O kit de desenvolvimento Jetson AGX Thor oferece:
Em comparação com o Jetson AGX Orin da geração anterior, o Thor fornece até 7,5 vezes mais capacidade de computação de IA e 3,5 vezes mais eficiência energética.
Na prática, isso permite que robôs e sistemas físicos executem modelos generativos, visão computacional e raciocínio em tempo real usando dados de múltiplos sensores — como câmeras e lidar — diretamente no dispositivo.
Esse tipo de capacidade local é essencial para aplicações onde latência e confiabilidade são críticas, como robôs industriais, humanoides, equipamentos médicos e infraestrutura inteligente.
Se o Jetson Thor representa a IA na borda, o Vera Rubin NVL72 representa o outro extremo: infraestrutura massiva para treinar e operar modelos gigantes.
Diferente de um único chip ou servidor, o NVL72 é um supercomputador de IA em escala de rack. Ele combina 36 CPUs Vera e 72 GPUs Rubin, interligadas pela sexta geração do NVLink, permitindo que todos os GPUs funcionem como um único sistema acelerador.
Essa arquitetura foi projetada para lidar com cargas de trabalho como:
Segundo a NVIDIA, o sistema pode treinar modelos usando apenas um quarto do número de GPUs exigido por plataformas Blackwell equivalentes e executar inferência com custo por token até 10 vezes menor.
Além disso, a plataforma oferece até 10 vezes mais desempenho de inferência por watt, o que ajuda a reduzir custos operacionais e consumo energético em data centers de IA.
Outro diferencial é o design físico do rack: módulos sem cabos e sem mangueiras com resfriamento líquido completo, capazes de reduzir o tempo de montagem de bandejas de computação de duas horas para cerca de cinco minutos.
Esse tipo de engenharia reflete uma mudança importante na indústria: a competição em IA não está mais apenas no nível de chips individuais, mas no nível de racks inteiros e “fábricas de IA” completas.
O terceiro produto premiado foi o Alpamayo, uma plataforma aberta voltada ao desenvolvimento de veículos autônomos e sistemas avançados de assistência ao motorista.
A proposta da tecnologia é ir além dos sistemas tradicionais de percepção, que apenas detectam objetos na estrada. Em vez disso, Alpamayo utiliza modelos de visão‑linguagem‑ação (VLA) com capacidade de raciocínio, permitindo que o sistema analise uma situação e explique a decisão tomada.
Por exemplo, diante de um cenário complexo no trânsito, o modelo pode:
Esse registro de raciocínio ajuda engenheiros a analisar comportamentos do sistema e melhorar a segurança em situações raras ou difíceis — um dos maiores desafios no desenvolvimento de carros autônomos.
O treinamento do Alpamayo também combina dados reais de direção com simulações e dados sintéticos, ampliando a diversidade de cenários usados no treinamento.
Observando os três projetos juntos, fica clara a estratégia tecnológica da NVIDIA.
Essa combinação cobre praticamente todo o ciclo da inteligência artificial moderna — do treinamento em supercomputadores até a execução em robôs, carros e máquinas no mundo físico.
No COMPUTEX 2026, essa visão integrada foi suficiente para colocar a NVIDIA entre os grandes destaques do evento, com quatro prêmios que refletem sua presença crescente em múltiplas camadas da indústria de IA.