NVIDIA Jetson Orin Nano 2 ska ge små robotar mer AI-kraft

NVIDIA Jetson Orin Nano 2 är en kompakt dator för att köra generativ AI och autonoma system direkt i robotar, drönare och visionssystem. NVIDIA uppger att modellen levererar 78 TOPS AI-beräkningskapacitet och dubbelt så hög inferensprestanda som Jetson Orin Nano Super, samtidigt som den behåller samma format. Modul och utvecklarkit väntas bli tillgängliga under första halvåret 2027. 237

De viktigaste specifikationerna

Jetson Orin Nano 2 har:

• 78 TOPS AI-beräkningskapacitet – alltså upp till 78 biljoner AI-operationer per sekund
• 8 GB minne
• En åttakärnig Arm-processor
• Samma kompakta format som föregångaren

NVIDIA kopplar prestandalyftet till uppdaterade Tensor Cores och högre minnesbandbredd. Företaget beskriver systemet som byggt för ett effektuttag inom en 40-wattsram och uppger att det använder 40 procent mindre energi än det föregående systemet när samma prestanda levereras i 15-wattsläget. 312

Siffrorna är NVIDIA:s egna uppgifter och ska inte tolkas som ett universellt resultat för alla modeller, arbetslaster eller installationer. Den faktiska prestandan påverkas bland annat av programvarustacken, modellens storlek och driftsförhållandena.

AI direkt i roboten – utan att allt behöver skickas till molnet

Orin Nano 2 är avsedd att köra moderna språkmodeller och syn- och språkmodeller direkt på enheten. Det innebär att en robot eller drönare kan kombinera kamerabilder, tal och sensordata nära den plats där något händer, i stället för att skicka varje förfrågan till en extern molntjänst. 589

NVIDIA riktar sig bland annat till följande typer av fysiska AI-system:

• Leverans- och inspektionsdrönare
• Industrirobotar och andra autonoma robotar
• Hemrobotar
• Kameror och andra visionsbaserade AI-system

Lokal bearbetning kan i sådana system bidra till snabbare varseblivning, interaktion, navigering och styrning. Den minskar också beroendet av en fjärrtjänst när maskinen behöver reagera i realtid. NVIDIA positionerar därför datorn som en ingång till utveckling av maskiner som kan förstå sin omgivning och agera på egen hand. 23

Vad betyder ”frontier-AI” i det här sammanhanget?

NVIDIA hävdar att mindre och medelstora så kallade frontier-modeller nu kan nå samma träffsäkerhet som de största frontier-modellerna gjorde året innan. Företaget använder detta som argument för att avancerat beslutsfattande i realtid blir möjligt även i mindre autonoma enheter. 3

Det är dock NVIDIA:s påstående, inte ett oberoende benchmarkresultat i det tillgängliga underlaget. Den mer försiktiga slutsatsen är att NVIDIA anser att effektivare modeller och förbättrad hårdvara breddar utbudet av generativa AI-arbetslaster som kan köras lokalt.

Företag som testar tekniken

NVIDIA uppger att över 3 miljoner utvecklare har byggt lösningar på företagets robotikplattform. Cognex, Doosan Bobcat och Matic Robotics nämns som några av de första företagen som tar emot eller utvärderar Jetson Orin Nano 2. 3

De tydligaste uppgifterna om tidiga användningsområden gäller Wing och Matic Robotics:

• Wing undersöker datorn för leveransdrönare, med fokus på snabbare respons och bättre energieffektivitet – och på sikt snabbare och mer tillförlitliga leveranser. 3
• Matic Robotics använder den i hemstädningsrobotar. Enligt NVIDIA ska systemen kunna stödja bland annat konversations-AI, gestigenkänning, semantisk kartläggning, precisionskartor, perception i realtid, interaktion, navigering och autonom städning. 3
• Cognex och Doosan Bobcat nämns som tidiga användare eller utvärderare, men det tillgängliga materialet specificerar inte vilka Jetson Orin Nano 2-installationer eller användningsområden företagen har. 3

NVIDIA uppger dessutom att samarbetspartners utvecklar bärarkort, kompletta hårdvarusystem och referensdesigner. Tanken är att kunder ska kunna ta färdiga produkter till marknaden snabbare. 3

En del av NVIDIA:s större robotikplattform

Jetson är beräkningslagret som sitter i själva roboten. Det är tänkt att köra perception, multimodal AI och styrning i realtid efter att systemet har installerats i den fysiska maskinen. 23

I NVIDIA:s bredare robotikstrategi kopplas den fysiska enheten ihop med datacenterberäkning och simulering. DGX används för storskalig AI-beräkning och träning, medan Omniverse och Cosmos stödjer virtuella miljöer, syntetiska data, simulering och arbetsflöden för robotutveckling. Jetson blir i den modellen slutpunkten som tar ut tekniken i den verkliga världen.

Det tillgängliga underlaget dokumenterar däremot inte exakt hur den så kallade ”tre-datorstrategin” formulerades i samband med just denna lansering, och styrker inte alla kopplingar mellan Orin Nano 2, Omniverse, Cosmos och DGX som detaljer i pressmeddelandet. Den säkraste slutsatsen är därför att NVIDIA presenterar Jetson som installationslagret i ett större robotikekosystem – inte bara som en fristående processor. 23

Slutsats

Jetson Orin Nano 2 är utvecklad för att göra mer avancerad lokal AI praktisk i mindre robotar, drönare och visionssystem. Kärnspecifikationerna är 78 TOPS, 8 GB minne och en åttakärnig Arm-processor. NVIDIA hävdar samtidigt dubbelt så hög inferensprestanda i samma kompakta format och 40 procent lägre energiförbrukning vid motsvarande prestanda. 23

Hur stor skillnaden blir i praktiken kommer att bero på modellstöd, programvaruoptimering, värmebegränsningar och oberoende tester. Än så länge pekar lanseringen på en plattform i instegsklassen som ska flytta språkförståelse, bildanalys och autonomt beslutsfattande närmare de maskiner som faktiskt behöver agera.