Jetson Thor: Moc AI na krawędzi dla robotyki i fizycznej AI

Jetson Thor to następna generacja obliczeń AI na krawędzi (edge computing) od NVIDIA, zaprojektowana z myślą o inteligentnych maszynach, takich jak roboty, systemy przemysłowe i autonomiczne urządzenia.

Zbudowany na architekturze NVIDIA Blackwell GPU, zestaw deweloperski Jetson AGX Thor oferuje do 2070 FP4 TFLOPS mocy AI z 128 GB pamięci, działając w granicach ok. 130 watów . W porównaniu z poprzednią platformą Jetson AGX Orin, zapewnia do 7,5× więcej mocy obliczeniowej AI i około 3,5× lepszą efektywność energetyczną .

Ten skok wydajności umożliwia nową klasę zastosowań, często określanych jako „fizyczna AI” (physical AI). Zamiast polegać głównie na serwerach w chmurze, roboty mogą uruchamiać zaawansowane modele bezpośrednio na urządzeniu, w tym modele wizyjno-językowe i rozumujące, które interpretują dane z czujników w czasie rzeczywistym .

Kluczowe ulepszenia obejmują:

• Wydajne wnioskowanie na krawędzi dla modeli generatywnych i rozumujących
• Przetwarzanie w czasie rzeczywistym danych z wielu czujników, takich jak kamery i lidary
• Energooszczędną pracę odpowiednią dla mobilnych robotów i systemów przemysłowych

Dla programistów robotyki oznacza to, że maszyny mogą wykonywać bardziej złożoną percepcję, planowanie i interakcję lokalnie – redukując opóźnienia i zależność od zdalnych zasobów obliczeniowych.

Vera Rubin NVL72: Infrastruktura w skali racka dla fabryk AI

Podczas gdy Jetson Thor koncentruje się na krawędzi, Vera Rubin NVL72 celuje w przeciwny koniec spektrum: wielkoskalową infrastrukturę AI.

System został zaprojektowany jako superkomputer AI w skali racka, integrujący 36 procesorów NVIDIA Vera CPU i 72 GPU Rubin połączonych przez szóstą generację NVLink, dzięki czemu wszystkie GPU działają jako jeden, zunifikowany akcelerator .

Ta architektura jest zoptymalizowana pod kątem kolejnej generacji obciążeń AI, w tym modeli o bilionie parametrów, etapu post-training, wnioskowania na dużą skalę i zadań wymagających długiego kontekstu .

NVIDIA raportuje kilka głównych ulepszeń wydajności w porównaniu z poprzednią platformą Blackwell:

• Do 10× wyższa wydajność wnioskowania na wat
• Do 10× niższy koszt tokena podczas wnioskowania
• Trenowanie dużych modeli przy około jednej czwartej liczby GPU

Te zyski wynikają z głębokiej integracji na poziomie systemu. Platforma łączy wiele wyspecjalizowanych układów – w tym Rubin GPU, Vera CPU, przełącznik NVLink 6, kartę ConnectX-9 SuperNIC, procesor BlueField-4 DPU i sieć Spectrum – w jedną architekturę zaprojektowaną do działania jako jeden system AI .

Kolejnym powodem, dla którego system otrzymał nagrodę Sustainable Tech Special Award, jest jego konstrukcja. Modułowe tace i systemy chłodzenia cieczą poprawiają efektywność wdrażania i wydajność energetyczną centrów danych .

W efekcie Vera Rubin NVL72 odzwierciedla zmianę w wyścigu AI: wydajność nie zależy już tylko od pojedynczych GPU, ale od całych racków – a nawet całych fabryk AI – zaprojektowanych jako zunifikowane systemy obliczeniowe.

Alpamayo: AI oparte na rozumowaniu dla autonomicznej jazdy

Trzecia nagrodzona technologia, Alpamayo, rozwiązuje jeden z najtrudniejszych problemów AI: bezpieczną i niezawodną autonomiczną jazdę.

Alpamayo to otwarta platforma deweloperska i rodzina modeli dla pojazdów autonomicznych, zaprojektowana tak, by wyjść poza tradycyjne systemy skupione na percepcji. Zamiast tylko wykrywać obiekty, modele wykorzystują rozumowanie wizyjno-językowe-akcyjne (VLA), aby interpretować sytuacje na drodze i decydować, jak zareagować .

