这三条产品线共同展示了 NVIDIA 的整体布局：从边缘设备到数据中心，再到自动驾驶系统的完整 AI 计算生态。

Jetson Thor：为机器人和边缘 AI 提供“本地大模型”算力

Jetson Thor 是 NVIDIA 面向边缘 AI 与机器人打造的新一代计算模块，基于 Blackwell GPU 架构。

其旗舰开发套件 Jetson AGX Thor 提供：

• 最高 2,070 FP4 TFLOPS AI 算力
• 128GB 内存
• 约 130W 功耗

与上一代 Jetson AGX Orin 相比：

• AI 算力提升 最多 7.5 倍
• 能效提升 约 3.5 倍。

这些提升意味着很多过去必须依赖云端的 AI 工作负载，现在可以在设备本地运行。例如机器人能够直接在设备上运行生成式 AI、视觉语言模型或推理模型，实现低延迟决策。

为什么这对机器人很重要

对于工业机器人、医疗设备或人形机器人来说，系统需要同时处理摄像头、雷达和各种传感器数据，并在毫秒级做出决策。

Jetson Thor 的优势在于：

• 更高本地计算能力
• 更低延迟推理
• 更严格的功耗与散热控制

这使机器人能够在现实环境中进行更复杂的视觉理解和实时推理，被 NVIDIA 称为 “Physical AI（实体 AI）” 的核心计算平台。

Vera Rubin NVL72：从“单芯片竞赛”走向 AI 工厂

如果 Jetson Thor 代表边缘 AI，那么 Vera Rubin NVL72 则代表数据中心级 AI 基础设施。

NVL72 并不是单个 GPU，而是一个 机架级 AI 超级计算系统。

其核心结构包括：

• 36 个 Vera CPU
• 72 个 Rubin GPU
• 第六代 NVLink 互连技术

通过 NVLink，72 个 GPU 可以像一个大型加速器一样协同工作，专门用于训练和运行 兆级参数（trillion‑parameter）AI 模型。

性能和成本突破

NVIDIA 表示，该系统可实现：

• 训练大型模型时只需 四分之一数量的 GPU
• 每 token 推理成本降低至原来的十分之一
• 推理性能每瓦提升最高 10 倍。

这意味着 AI 推理服务和大型模型部署的成本将显著下降。

AI 计算正在升级为“机架级竞争”

NVL72 体现出一个行业趋势：AI 性能竞争已经不只是 GPU 芯片本身，而是 整机架甚至整个 AI 工厂级系统设计。

该平台整合了多个关键组件，例如：

• NVLink 6 互连
• ConnectX‑9 SuperNIC
• BlueField‑4 DPU
• Spectrum‑X 网络技术

通过硬件与网络的协同设计，数据中心可以构建专门用于 Agentic AI（智能代理 AI）和长上下文推理模型 的 AI 工厂。

Alpamayo：让自动驾驶系统具备“推理能力”

在自动驾驶领域，NVIDIA 推出了 Alpamayo 开放平台，并因此获得 COMPUTEX 的智慧车辆与智慧座舱奖。

与传统自动驾驶系统不同，Alpamayo 不只是识别道路物体，而是引入 视觉‑语言‑行动（VLA）模型 和推理能力。

简单来说，它可以：

• 读取传感器和视频数据
• 生成驾驶轨迹
• 同时输出决策的推理过程

这种“可解释推理”可以帮助工程师分析系统在复杂路况中的决策逻辑，从而提升安全性和可靠性。

数据与仿真结合训练

Alpamayo 的训练方式也更接近 AI 模型训练逻辑：

• 真实道路驾驶数据
• 大规模仿真和合成数据
• 标注数据集

通过这种组合，自动驾驶模型可以覆盖更多极端或罕见场景，这是仅依靠真实道路测试难以实现的。

三个平台背后的 NVIDIA AI 战略

把 Jetson Thor、Vera Rubin NVL72 和 Alpamayo 放在一起，可以看到 NVIDIA 的完整技术布局：

• Jetson Thor：推动边缘 AI 与机器人，让设备能够在本地运行大型模型。
• Vera Rubin NVL72：打造 AI 工厂级计算基础设施，降低大型模型训练与推理成本。
• Alpamayo：为自动驾驶提供具备推理能力的 AI 软件平台。

