bare om å gjøre roboter smartere; det handler om å skape en enhetlig, sikker og portabel programvarestakk som låser utviklere inn i Nvidias økosystem, fra skyen og helt ut til fabrikkgulvet.

NemoClaw: Den sikre broen til fysisk AI

Hjertet i dette puslespillet er Nvidia NemoClaw. Det er ikke en ny modell, men en åpen referansestakk som løser et kritisk problem for bedriftsutrulling: sikkerhet. NemoClaw samler det populære OpenClaw-rammeverket for multi-agent-orkestrering med OpenShells sikre kjøremiljø og Nvidias Nemotron-modeller. Dette gir innebygde sikkerhetsmekanismer for personvern og sikkerhet for assistenter som alltid er på, og som opererer i sensitive miljøer som fabrikker, sykehus og varehus.

Den kritiske oppdateringen er at JetPack 7.2 kommer forhåndskonfigurert for utrulling av NemoClaw med én enkelt kommando. Tidligere krevde kjøring av OpenClaw-baserte arbeidsflyter på en edge-enhet manuelt miljøoppsett og avhengighetshåndtering. Nå fungerer det rett ut av esken. Dette senker barrieren dramatisk for utviklere som ønsker å bygge komplekse agentiske arbeidsflyter – en agent som sanser, resonnerer og handler på fysiske data – uten noen gang å måtte sende data til skyen.

For å komplettere dette slapp Nvidia en stor samling med åpne agentferdigheter og -verktøy for fysisk AI som spenner over plattformene Omniverse, Cosmos, Alpamayo og Metropolis. Kompleks robotikktrening, simulering av autonome kjøretøy og industrielle digitale tvillinger kan nå gjøres om til oppgaver en AI-agent kan utføre direkte.

Innsiden av JetPack 7.2: Maskinvare- og programvarefunksjonene

JetPack 7.2 er en grunnleggende oppdatering som bringer edge-plattformen i arkitektonisk samsvar med Nvidias serverklassetilbud.

• CUDA 13 på Jetson Orin: Dette er en milepæl for samkjøring. Jetson Orin kjører nå på det samme CUDA 13-verktøysettet for Arm Server Base System Architecture (SBSA) som Nvidias datasenter-GPU-er. Ett enkelt CUDA-verktøysett kan nå brukes på alt fra en GH200-superbrikke til en liten modul inne i en leveringsrobot.
• MIG (Multi-Instance GPU) på Jetson Thor: Dette er en avgjørende funksjon for applikasjoner med blandet kritikalitet, som humanoide roboter. MIG lar GPU-en på en Jetson Thor SoC deles inn i to fullstendig isolerte instanser, hver med sitt eget dedikerte minne, hurtigbuffer og beregningsressurser. En sikkerhetskritisk oppgave som Simultaneous Localization and Mapping (SLAM – samtidig lokalisering og kartlegging) kan kjøre i et fullstendig deterministisk miljø, trygt for forstyrrelser fra mindre tidskritiske AI-oppgaver.
• Yocto Project-støtte: For OEM-er og systembyggere betyr offisiell Yocto Project-integrasjon at de kan bygge dypt tilpassede, produksjonsherdede innebygde Linux-distribusjoner for Jetson-maskinvare som er optimalisert til minste detalj for en spesifikk industriell applikasjon.
• Supermodus for AGX Orin 32GB: En betydelig ytelsesøkning og et strategisk kostnadsspill. Den nye 32GB-modulen erstatter den tidligere 16GB-produksjonsvarianten, og gir et betydelig generasjonssprang i AI-ytelse samtidig som den gir bedre kostnadseffektivitet for edge-utrullinger i stort volum.

Den strategiske fordelen innen fysisk AI

Dette er et sjakktrekk rettet direkte mot Qualcomms dominans på edge med Snapdragon og Intels grep om industrielle kontrollere med x86.

• Konkurransefortrinn: Ved å kombinere et enhetlig CUDA-verktøysett fra server til edge, sikker agentutrulling rett ut av esken (NemoClaw) og maskinvareisolasjonsfunksjoner (MIG) i én integrert plattform, skaper Nvidia en utvikleropplevelse som rivaler sliter med å matche. En Qualcomm-utvikler må skreddersy flere fragmenterte stakker for å oppnå den samme deterministiske, sikre agentutrullingen.
• Innlåsing i økosystemet: «Utrulling med én kommando» er de to klissete ordene i utviklerrelasjoner. En bedrift som bygger sin industrielle agent-AI-infrastruktur på NemoClaw + CUDA 13 + Jetson, møter enorme kostnader ved et eventuelt programvarebytte. Investeringen i Nvidias board support package (BSP – støttepakke for maskinvare), agentferdighetsbibliotek og simuleringsverktøy blir et grunnleggende lag i deres operasjoner.
• Advantechs AI-fabrikkhjerne: Partnerskapet med Advantech, en gigant innen industriell databehandling, er et konseptbevis i stor skala. De annonserte en «AI Factory Brain»-arkitektur som bruker NemoClaw, Nvidias Factory Operations Blueprint, RTX PRO og Jetson Thor. Dette er rettet mot ende-til-ende operasjonell intelligens, og bringer beslutningstagende agenter fra IT-kontoret direkte inn i sanntids fabrikkoperasjoner. avgjørende er det at Advantechs ledelse bemerket at de fortsetter å jobbe med Qualcomm og Intel, noe som signaliserer at plattformkrigene for fysisk AI nå er en konflikt på flere fronter.

Det «agentiske databehandlingsmønsteret»

Jensen Huangs visjon er avvæpnende enkel og dypt forankret i økosystemet. I sin keynote og påfølgende pressekonferanser beskrev han et enkelt, repeterende mønster som vil bli det nye databehandlingsparadigmet: en agent som er en modell, pakket inn i et rammeverk, som bruker verktøy med ferdigheter og kjører i et kjøremiljø.

Dette mønsteret, insisterte han, er «nøyaktig det samme» enten kjøremiljøet befinner seg i et massivt skydatasenter eller inne i en robotarms datamodul. Selskaper vil bruke forskjellige modeller og rammeverk, men det arkitektoniske mønsteret er universelt. Med JetPack 7.2 og NemoClaw har Nvidia sørget for at deres Jetson-plattform er det første stedet dette universelle mønsteret starter opp i den fysiske verden.

Det større bildet fra GTC Taipei

JetPack 7.2-annonseringen kom ikke isolert. Nvidia orkestrerte en rekke store økosystemavsløringer under arrangementet, alle pekende mot dominans innen agentisk og fysisk AI:

• Jetson Thor, Vera Rubin NVL72 og Alpamayo vant hver sin COMPUTEX 2026 Best Choice Award, noe som signaliserer industriens og medienes anerkjennelse av at tre av Nvidias kjerneplattformer er byggesteiner i verdensklasse for AI-æraen.
• Nemotron 3 Ultra, en ny modell med 550 milliarder parametere og en blanding av eksperter, ble annonsert. Den tilbyr 5 ganger raskere inferens til en påstått ~30 % lavere kostnad enn ledende åpne modeller. Dette gir den kraftige «modell»-siden av den agentiske formelen.
• For å fylle «kjøremiljø»-siden av mønsteret for personlig databehandling, avduket Nvidia RTX Spark PC-brikken. Denne brikken, bygget i samarbeid med MediaTek og Microsoft, er designet for å legge lokale AI-agenters kapabiliteter direkte inn i Windows-bærbare og stasjonære PC-er, og konkurrerer med AMD, Intel og Apple.

Selv om noen ryktede annonseringer, som en «DGX Station for Windows» eller en Cadence-agent for brikkedesign, ikke ble bekreftet av primærkildene fra arrangementet, er det overordnede bildet umiskjennelig. JetPack 7.2 og NemoClaw er bærebjelkene i Nvidias strategi for å sikre at når AI-agenter går fra å være en digital kuriositet til et fysisk infrastrukturlag, kjører de på Nvidia-maskinvare, med Nvidia-programvare og innenfor Nvidias økosystem.

