NVIDIA Jetson Orin Nano 2：78 TOPS，把更强AI装进小型机器人

NVIDIA于2026年8月25日宣布推出Jetson Orin Nano 2，将其定位为面向边缘AI与机器人的新一代入门级计算机。它主要服务于需要在设备端理解周围环境并即时作出响应的机器人、配送与巡检无人机，以及视觉AI系统。1

这款模块的核心规格包括78 TOPS（每秒78万亿次运算）的AI算力、8GB内存和八核Arm CPU。NVIDIA称，Jetson Orin Nano 2在保持与Jetson Orin Nano Super相同紧凑外形的情况下，可提供前代两倍的推理性能；在15W模式下，它的目标是在达到前代性能水平的同时减少40%功耗。17

NVIDIA发布了什么

Jetson Orin Nano 2针对的是成本和功耗受限的实体设备，而不是数据中心工作负载。其应用方向包括自主机器人、配送与巡检无人机，以及需要在本地完成感知、语言或图像理解和行动的嵌入式视觉系统。1

对机器人和电池供电设备而言，本地推理并非只是一个性能指标。设备不一定能始终保持稳定的云端连接，而将模型放在传感器和执行器附近，可以减少对网络的依赖，让系统在自身的连接条件和功耗预算内响应。NVIDIA希望借此让更强的生成式AI和物理AI能力进入体积更小的机器。17

规格与性能：重点不只是78 TOPS

已公布的硬件信息包括：

• 78 TOPS AI算力
• 8GB内存
• 八核Arm CPU
• 与Jetson Orin Nano Super相同的紧凑外形
• 推理性能据称达到Jetson Orin Nano Super的两倍
• 在15W模式下，以相同性能水平运行时功耗降低40% 17

NVIDIA将推理性能提升归因于更新后的Tensor Cores和更高的内存带宽。不过，“两倍推理性能”属于公司公布的对比结果，实际表现仍会受到模型规模、计算精度、软件栈和具体工作负载影响。7

对开发者而言，这意味着无需换用更大的模块，就能获得更多本地AI性能余量；对于移动机器人、无人机和紧凑型巡检设备，则可以尝试在更低能耗下维持相近的处理能力。

支持哪些AI模型？

NVIDIA表示，Jetson Orin Nano 2支持其开放软件栈和Jetson agent skills，可用于内存高效的边缘推理。已公布的模型生态包括NVIDIA Cosmos、Nemotron，以及Gemma 4、Qwen 3等开放模型。7

真正值得关注的并不只是“支持多少模型”。更小的语言模型和视觉语言模型能够被部署到更靠近物理系统的位置，帮助机器人结合多模态输入理解上下文并选择行动。NVIDIA进一步强调，较新的中小型前沿模型，其准确率有望接近前一年规模更大的模型，因此在受限设备上进行本地推理变得更加可行。不过，这一判断目前仍是NVIDIA的产品叙事，现有材料并未提供独立基准加以验证。7

为什么前沿模型会影响机器人

传统边缘AI系统通常专注于定义清晰的感知任务，例如识别物体或检测缺陷。生成式模型和多模态模型则有机会让机器同时理解语言、图像和更广泛的环境信息。

对机器人来说，这可能意味着将视觉理解与语音指令结合起来；对无人机来说，可以更及时地解读不断变化的场景；对家庭机器人来说，则有望把对话、地图构建和导航连接起来。NVIDIA强调的价值在于本地实时推理：设备可以在行动发生的现场处理交互或场景，而不是每一步都向远程服务器发起推理请求。17

但Jetson Orin Nano 2并不会让模型优化变得可有可无。8GB内存和入门级定位意味着，开发者仍需谨慎选择模型，并在量化、部署和运行效率之间作出取舍。

早期采用者与应用方向

NVIDIA表示，目前已有超过300万名开发者基于其机器人技术栈进行开发，并将Cognex、Doosan Bobcat、Matic和Wing列为早期采用者或评估者。17

现有公告材料对以下两家公司的应用描述最为明确：

• Wing正在探索将该模块用于配送无人机，重点关注提升响应速度和能源效率。
• Matic Robotics计划将其用于家用清洁机器人，应用包括对话式AI、手势检测、精确建图、家庭语义理解和自主清洁。7

Cognex和Doosan Bobcat同样被列入早期采用或评估相关名单。但根据现有证据，尚不能确认Cognex已经公布了具体部署，也无法确定Doosan Bobcat将在哪一款产品或具体场景中使用该模块。17

哪些信息已经确认，哪些仍不能下结论

目前可以确认的是，Jetson Orin Nano 2被定位为紧凑型入门级边缘AI平台；78 TOPS、功耗表现、推理性能对比以及模型支持范围，均属于NVIDIA公布的产品信息。它也被纳入NVIDIA面向机器人开发的软件与硬件生态。17

但现有材料无法验证2027年上半年上市这一预期时间。此外，材料也没有证实NVIDIA在8月25日的公告中正式发布了一个连接Omniverse、Cosmos和DGX的“​​三台计算机”架构，也没有提供近期Orin NX刷新版的可靠细节。Jetson Orin Nano 2支持Cosmos这一点有材料依据，但在没有更强证据的情况下，不应将Omniverse、Cosmos和DGX之间更具体的职责划分描述为本次发布会上公布的架构。7

结论：让本地AI进入更小的机器

Jetson Orin Nano 2代表了NVIDIA试图将更强AI推理能力压缩进小型、低功耗机器人系统的方向。它的78 TOPS、8GB内存和八核Arm CPU固然重要，但更关键的组合是：在不改变紧凑外形的情况下，推理性能据称翻倍，并能在相同性能水平下实现更低功耗。17

对开发者来说，机会在于让越来越强的语言模型和视觉语言模型直接运行在机器人、无人机和视觉系统内部。需要保留的现实预期则是：NVIDIA的性能对比和前沿模型判断，仍需等到更完整的硬件、软件和上市信息公布后，再通过具体模型与工作负载进行验证。