换句话说，NVIDIA 不只是做 GPU，而是在构建一整套从 机器人 → 数据中心 → 自动驾驶 的 AI 计算体系。

这也是为什么在 COMPUTEX 2026 上，它能够凭三条产品线拿下四项大奖的原因。

这三条产品线共同展示了 NVIDIA 的整体布局：从边缘设备到数据中心，再到自动驾驶系统的完整 AI 计算生态。

Jetson Thor：为机器人和边缘 AI 提供“本地大模型”算力

Jetson Thor 是 NVIDIA 面向边缘 AI 与机器人打造的新一代计算模块，基于 Blackwell GPU 架构。

其旗舰开发套件 Jetson AGX Thor 提供：

• 最高 2,070 FP4 TFLOPS AI 算力
• 128GB 内存
• 约 130W 功耗

与上一代 Jetson AGX Orin 相比：

• AI 算力提升 最多 7.5 倍
• 能效提升 约 3.5 倍。

这些提升意味着很多过去必须依赖云端的 AI 工作负载，现在可以在设备本地运行。例如机器人能够直接在设备上运行生成式 AI、视觉语言模型或推理模型，实现低延迟决策。

为什么这对机器人很重要

对于工业机器人、医疗设备或人形机器人来说，系统需要同时处理摄像头、雷达和各种传感器数据，并在毫秒级做出决策。

Jetson Thor 的优势在于：

• 更高本地计算能力
• 更低延迟推理
• 更严格的功耗与散热控制

这使机器人能够在现实环境中进行更复杂的视觉理解和实时推理，被 NVIDIA 称为 “Physical AI（实体 AI）” 的核心计算平台。

Vera Rubin NVL72：从“单芯片竞赛”走向 AI 工厂

如果 Jetson Thor 代表边缘 AI，那么 Vera Rubin NVL72 则代表数据中心级 AI 基础设施。

NVL72 并不是单个 GPU，而是一个 机架级 AI 超级计算系统。

其核心结构包括：

• 36 个 Vera CPU
• 72 个 Rubin GPU
• 第六代 NVLink 互连技术

通过 NVLink，72 个 GPU 可以像一个大型加速器一样协同工作，专门用于训练和运行 兆级参数（trillion‑parameter）AI 模型。

性能和成本突破

NVIDIA 表示，该系统可实现：

• 训练大型模型时只需 四分之一数量的 GPU
• 每 token 推理成本降低至原来的十分之一
• 推理性能每瓦提升最高 10 倍。

这意味着 AI 推理服务和大型模型部署的成本将显著下降。

AI 计算正在升级为“机架级竞争”

NVL72 体现出一个行业趋势：AI 性能竞争已经不只是 GPU 芯片本身，而是 整机架甚至整个 AI 工厂级系统设计。

该平台整合了多个关键组件，例如：

• NVLink 6 互连
• ConnectX‑9 SuperNIC
• BlueField‑4 DPU
• Spectrum‑X 网络技术

通过硬件与网络的协同设计，数据中心可以构建专门用于 Agentic AI（智能代理 AI）和长上下文推理模型 的 AI 工厂。

Alpamayo：让自动驾驶系统具备“推理能力”

在自动驾驶领域，NVIDIA 推出了 Alpamayo 开放平台，并因此获得 COMPUTEX 的智慧车辆与智慧座舱奖。

与传统自动驾驶系统不同，Alpamayo 不只是识别道路物体，而是引入 视觉‑语言‑行动（VLA）模型 和推理能力。

简单来说，它可以：

• 读取传感器和视频数据
• 生成驾驶轨迹
• 同时输出决策的推理过程

这种“可解释推理”可以帮助工程师分析系统在复杂路况中的决策逻辑，从而提升安全性和可靠性。

数据与仿真结合训练

Alpamayo 的训练方式也更接近 AI 模型训练逻辑：

• 真实道路驾驶数据
• 大规模仿真和合成数据
• 标注数据集

通过这种组合，自动驾驶模型可以覆盖更多极端或罕见场景，这是仅依靠真实道路测试难以实现的。

三个平台背后的 NVIDIA AI 战略

把 Jetson Thor、Vera Rubin NVL72 和 Alpamayo 放在一起，可以看到 NVIDIA 的完整技术布局：

• Jetson Thor：推动边缘 AI 与机器人，让设备能够在本地运行大型模型。
• Vera Rubin NVL72：打造 AI 工厂级计算基础设施，降低大型模型训练与推理成本。
• Alpamayo：为自动驾驶提供具备推理能力的 AI 软件平台。

换句话说，NVIDIA 不只是做 GPU，而是在构建一整套从 机器人 → 数据中心 → 自动驾驶 的 AI 计算体系。

这也是为什么在 COMPUTEX 2026 上，它能够凭三条产品线拿下四项大奖的原因。