Jetson Thor是NVIDIA最新一代边缘AI计算平台，主要面向机器人、工业自动化设备以及各类智能终端。

该平台基于NVIDIA Blackwell GPU架构，Jetson AGX Thor开发套件提供：

• 最高 2070 FP4 TFLOPS AI算力
• 128GB内存
• 约 130W功耗范围

与上一代Jetson AGX Orin相比，它实现了：

• 最高7.5倍AI算力提升
• 约3.5倍能效提升

这种性能跃迁使得一种被称为**“Physical AI（实体AI）”**的新应用成为可能。机器人可以直接在设备端运行复杂模型，例如视觉‑语言模型或推理模型，而不必频繁依赖云端服务器。

对机器人开发者而言，这意味着：

• 可以实时处理摄像头、雷达等多传感器数据
• 运行生成式AI和推理模型
• 在设备本地完成复杂决策

结果就是更低延迟、更高可靠性，也更适合移动机器人或工业场景。

Vera Rubin NVL72：机架级AI超级计算机

如果说Jetson Thor面向边缘设备，那么Vera Rubin NVL72则位于AI计算的另一端——大规模数据中心基础设施。

它并不是单个GPU服务器，而是一整套机架级AI超级计算机。系统整合：

• 36颗 NVIDIA Vera CPU
• 72颗 NVIDIA Rubin GPU

这些GPU通过第六代NVLink互连技术连接，使整机架能够像一个统一的加速器一样协同运行。

该架构主要针对未来的大模型工作负载，例如：

• 兆级参数模型训练
• 后训练（post‑training）
• 大规模推理
• 长上下文推理任务

与上一代Blackwell平台相比，NVIDIA表示其效率大幅提升：

• 最高10倍推理性能/功耗比
• 推理token成本降低约10倍
• 训练大型模型所需GPU数量减少到约四分之一

这些提升来自系统级协同设计。整个平台将六种关键组件整合为统一架构：

• Rubin GPU
• Vera CPU
• NVLink 6交换芯片
• ConnectX‑9 SuperNIC
• BlueField‑4 DPU
• Spectrum网络交换技术

此外，该系统获得可持续科技特别奖，还与数据中心设计有关。例如模块化托盘结构与液冷系统可以提升部署效率并降低能耗。

换句话说，AI算力竞争正在从“谁的GPU更快”，转向“谁能打造更强的AI机架与AI工厂”。

Alpamayo：具备推理能力的自动驾驶AI

第三项获奖技术Alpamayo聚焦自动驾驶。

它是一套面向自动驾驶开发的开放平台与AI模型体系，核心理念是将自动驾驶从“感知系统”升级为具备推理能力的驾驶模型。

传统自动驾驶系统通常侧重识别物体，例如车辆、行人或交通标志。而Alpamayo采用视觉‑语言‑动作（VLA）模型，不仅识别场景，还会分析并解释驾驶决策。

例如，Alpamayo 1模型可以根据视频输入：

• 生成驾驶轨迹（方向、制动、加速）
• 输出解释模型决策的推理过程

这种“可解释性”对于自动驾驶安全测试尤为重要，因为开发团队能够理解系统为何在复杂场景中做出某个决策。

在训练方式上，Alpamayo结合了多种数据来源：

• 真实道路驾驶数据
• 大规模仿真生成数据
• 高质量人工标注样本

这种真实与模拟数据结合的方式可以让模型接触到更多极端或罕见情况，从而提高自动驾驶系统的可靠性。

NVIDIA的“全栈AI战略”

从整体来看，这三项技术体现了NVIDIA的全栈AI布局：

• Jetson Thor：将AI推理能力带到机器人与边缘设备
• Vera Rubin NVL72：为训练和运行超大模型提供机架级算力
• Alpamayo：将具备推理能力的AI模型应用于自动驾驶