Kort sagt kan en AI-agent som tidligere krevde en serverrack, nå med én kommando kjøre direkte på en Jetson Orin-modul som selges for så lite som 249 dollar. Dette handler ikke bare om å gjøre roboter smartere; det handler om å skape en enhetlig, sikker og portabel programvarestakk som låser utviklere inn i Nvidias økosystem, fra skyen og helt ut til fabrikkgulvet.

NemoClaw: Den sikre broen til fysisk AI

Hjertet i dette puslespillet er Nvidia NemoClaw. Det er ikke en ny modell, men en åpen referansestakk som løser et kritisk problem for bedriftsutrulling: sikkerhet. NemoClaw samler det populære OpenClaw-rammeverket for multi-agent-orkestrering med OpenShells sikre kjøremiljø og Nvidias Nemotron-modeller. Dette gir innebygde sikkerhetsmekanismer for personvern og sikkerhet for assistenter som alltid er på, og som opererer i sensitive miljøer som fabrikker, sykehus og varehus.

Den kritiske oppdateringen er at JetPack 7.2 kommer forhåndskonfigurert for utrulling av NemoClaw med én enkelt kommando. Tidligere krevde kjøring av OpenClaw-baserte arbeidsflyter på en edge-enhet manuelt miljøoppsett og avhengighetshåndtering. Nå fungerer det rett ut av esken. Dette senker barrieren dramatisk for utviklere som ønsker å bygge komplekse agentiske arbeidsflyter – en agent som sanser, resonnerer og handler på fysiske data – uten noen gang å måtte sende data til skyen.

For å komplettere dette slapp Nvidia en stor samling med åpne agentferdigheter og -verktøy for fysisk AI som spenner over plattformene Omniverse, Cosmos, Alpamayo og Metropolis. Kompleks robotikktrening, simulering av autonome kjøretøy og industrielle digitale tvillinger kan nå gjøres om til oppgaver en AI-agent kan utføre direkte.

Innsiden av JetPack 7.2: Maskinvare- og programvarefunksjonene

JetPack 7.2 er en grunnleggende oppdatering som bringer edge-plattformen i arkitektonisk samsvar med Nvidias serverklassetilbud.

• CUDA 13 på Jetson Orin: Dette er en milepæl for samkjøring. Jetson Orin kjører nå på det samme CUDA 13-verktøysettet for Arm Server Base System Architecture (SBSA) som Nvidias datasenter-GPU-er. Ett enkelt CUDA-verktøysett kan nå brukes på alt fra en GH200-superbrikke til en liten modul inne i en leveringsrobot.
• MIG (Multi-Instance GPU) på Jetson Thor: Dette er en avgjørende funksjon for applikasjoner med blandet kritikalitet, som humanoide roboter. MIG lar GPU-en på en Jetson Thor SoC deles inn i to fullstendig isolerte instanser, hver med sitt eget dedikerte minne, hurtigbuffer og beregningsressurser. En sikkerhetskritisk oppgave som Simultaneous Localization and Mapping (SLAM – samtidig lokalisering og kartlegging) kan kjøre i et fullstendig deterministisk miljø, trygt for forstyrrelser fra mindre tidskritiske AI-oppgaver.
• Yocto Project-støtte: For OEM-er og systembyggere betyr offisiell Yocto Project-integrasjon at de kan bygge dypt tilpassede, produksjonsherdede innebygde Linux-distribusjoner for Jetson-maskinvare som er optimalisert til minste detalj for en spesifikk industriell applikasjon.
• Supermodus for AGX Orin 32GB: En betydelig ytelsesøkning og et strategisk kostnadsspill. Den nye 32GB-modulen erstatter den tidligere 16GB-produksjonsvarianten, og gir et betydelig generasjonssprang i AI-ytelse samtidig som den gir bedre kostnadseffektivitet for edge-utrullinger i stort volum.

Den strategiske fordelen innen fysisk AI

Dette er et sjakktrekk rettet direkte mot Qualcomms dominans på edge med Snapdragon og Intels grep om industrielle kontrollere med x86.