Na przykład model Alpamayo 1 może przetwarzać obraz wideo i generować:

• trajektorie jazdy (skręcanie, hamowanie, przyspieszanie)
• ślady rozumowania wyjaśniające podjęte decyzje

To podejście ma na celu uczynienie systemów autonomicznych bardziej przejrzystymi i łatwiejszymi do analizy, co jest kluczowe dla testowania bezpieczeństwa w rzadkich lub złożonych scenariuszach drogowych .

Inną ważną cechą jest potok treningowy. Modele Alpamayo są trenowane przy użyciu kombinacji:

• rzeczywistych nagrań jazdy
• dużych syntetycznych zestawów danych generowanych przez symulację
• starannie opisanych przykładów jazdy

Połączenie rzeczywistych i symulowanych danych pomaga wystawić modele na znacznie więcej przypadków brzegowych, niż mogłoby zapewnić samo testowanie na drogach .

Strategia pełnego stosu dla ery AI

Biorąc pod uwagę wszystkie trzy nagrodzone technologie, widać szerszą strategię NVIDIA na erę AI.

• Jetson Thor przenosi potężne rozumowanie AI bezpośrednio do robotów i urządzeń brzegowych.
• Vera Rubin NVL72 zapewnia ogromną infrastrukturę potrzebną do trenowania i uruchamiania modeli o bilionie parametrów na masową skalę.
• Alpamayo stosuje AI oparte na rozumowaniu w pojazdach autonomicznych, wykorzystując potoki danych łączące rzeczywiste i syntetyczne środowiska.

Ta kombinacja sugeruje przyszłość, w której systemy AI działają na wielu poziomach: trening w ogromnych fabrykach AI, wdrażanie w centrach danych i podejmowanie decyzji w czasie rzeczywistym na urządzeniach brzegowych i w autonomicznych maszynach.

To właśnie to podejście pełnego stosu – obejmujące chipy, racki i inteligentne agenty – jest głównym powodem, dla którego NVIDIA okazała się jednym z najbardziej prominentnych zwycięzców COMPUTEX 2026 .

Jetson Thor: Moc AI na krawędzi dla robotyki i fizycznej AI

Jetson Thor to następna generacja obliczeń AI na krawędzi (edge computing) od NVIDIA, zaprojektowana z myślą o inteligentnych maszynach, takich jak roboty, systemy przemysłowe i autonomiczne urządzenia.

Zbudowany na architekturze NVIDIA Blackwell GPU, zestaw deweloperski Jetson AGX Thor oferuje do 2070 FP4 TFLOPS mocy AI z 128 GB pamięci, działając w granicach ok. 130 watów . W porównaniu z poprzednią platformą Jetson AGX Orin, zapewnia do 7,5× więcej mocy obliczeniowej AI i około 3,5× lepszą efektywność energetyczną .

Ten skok wydajności umożliwia nową klasę zastosowań, często określanych jako „fizyczna AI” (physical AI). Zamiast polegać głównie na serwerach w chmurze, roboty mogą uruchamiać zaawansowane modele bezpośrednio na urządzeniu, w tym modele wizyjno-językowe i rozumujące, które interpretują dane z czujników w czasie rzeczywistym .

Kluczowe ulepszenia obejmują:

• Wydajne wnioskowanie na krawędzi dla modeli generatywnych i rozumujących
• Przetwarzanie w czasie rzeczywistym danych z wielu czujników, takich jak kamery i lidary
• Energooszczędną pracę odpowiednią dla mobilnych robotów i systemów przemysłowych

Dla programistów robotyki oznacza to, że maszyny mogą wykonywać bardziej złożoną percepcję, planowanie i interakcję lokalnie – redukując opóźnienia i zależność od zdalnych zasobów obliczeniowych.

Vera Rubin NVL72: Infrastruktura w skali racka dla fabryk AI

Podczas gdy Jetson Thor koncentruje się na krawędzi, Vera Rubin NVL72 celuje w przeciwny koniec spektrum: wielkoskalową infrastrukturę AI.

System został zaprojektowany jako superkomputer AI w skali racka, integrujący 36 procesorów NVIDIA Vera CPU i 72 GPU Rubin połączonych przez szóstą generację NVLink, dzięki czemu wszystkie GPU działają jako jeden, zunifikowany akcelerator .

