NVIDIA vil gjøre mer avansert kunstig intelligens tilgjengelig for mindre roboter og autonome systemer. Selskapets nye Jetson Orin Nano 2 er en kompakt datamaskin for edge-KI – altså KI som kjører direkte på enheten, i stedet for at alle forespørsler sendes til skyen.
NVIDIA oppgir opptil 78 TOPS KI-ytelse og hevder at modellen leverer dobbelt så høy inferensytelse som Jetson Orin Nano Super, samtidig som den beholder samme fysiske format. Modul og utviklersett ventes å bli tilgjengelig i første halvdel av 2027. 
23
7
De viktigste spesifikasjonene
Jetson Orin Nano 2 kommer med:
- 78 TOPS KI-ytelse – 78 billioner operasjoner per sekund
- 8 GB minne
- En åttekjerners Arm-prosessor
- Samme kompakte formfaktor som forgjengeren
NVIDIA knytter ytelsesøkningen til oppdaterte Tensor Cores og høyere minnebåndbredde. Selskapet beskriver systemet som en plattform innenfor en effektgrense på 40 watt, og oppgir at det bruker 40 prosent mindre strøm enn forgjengeren ved tilsvarende ytelse i 15-wattsmodus. 3
12
Tallene er NVIDIAs egne påstander for plattformen. De bør ikke tolkes som et universelt resultat for alle modeller og arbeidslaster. Faktisk ytelse vil blant annet avhenge av programvarestakken, modellstørrelsen og driftsforholdene.
KI-en skal kjøre lokalt i roboten
Jetson Orin Nano 2 er utviklet for å kjøre moderne språkmodeller og syns- og språkmodeller direkte på enheten. Det kan være nyttig i maskiner som må kombinere kamerabilder, tale, sensordata og beslutninger i sanntid – uten å være helt avhengige av en ekstern inferenstjeneste. 
5
8
9
NVIDIA trekker særlig frem:
- Leverings- og inspeksjonsdroner
- Industrielle og andre autonome roboter
- Hjemmeroboter
- Kameraer og andre systemer for KI-basert syn
Lokal databehandling kan i slike systemer brukes til å tolke omgivelsene, forstå kommandoer, planlegge bevegelser og styre maskinen. Produktet er dermed ment som et startpunkt for utviklere som lager maskiner som både må forstå hva som skjer rundt dem og reagere på det i sanntid. 23
NVIDIAs påstand om «frontier»-modeller
NVIDIA hevder at små og mellomstore frontier-modeller nå kan oppnå samme nøyaktighet som de største frontier-modellene fra året før. Selskapet bruker dette som argument for at sanntidsresonnering i større grad kan kjøres på mindre autonome enheter. 3
Dette er likevel NVIDIAs egen produktpåstand. Materialet som er lagt til grunn, inneholder ingen uavhengig referansetest som viser at enhver liten eller mellomstor modell matcher enhver tidligere stor modell. Den mer forsiktige konklusjonen er at NVIDIA mener forbedringer i både modellene og maskinvaren gjør det mulig å kjøre et bredere utvalg generative KI-arbeidslaster lokalt.
Wing og Matic Robotics viser tidlige bruksområder
NVIDIA sier at mer enn tre millioner utviklere har bygget på selskapets robotikkplattform. Cognex, Doosan Bobcat og Matic Robotics nevnes som noen av de første selskapene som tar i bruk eller vurderer Jetson Orin Nano 2. 3
De mest konkrete eksemplene gjelder Wing og Matic Robotics:
- Wing undersøker plattformen for leveringsdroner, med mål om mer responsiv og energieffektiv drift samt potensielt raskere og mer pålitelige leveranser. 3
- Matic Robotics tar den i bruk i hjemmeroboter for rengjøring. NVIDIA sier at systemene skal kunne støtte samtalebasert KI, gestgjenkjenning, semantisk og presis kartlegging, sanntidsoppfatning, samhandling, navigasjon og autonom rengjøring. 3
- Cognex og Doosan Bobcat er nevnt som tidlige brukere eller selskaper som vurderer teknologien, men det tilgjengelige materialet beskriver ikke deres konkrete Jetson Orin Nano 2-prosjekter. 3
NVIDIA opplyser også at partnere i økosystemet utvikler bærekort, komplette maskinvaresystemer og referansedesign. Målet er å gjøre det raskere for kunder å gå fra utvikling til ferdige produkter. 3
En del av en større robotikkplattform
Jetson er laget for å være datalaget om bord i roboten. Det er her systemet kan kjøre persepsjon, multimodal KI og sanntidsstyring etter at maskinen er tatt i bruk. 23
I NVIDIAs bredere robotikkstrategi kobles denne lokale datamaskinen til kraftigere systemer for trening og simulering. DGX brukes til KI-beregninger og trening i datasentre, mens Omniverse og Cosmos inngår i arbeidsflyter for virtuelle miljøer, syntetiske data, simulering og robotutvikling. Jetson blir endepunktet som flytter teknologien ut i den fysiske maskinen.
Det tilgjengelige materialet dokumenterer imidlertid ikke den presise «tre datamaskiner»-formuleringen eller alle koblingene mellom Omniverse, Cosmos og DGX som detaljer ved akkurat denne lanseringen. Den best underbygde konklusjonen er derfor at NVIDIA presenterer Jetson som utrullingslaget i et bredere robotikkøkosystem – ikke bare som en isolert prosessorlansering. 23
Kort oppsummert
Jetson Orin Nano 2 er rettet mot mindre roboter, droner og synssystemer som trenger mer lokal KI-kapasitet. Hovedtallene er 78 TOPS, 8 GB minne og en åttekjerners Arm-prosessor. NVIDIA hevder samtidig dobbelt så høy inferensytelse i samme kompakte format og 40 prosent lavere strømforbruk ved tilsvarende ytelse. 23
Hvor stor forskjell plattformen faktisk gjør, vil avhenge av modellstøtte, programvareoptimalisering, varmeutvikling og uavhengige tester. Foreløpig peker lanseringen mot en edge-plattform som skal bringe språk, syn og autonom beslutningstaking nærmere maskinene som skal handle på informasjonen.
