NVIDIA Jetson Orin Nano 2 получил 78 TOPS для недорогих роботов и дронов

25 августа 2026 года NVIDIA представила Jetson Orin Nano 2 — вычислительный модуль начального уровня для ИИ на периферии (edge AI). Он предназначен не для дата-центров, а для устройств, которым приходится самостоятельно воспринимать окружающую обстановку и реагировать на неё: роботов, дронов доставки и инспекции, а также систем компьютерного зрения. 1

Главная особенность новинки — заявленное сочетание более высокой производительности и прежних компактных габаритов. Jetson Orin Nano 2 обеспечивает до 78 триллионов операций ИИ в секунду (TOPS), оснащён 8 ГБ памяти и 8-ядерным процессором Arm. По данным NVIDIA, инференс на нём выполняется в два раза быстрее, чем на Jetson Orin Nano Super, при сохранении того же форм-фактора. 17

Что именно представила NVIDIA

Jetson Orin Nano 2 рассчитан на физические устройства с ограниченным бюджетом мощности и стоимости. В таких системах локальный запуск ИИ важен по нескольким причинам: роботу или дрону не всегда доступно стабильное облачное соединение, а отправка каждого изображения или команды на удалённый сервер добавляет задержку и расходует энергию.

При обработке данных непосредственно на устройстве модель находится ближе к сенсорам и исполнительным механизмам. Это позволяет системе принимать решения с учётом ограничений конкретного устройства, сети и аккумулятора. NVIDIA позиционирует Orin Nano 2 как способ разместить более производительный генеративный и «физический» ИИ в небольших машинах. 17

Характеристики и производительность

Заявленные характеристики Jetson Orin Nano 2:

• 78 TOPS вычислений для ИИ;
• 8 ГБ памяти;
• 8-ядерный процессор Arm;
• тот же компактный форм-фактор, что и у Jetson Orin Nano Super;
• вдвое более высокая заявленная производительность инференса по сравнению с Jetson Orin Nano Super;
• на 40% меньшее энергопотребление при сопоставимой производительности в режиме 15 Вт. 17

NVIDIA связывает прирост с обновлёнными Tensor Cores и увеличенной пропускной способностью памяти. При этом сравнение остаётся заявлением производителя: фактический результат будет зависеть от конкретной модели, точности вычислений, программного стека и типа нагрузки. 7

Для разработчиков практический смысл новинки довольно очевиден: больше вычислительного запаса можно получить без перехода на более крупный модуль. А в энергоограниченных конструкциях появляется возможность ориентироваться на производительность предшественника при меньшем потреблении. Это особенно важно для мобильных роботов, дронов и компактного оборудования для инспекций.

Какие модели поддерживает Jetson Orin Nano 2

По данным NVIDIA, модуль работает с открытым программным стеком компании и инструментами Jetson agent skills, оптимизированными для экономичного по памяти инференса на периферии. В заявленную экосистему входят модели NVIDIA Cosmos и Nemotron, а также открытые модели Gemma 4 и Qwen 3. 7

Здесь важен не только сам список моделей. Небольшие языковые и мультимодальные модели можно запускать ближе к физической системе — например, чтобы робот одновременно анализировал изображение, понимал команду и выбирал действие.

NVIDIA также утверждает, что новые небольшие и средние frontier-модели способны приближаться по точности к значительно более крупным моделям предыдущего года. В логике компании это делает локальное рассуждение более реалистичным для устройств с ограниченными ресурсами. Однако в предоставленных материалах это остаётся формулировкой NVIDIA, а не независимо подтверждённым сравнительным тестом. 7

Зачем роботам frontier-модели

Традиционные системы ИИ на периферии обычно решают узкие задачи: находят объект, распознают дефект или отслеживают препятствие. Генеративные и мультимодальные модели могут расширить этот набор функций, объединяя понимание языка, изображений и контекста окружающей среды.

Для робота это может означать совместную интерпретацию визуальной сцены и голосовой команды. Для дрона — более быструю реакцию на меняющиеся условия. Для домашнего устройства — связь между диалогом, картографированием и навигацией.

Главное преимущество, на которое указывает NVIDIA, — локальное рассуждение в реальном времени. Устройству не нужно отправлять на облачный сервер каждый отдельный запрос, прежде чем выполнить действие. 17

В то же время Jetson Orin Nano 2 не отменяет необходимость оптимизации моделей. Память объёмом 8 ГБ и позиционирование в начальном сегменте означают, что разработчикам по-прежнему придётся внимательно выбирать модели, использовать квантование и настраивать развёртывание под конкретную задачу.

Кто уже проявил интерес к платформе

NVIDIA сообщила, что более 3 млн разработчиков создают проекты на её робототехническом стеке. Среди первых компаний, которые используют или оценивают Jetson Orin Nano 2, названы Cognex, Doosan Bobcat, Matic и Wing. 17

Наиболее подробно в доступных материалах описаны два сценария:

• Wing изучает модуль для дронов доставки, уделяя внимание скорости реакции и энергоэффективности.
• Matic Robotics планирует применять его в роботах для уборки дома — для разговорного ИИ, распознавания жестов, точного картографирования, семантического понимания домашнего пространства и автономной уборки. 7

Cognex и Doosan Bobcat также упомянуты в контексте раннего внедрения или оценки платформы. Однако имеющиеся источники не подтверждают конкретное объявленное развёртывание Cognex и не уточняют, в какой именно продукции или проекте Doosan Bobcat будет использоваться модуль. 17

Что пока не подтверждено

Доступные материалы подтверждают позиционирование Jetson Orin Nano 2 как компактной платформы начального уровня для ИИ на периферии, а также заявленные NVIDIA показатели производительности, энергопотребления и совместимости с моделями.

При этом предоставленные источники не подтверждают ожидаемую доступность устройства в первой половине 2027 года. Они также не содержат проверенных подробностей о формальной «трёхкомпьютерной» архитектуре, которая связывала бы Jetson Orin Nano 2 с Omniverse, Cosmos и DGX именно в рамках объявления от 25 августа. Поддержка Cosmos на устройстве подтверждается, но распределение ролей между Omniverse, Cosmos и DGX не следует называть официально объявленной архитектурой без более убедительных источников. 7

Итог

Jetson Orin Nano 2 — это попытка NVIDIA сделать более мощный локальный ИИ доступным для небольших и энергоограниченных машин. Отдельные цифры — 78 TOPS, 8 ГБ памяти и 8-ядерный Arm CPU — важны, но ключевым выглядит их сочетание с заявленным двукратным ростом инференса, прежними компактными габаритами и снижением энергопотребления на сопоставимом уровне производительности. 17

Для разработчиков это возможность запускать более совершенные языковые и визуально-языковые модели непосредственно в роботах, дронах и системах зрения. Главная оговорка заключается в том, что реальные преимущества NVIDIA предстоит оценить на конкретных моделях и рабочих нагрузках после публикации подробностей о программном обеспечении, поставках и доступности продукта.