Ta architektura jest zoptymalizowana pod kątem kolejnej generacji obciążeń AI, w tym modeli o bilionie parametrów, etapu post-training, wnioskowania na dużą skalę i zadań wymagających długiego kontekstu .

NVIDIA raportuje kilka głównych ulepszeń wydajności w porównaniu z poprzednią platformą Blackwell:

• Do 10× wyższa wydajność wnioskowania na wat
• Do 10× niższy koszt tokena podczas wnioskowania
• Trenowanie dużych modeli przy około jednej czwartej liczby GPU

Te zyski wynikają z głębokiej integracji na poziomie systemu. Platforma łączy wiele wyspecjalizowanych układów – w tym Rubin GPU, Vera CPU, przełącznik NVLink 6, kartę ConnectX-9 SuperNIC, procesor BlueField-4 DPU i sieć Spectrum – w jedną architekturę zaprojektowaną do działania jako jeden system AI .

Kolejnym powodem, dla którego system otrzymał nagrodę Sustainable Tech Special Award, jest jego konstrukcja. Modułowe tace i systemy chłodzenia cieczą poprawiają efektywność wdrażania i wydajność energetyczną centrów danych .

W efekcie Vera Rubin NVL72 odzwierciedla zmianę w wyścigu AI: wydajność nie zależy już tylko od pojedynczych GPU, ale od całych racków – a nawet całych fabryk AI – zaprojektowanych jako zunifikowane systemy obliczeniowe.

Alpamayo: AI oparte na rozumowaniu dla autonomicznej jazdy

Trzecia nagrodzona technologia, Alpamayo, rozwiązuje jeden z najtrudniejszych problemów AI: bezpieczną i niezawodną autonomiczną jazdę.

Alpamayo to otwarta platforma deweloperska i rodzina modeli dla pojazdów autonomicznych, zaprojektowana tak, by wyjść poza tradycyjne systemy skupione na percepcji. Zamiast tylko wykrywać obiekty, modele wykorzystują rozumowanie wizyjno-językowe-akcyjne (VLA), aby interpretować sytuacje na drodze i decydować, jak zareagować .

Na przykład model Alpamayo 1 może przetwarzać obraz wideo i generować:

• trajektorie jazdy (skręcanie, hamowanie, przyspieszanie)
• ślady rozumowania wyjaśniające podjęte decyzje

To podejście ma na celu uczynienie systemów autonomicznych bardziej przejrzystymi i łatwiejszymi do analizy, co jest kluczowe dla testowania bezpieczeństwa w rzadkich lub złożonych scenariuszach drogowych .

Inną ważną cechą jest potok treningowy. Modele Alpamayo są trenowane przy użyciu kombinacji:

• rzeczywistych nagrań jazdy
• dużych syntetycznych zestawów danych generowanych przez symulację
• starannie opisanych przykładów jazdy

Połączenie rzeczywistych i symulowanych danych pomaga wystawić modele na znacznie więcej przypadków brzegowych, niż mogłoby zapewnić samo testowanie na drogach .

Strategia pełnego stosu dla ery AI

Biorąc pod uwagę wszystkie trzy nagrodzone technologie, widać szerszą strategię NVIDIA na erę AI.

• Jetson Thor przenosi potężne rozumowanie AI bezpośrednio do robotów i urządzeń brzegowych.
• Vera Rubin NVL72 zapewnia ogromną infrastrukturę potrzebną do trenowania i uruchamiania modeli o bilionie parametrów na masową skalę.
• Alpamayo stosuje AI oparte na rozumowaniu w pojazdach autonomicznych, wykorzystując potoki danych łączące rzeczywiste i syntetyczne środowiska.

Ta kombinacja sugeruje przyszłość, w której systemy AI działają na wielu poziomach: trening w ogromnych fabrykach AI, wdrażanie w centrach danych i podejmowanie decyzji w czasie rzeczywistym na urządzeniach brzegowych i w autonomicznych maszynach.

To właśnie to podejście pełnego stosu – obejmujące chipy, racki i inteligentne agenty – jest głównym powodem, dla którego NVIDIA okazała się jednym z najbardziej prominentnych zwycięzców COMPUTEX 2026 .