• Konkurransefortrinn: Ved å kombinere et enhetlig CUDA-verktøysett fra server til edge, sikker agentutrulling rett ut av esken (NemoClaw) og maskinvareisolasjonsfunksjoner (MIG) i én integrert plattform, skaper Nvidia en utvikleropplevelse som rivaler sliter med å matche. En Qualcomm-utvikler må skreddersy flere fragmenterte stakker for å oppnå den samme deterministiske, sikre agentutrullingen.
• Innlåsing i økosystemet: «Utrulling med én kommando» er de to klissete ordene i utviklerrelasjoner. En bedrift som bygger sin industrielle agent-AI-infrastruktur på NemoClaw + CUDA 13 + Jetson, møter enorme kostnader ved et eventuelt programvarebytte. Investeringen i Nvidias board support package (BSP – støttepakke for maskinvare), agentferdighetsbibliotek og simuleringsverktøy blir et grunnleggende lag i deres operasjoner.
• Advantechs AI-fabrikkhjerne: Partnerskapet med Advantech, en gigant innen industriell databehandling, er et konseptbevis i stor skala. De annonserte en «AI Factory Brain»-arkitektur som bruker NemoClaw, Nvidias Factory Operations Blueprint, RTX PRO og Jetson Thor. Dette er rettet mot ende-til-ende operasjonell intelligens, og bringer beslutningstagende agenter fra IT-kontoret direkte inn i sanntids fabrikkoperasjoner. avgjørende er det at Advantechs ledelse bemerket at de fortsetter å jobbe med Qualcomm og Intel, noe som signaliserer at plattformkrigene for fysisk AI nå er en konflikt på flere fronter.

Det «agentiske databehandlingsmønsteret»

Jensen Huangs visjon er avvæpnende enkel og dypt forankret i økosystemet. I sin keynote og påfølgende pressekonferanser beskrev han et enkelt, repeterende mønster som vil bli det nye databehandlingsparadigmet: en agent som er en modell, pakket inn i et rammeverk, som bruker verktøy med ferdigheter og kjører i et kjøremiljø.

Dette mønsteret, insisterte han, er «nøyaktig det samme» enten kjøremiljøet befinner seg i et massivt skydatasenter eller inne i en robotarms datamodul. Selskaper vil bruke forskjellige modeller og rammeverk, men det arkitektoniske mønsteret er universelt. Med JetPack 7.2 og NemoClaw har Nvidia sørget for at deres Jetson-plattform er det første stedet dette universelle mønsteret starter opp i den fysiske verden.

Det større bildet fra GTC Taipei

JetPack 7.2-annonseringen kom ikke isolert. Nvidia orkestrerte en rekke store økosystemavsløringer under arrangementet, alle pekende mot dominans innen agentisk og fysisk AI:

• Jetson Thor, Vera Rubin NVL72 og Alpamayo vant hver sin COMPUTEX 2026 Best Choice Award, noe som signaliserer industriens og medienes anerkjennelse av at tre av Nvidias kjerneplattformer er byggesteiner i verdensklasse for AI-æraen.
• Nemotron 3 Ultra, en ny modell med 550 milliarder parametere og en blanding av eksperter, ble annonsert. Den tilbyr 5 ganger raskere inferens til en påstått ~30 % lavere kostnad enn ledende åpne modeller. Dette gir den kraftige «modell»-siden av den agentiske formelen.
• For å fylle «kjøremiljø»-siden av mønsteret for personlig databehandling, avduket Nvidia RTX Spark PC-brikken. Denne brikken, bygget i samarbeid med MediaTek og Microsoft, er designet for å legge lokale AI-agenters kapabiliteter direkte inn i Windows-bærbare og stasjonære PC-er, og konkurrerer med AMD, Intel og Apple.

Selv om noen ryktede annonseringer, som en «DGX Station for Windows» eller en Cadence-agent for brikkedesign, ikke ble bekreftet av primærkildene fra arrangementet, er det overordnede bildet umiskjennelig. JetPack 7.2 og NemoClaw er bærebjelkene i Nvidias strategi for å sikre at når AI-agenter går fra å være en digital kuriositet til et fysisk infrastrukturlag, kjører de på Nvidia-maskinvare, med Nvidia-programvare og innenfor Nvidias økosystem.