NVIDIA创始人兼CEO黄仁勋(Jensen Huang)对此评价道,这是一个全新的“智能体计算模式”,将会是“未来十年的计算模式”,从根本上重塑从个人电脑到机器人再到数据中心的一切 。
JetPack 7.2最引人注目的特性,是支持一键部署NVIDIA NemoClaw。这个听起来有些“硬核”的名字,实际上是NVIDIA为AI智能体量身打造的一套“安全装甲”。
此外,NVIDIA还同步发布了一个庞大的开源物理AI智能体技能与工具集。这套工具集覆盖了NVIDIA Omniverse、Cosmos、Alpamayo和Metropolis等平台,旨在将复杂的机器人学、自动驾驶、视觉AI和工业数字孪生工作流,转化为智能体可以执行的标准化任务,大幅降低开发门槛和成本 。
JetPack 7.2不仅是一个软件更新,更是一次深度的软硬件协同优化,让Jetson平台的能力得到了跃升。
| 特性 | 详情与意义 |
|---|---|
| 在Jetson Orin上引入CUDA 13 | 这是里程碑式的一步。通过统一Arm服务器基础系统架构(SBSA)的CUDA工具包,Jetson Orin现在能与数据中心级的GPU运行同一套CUDA 13软件栈。这极大简化了开发流程,让开发者可以在云端完成模型训练,然后无缝部署到边缘设备上,实现了真正的“一次开发,处处运行” 。 |
| 对Yocto Project的官方支持 | 对于需要深度定制的OEM厂商来说,这是一大利好。Yocto Project允许开发者构建极其精简和定制化的嵌入式Linux系统,从而更好地控制系统资源、提升启动速度并加强安全性。这为工业客户提供了梦寐以求的操作系统层面的灵活性和主导权 。 |
| 特性 | 详情与意义 |
|---|---|
| MIG分区技术登陆Jetson Thor | 多实例GPU(MIG)技术首次下放到Jetson平台。它允许将Jetson Thor上集成的GPU在硬件层面切分为多个完全隔离的实例,每个实例都拥有自己专属的显存、缓存和计算核心 。这在人形机器人等复杂场景下尤为关键:开发者可以将负责实时同步建图与定位(SLAM)这类高优先级、时间敏感型的任务,与负责路径规划、人机交互等对延迟容忍度更高的任务,部署在不同的GPU分区上,实现确定性并行运行,互不干扰,确保了系统的绝对稳定 。 |
| AGX Orin 32GB模块的“超级模式” | JetPack 7.2为AGX Orin 32GB模块带来了显著的AI性能提升(称为“超级模式”),同时提供了更高的边缘计算性价比。值得注意的是,该32GB模块已正式取代了之前的16GB版本,成为新一代的性能标杆 。 |
JetPack 7.2和NemoClaw的组合拳,背后是NVIDIA深远的战略布局。
作为对发布会的呼应,全球边缘计算和工业物联网领导厂商**研华科技(Advantech)**宣布了与NVIDIA的扩展合作。他们将整合NVIDIA NemoClaw、工厂运营蓝图、RTX PRO及Jetson Thor等产品,构建一个名为“AI工厂大脑”的原生AI工厂架构。此方案旨在将AI智能注入到实时的工厂运营中,以满足生产柔性化、人力优化和能源效率方面日益增长的需求 。
与此同时,研华也明确指出将继续与高通(Qualcomm)和英特尔(Intel)等硅基伙伴紧密合作,这也在暗示,边缘AI市场即将迎来一场多维度的激烈竞争 。
在接受国际媒体采访时,黄仁勋清晰地描绘了他眼中的未来:“有一个全新的计算模式……一个智能体,由一个模型、一个封装(wrapper)和一系列工具组成。”他还强调,这种模式将“一遍又一遍地重复”,无论是运行在云端、本地PC,还是机器人内部,“其计算模式完全相同” 。这套哲学的核心在于,将“智能体”从一个时髦的功能,提升为整个计算基础设施的基础层。
通过将CUDA 13、MIG技术和NemoClaw智能体框架“下沉”到Jetson平台,NVIDIA正在高通(Snapdragon平台)和英特尔(x86架构)所擅长的边缘AI和工业计算领域直接挑战他们。
NVIDIA的策略非常清晰:为开发者提供一个从云端到边缘统一、便携、开箱即用的完整软件栈。开发者一旦习惯了用一条命令就能在Jetson上部署安全AI智能体,习惯了一套CUDA代码就能跨平台运行,他们就深度绑定在了NVIDIA的工具链和技能库中。这种强大的开发者体验和迁移成本,是竞争对手目前碎片化的产品组合难以匹敌的 。
在本次大会上,NVIDIA还带来了其他惊艳的产品和动态: