Jetson Orin Nano 2 chega com 78 TOPS para robótica e IA na borda

A NVIDIA anunciou em 25 de agosto de 2026 o Jetson Orin Nano 2, um novo computador compacto para IA na borda e robótica. A proposta é colocar mais capacidade de inferência diretamente em robôs, drones de entrega e inspeção e sistemas de visão computacional que precisam interpretar o ambiente e agir em tempo real, sem depender de uma conexão contínua com a nuvem. 1

O destaque técnico fica por conta de 78 trilhões de operações por segundo (TOPS) de processamento de IA, 8 GB de memória e uma CPU Arm de oito núcleos. A NVIDIA afirma que o módulo oferece o dobro do desempenho de inferência do Jetson Orin Nano Super, mantendo o mesmo formato compacto. Em modo de 15 W, a empresa diz que o sistema pode atingir o desempenho do antecessor consumindo 40% menos energia. 17

O que foi anunciado

O Jetson Orin Nano 2 foi projetado para máquinas físicas sujeitas a restrições de custo, espaço e energia — e não para cargas de trabalho típicas de data centers. Entre os usos pretendidos estão robôs autônomos, drones de entrega e inspeção e sistemas embarcados de visão que precisam executar localmente tarefas de percepção, compreensão de linguagem e imagens e tomada de ação. 1

Essa abordagem é especialmente importante para equipamentos móveis. Um robô ou drone nem sempre pode contar com uma conexão estável com a internet, e enviar cada solicitação para um servidor remoto pode aumentar a latência e o consumo de energia. Ao executar a inferência no próprio dispositivo, o modelo fica mais próximo dos sensores e atuadores, dentro dos limites de rede, bateria e capacidade computacional da máquina. 17

Especificações e desempenho

O hardware anunciado inclui:

• 78 TOPS de processamento de IA;
• 8 GB de memória;
• CPU Arm de oito núcleos;
• o mesmo formato compacto do Jetson Orin Nano Super;
• o dobro do desempenho de inferência declarado em relação ao Jetson Orin Nano Super;
• 40% menos consumo de energia em modo de 15 W, mantendo o nível de desempenho do modelo anterior. 17

A NVIDIA atribui o ganho de inferência a Tensor Cores atualizados e à maior largura de banda de memória. Como se trata de uma comparação divulgada pela própria empresa, o resultado prático dependerá do modelo utilizado, da precisão numérica, da pilha de software e do tipo de carga de trabalho. 7

Na prática, o módulo promete mais margem para executar IA local sem exigir um computador maior. Para projetos sensíveis à autonomia, a possibilidade de buscar desempenho semelhante com menor consumo também pode ser relevante em robôs móveis, drones e equipamentos compactos de inspeção.

Quais modelos de IA são compatíveis?

Segundo a NVIDIA, o Jetson Orin Nano 2 funciona com sua pilha de software aberta e com as Jetson agent skills, voltadas à inferência eficiente em memória. O ecossistema citado inclui os modelos da própria NVIDIA Cosmos e Nemotron, além de modelos abertos como Gemma 4 e Qwen 3. 7

O ponto central não é apenas a quantidade de modelos compatíveis. Modelos menores de linguagem e de visão-linguagem podem ser executados mais perto do sistema físico, ajudando um robô a interpretar diferentes tipos de entrada, compreender o contexto e escolher uma ação.

A NVIDIA também argumenta que modelos de fronteira pequenos e médios mais recentes podem se aproximar da precisão de modelos muito maiores lançados no ano anterior. Isso, na visão da empresa, torna o raciocínio local mais viável em máquinas com recursos limitados. Essa afirmação, porém, representa o posicionamento da NVIDIA e não um benchmark independente comprovado pelas evidências fornecidas. 7

Por que modelos de fronteira importam para robôs

Sistemas tradicionais de IA na borda costumam se concentrar em tarefas bem delimitadas, como identificar um objeto ou detectar um defeito. Modelos generativos e multimodais podem ampliar esse papel ao combinar linguagem, imagens e informações do ambiente.

Em um robô, isso pode significar relacionar uma instrução falada ao que a câmera está observando. Em um drone, pode permitir uma interpretação mais rápida de condições que mudam durante o voo. Em um robô doméstico, pode conectar conversa, mapeamento e navegação.

O benefício enfatizado pela NVIDIA é o raciocínio local em tempo real: a máquina processa a cena ou a interação no próprio local onde a ação acontece, em vez de depender de uma solicitação remota para cada etapa. 17

Isso não elimina a necessidade de otimização. Com 8 GB de memória e posicionamento de entrada, o Jetson Orin Nano 2 ainda exige escolhas cuidadosas de modelos, quantização e estratégias de implantação para aplicações de produção.

Empresas e primeiros casos de uso

A NVIDIA afirma que mais de 3 milhões de desenvolvedores já construíram projetos sobre sua plataforma de robótica. A empresa também citou Cognex, Doosan Bobcat, Matic Robotics e Wing como primeiras empresas adotantes ou avaliadoras do novo módulo. 17

Os materiais disponíveis detalham principalmente dois casos:

• Wing: está explorando o módulo para drones de entrega, com foco em melhorar a capacidade de resposta e a eficiência energética.
• Matic Robotics: pretende utilizá-lo em robôs de limpeza doméstica para IA conversacional, detecção de gestos, mapeamento de precisão, compreensão semântica das residências e limpeza autônoma. 7

Cognex e Doosan Bobcat também foram mencionadas em conexão com a adoção ou avaliação inicial. No entanto, as evidências fornecidas não confirmam uma implantação específica da Cognex nem identificam qual produto ou aplicação da Doosan Bobcat usará o módulo. 17

O que ainda não foi confirmado

O anúncio confirma o posicionamento do Jetson Orin Nano 2 como uma plataforma compacta e de entrada para IA na borda, além das alegações da NVIDIA sobre desempenho, consumo de energia e suporte a modelos. Também confirma a integração do dispositivo ao ecossistema de software e hardware da empresa para robótica.

As fontes fornecidas não confirmam uma previsão de disponibilidade para o primeiro semestre de 2027. Elas também não comprovam que o anúncio de 25 de agosto tenha apresentado uma arquitetura formal de “três computadores” conectando Omniverse, Cosmos e DGX, nem trazem detalhes verificados sobre uma atualização recente do Orin NX. O suporte ao Cosmos é indicado, mas a divisão mais ampla de funções entre esses produtos não deve ser tratada como uma arquitetura anunciada sem evidências adicionais. 7

Conclusão

Com o Jetson Orin Nano 2, a NVIDIA tenta levar modelos de linguagem e visão-linguagem mais capazes para robôs, drones e sistemas de visão pequenos e limitados por bateria. Os números — 78 TOPS, 8 GB de memória e CPU Arm de oito núcleos — ganham relevância pela combinação de desempenho de inferência declarado duas vezes maior, formato compacto preservado e menor consumo em um nível equivalente de desempenho. 17

Para desenvolvedores, a principal oportunidade é executar mais IA diretamente dentro da máquina, com menor dependência de serviços remotos. A principal ressalva é que as comparações de desempenho e as promessas relacionadas a modelos de fronteira ainda precisam ser avaliadas em modelos, softwares e cargas de trabalho específicos quando houver mais detalhes sobre o hardware, a disponibilidade e os testes práticos.