这种组合描绘出一个未来AI架构：

• 模型在AI工厂和大型数据中心中训练
• 在云端或企业系统中部署
• 最终在机器人、车辆和各种设备上实现实时智能决策

正是这种从芯片到系统、再到应用模型的完整技术链，使NVIDIA成为COMPUTEX 2026最受关注的获奖厂商之一。

Jetson Thor是NVIDIA最新一代边缘AI计算平台，主要面向机器人、工业自动化设备以及各类智能终端。

该平台基于NVIDIA Blackwell GPU架构，Jetson AGX Thor开发套件提供：

• 最高 2070 FP4 TFLOPS AI算力
• 128GB内存
• 约 130W功耗范围

与上一代Jetson AGX Orin相比，它实现了：

• 最高7.5倍AI算力提升
• 约3.5倍能效提升

这种性能跃迁使得一种被称为**“Physical AI（实体AI）”**的新应用成为可能。机器人可以直接在设备端运行复杂模型，例如视觉‑语言模型或推理模型，而不必频繁依赖云端服务器。

对机器人开发者而言，这意味着：

• 可以实时处理摄像头、雷达等多传感器数据
• 运行生成式AI和推理模型
• 在设备本地完成复杂决策

结果就是更低延迟、更高可靠性，也更适合移动机器人或工业场景。

Vera Rubin NVL72：机架级AI超级计算机

如果说Jetson Thor面向边缘设备，那么Vera Rubin NVL72则位于AI计算的另一端——大规模数据中心基础设施。

它并不是单个GPU服务器，而是一整套机架级AI超级计算机。系统整合：

• 36颗 NVIDIA Vera CPU
• 72颗 NVIDIA Rubin GPU

这些GPU通过第六代NVLink互连技术连接，使整机架能够像一个统一的加速器一样协同运行。

该架构主要针对未来的大模型工作负载，例如：

• 兆级参数模型训练
• 后训练（post‑training）
• 大规模推理
• 长上下文推理任务

与上一代Blackwell平台相比，NVIDIA表示其效率大幅提升：

• 最高10倍推理性能/功耗比
• 推理token成本降低约10倍
• 训练大型模型所需GPU数量减少到约四分之一

这些提升来自系统级协同设计。整个平台将六种关键组件整合为统一架构：

• Rubin GPU
• Vera CPU
• NVLink 6交换芯片
• ConnectX‑9 SuperNIC
• BlueField‑4 DPU
• Spectrum网络交换技术

此外，该系统获得可持续科技特别奖，还与数据中心设计有关。例如模块化托盘结构与液冷系统可以提升部署效率并降低能耗。

换句话说，AI算力竞争正在从“谁的GPU更快”，转向“谁能打造更强的AI机架与AI工厂”。

Alpamayo：具备推理能力的自动驾驶AI

第三项获奖技术Alpamayo聚焦自动驾驶。

它是一套面向自动驾驶开发的开放平台与AI模型体系，核心理念是将自动驾驶从“感知系统”升级为具备推理能力的驾驶模型。

传统自动驾驶系统通常侧重识别物体，例如车辆、行人或交通标志。而Alpamayo采用视觉‑语言‑动作（VLA）模型，不仅识别场景，还会分析并解释驾驶决策。

例如，Alpamayo 1模型可以根据视频输入：

• 生成驾驶轨迹（方向、制动、加速）
• 输出解释模型决策的推理过程

这种“可解释性”对于自动驾驶安全测试尤为重要，因为开发团队能够理解系统为何在复杂场景中做出某个决策。

在训练方式上，Alpamayo结合了多种数据来源：

• 真实道路驾驶数据
• 大规模仿真生成数据
• 高质量人工标注样本

这种真实与模拟数据结合的方式可以让模型接触到更多极端或罕见情况，从而提高自动驾驶系统的可靠性。

NVIDIA的“全栈AI战略”

从整体来看，这三项技术体现了NVIDIA的全栈AI布局：

• Jetson Thor：将AI推理能力带到机器人与边缘设备
• Vera Rubin NVL72：为训练和运行超大模型提供机架级算力
• Alpamayo：将具备推理能力的AI模型应用于自动驾驶

这种组合描绘出一个未来AI架构：

• 模型在AI工厂和大型数据中心中训练
• 在云端或企业系统中部署
• 最终在机器人、车辆和各种设备上实现实时智能决策

正是这种从芯片到系统、再到应用模型的完整技术链，使NVIDIA成为COMPUTEX 2026最受关注的获奖厂商之一。