NVIDIA 將 Jetson Orin Nano 2 定位為「實體 AI」的新入門平台：一部體積細小的機械人電腦，讓機械人、無人機及視覺系統可以在裝置本身進行更複雜的 AI 推理，而毋須事事依賴雲端連線。NVIDIA 於 2026 年 8 月 25 日公布這部新機，標稱 AI 運算能力達 78 TOPS，並聲稱推理效能是上一代 Jetson Orin Nano Super 的兩倍。356

重點不只是規格表上的數字。NVIDIA 的構想是，體積相對細小的機器也可以在本地處理語言、影像及環境脈絡，減少資料來回遠端伺服器所造成的延遲。對需要一邊移動、一邊作決定的機械人或無人機而言，這種反應速度可能比單純追求更高峰值算力更實際。

Jetson Orin Nano 2 規格重點

主要硬件規格包括：

• 78 TOPS AI 運算能力
• 8GB 記憶體
• 八核心 Arm CPU
• 沿用上一代的細小機身尺寸
• 記憶體頻寬據報為 120GB/s

效能提升主要來自改良的 Tensor Cores 及更高記憶體頻寬，而不是把電腦做得更大。4611 對機械人開發者來說，這一點相當重要：機身空間、散熱能力及電力預算，往往同原始算力一樣會限制產品設計。

同一個細小機身，推理效能提升兩倍

NVIDIA 表示，Jetson Orin Nano 2 在保留上一代細小外形的同時，推理效能為 Jetson Orin Nano Super 的兩倍。356 換句話說，今次升級的核心，是令開發者可以在較細小的機械人及自主機器上，完成更多實際 AI 工作。

不過，這是 NVIDIA 公布的效能聲稱，現有資料並不包括獨立基準測試。實際表現仍會視乎所用模型、量化方式、軟件堆疊、工作負載及散熱設計而有所不同。

省電對流動機械人尤其關鍵

NVIDIA 表示，Jetson Orin Nano 2 在 15W 模式下，可以在提供與上一代相若效能的情況下，減少 40% 耗電。568 對流動機械人及無人機來說，這個改進可能同 78 TOPS 一樣重要：較低耗電可以減輕散熱壓力，亦有助將電池留給移動、感應器或通訊用途。

但「慳電 40%」應理解為在相同性能下的比較，而不是所有工作負載都必然減少 40% 能耗。實際耗電量會受到運作模式及應用程式影響。

為甚麼機械人需要 LLM 及 VLM？

大型語言模型（LLM）可以協助機器理解自然語言指令；視覺語言模型（VLM）則將鏡頭影像與語言及環境脈絡連結起來。若這些工作可以在邊緣裝置本地執行，機械人便能直接理解眼前所見並作出回應，而不必每次都把要求送到遠端服務。46

這對延遲、網絡連線或操作私隱較敏感的應用尤其有用。例如送貨無人機、巡查系統或家用機械人，在環境中移動時可能需要即時反應，不能每一步都等候雲端回覆。

NVIDIA 以細小實體系統運行「前沿級」生成式 AI 作為賣點。現有報道支持其 LLM 及 VLM 的整體定位，但未能證明所有前沿模型都可以在 8GB 裝置上運行，或每款模型都能有相同表現。模型大小、記憶體需求、壓縮方式及工作複雜程度，仍然是實際限制。

報道提及支援 Cosmos、Nemotron、Gemma 4 及 Qwen 3

有關今次公布的報道指出，面向記憶體效率較高的邊緣推理，支援選項包括 NVIDIA 的 Cosmos 及 Nemotron，以及 Google 的 Gemma 4 和阿里巴巴的 Qwen 3。2021

這份名單反映 NVIDIA 的軟件方向，但「支援」不代表所有模型或應用都會有相同效能。開發團隊仍要針對自己的機械人或視覺系統，測試具體模型版本、記憶體佔用、執行環境兼容性及延遲表現。

Wing、Matic Robotics 等企業已表達興趣

Jetson Orin Nano 2 的目標應用包括機械人、送貨及巡查無人機，以及視覺 AI 系統。34 NVIDIA 表示，已有超過 300 萬名開發者在其機械人技術堆疊上進行開發，並點名 Cognex、Doosan Bobcat 及 Matic Robotics 等採用或研究相關平台的公司。4

送貨無人機公司 Wing 正研究將這部電腦用於送貨無人機，重點是提升反應速度及能源效率。Matic Robotics 則計劃用它支援家用機械人的對話互動、手勢偵測、家居語義理解、精準地圖繪製及自主清潔等功能。4

NVIDIA 亦表示，生態圈夥伴正開發載板、硬件系統及參考方案。對產品團隊來說，這些配套可以減少自行設計硬件的工作量，縮短由 AI 原型走向可部署機器的時間。4

何時推出？在 Jetson 產品線中處於甚麼位置？

現有報道指，Jetson Orin Nano 2 模組及開發者套件預計於 2027 年上半年推出。1521 目前提供的資料未有列出更具體的出貨日期或售價。

這部電腦定位為 NVIDIA Jetson Orin 家族的入門產品。NVIDIA 表示，Jetson Orin 系列共有七款採用共同架構的模組，最高可提供 275 TOPS 多模態 AI 推理能力。23

從更宏觀角度看，NVIDIA 的機械人平台似乎採取分工模式：部署在機器上的 Jetson 負責即時推理；更大型的系統及軟件則可用於開發、模擬及訓練。不過，現有公布資料並未直接證實 Jetson Orin Nano 2 已與一套涉及 DGX、Omniverse 及 Cosmos 的特定「三電腦」架構正式整合，因此這個連繫應視為 NVIDIA 整體策略背景，而非今次產品公布中已確認的功能。

對開發者而言，真正要測試的是甚麼？

Jetson Orin Nano 2 最具吸引力的組合，是 更高推理能力、相同性能下較低耗電，以及不變的細小機身。這正針對需要在有限電池、散熱、空間及反應時間下運行本地 AI 的機械人開發者。

不過，產品團隊最後仍要回答幾個很實際的問題：目標模型能否達到所需延遲？載入完整機械人軟件堆疊後，還剩多少記憶體？系統在長時間運作及電池受限的情況下，能否維持穩定表現？

NVIDIA 今次公布了具野心的硬件及軟件方向，但在將 78 TOPS、兩倍推理效能或 40% 省電等數字，套用到正式部署的機械人之前，仍需要按個別應用進行實機測試。

NVIDIA 將 Jetson Orin Nano 2 定位為「實體 AI」的新入門平台：一部體積細小的機械人電腦，讓機械人、無人機及視覺系統可以在裝置本身進行更複雜的 AI 推理，而毋須事事依賴雲端連線。NVIDIA 於 2026 年 8 月 25 日公布這部新機，標稱 AI 運算能力達 78 TOPS，並聲稱推理效能是上一代 Jetson Orin Nano Super 的兩倍。356

重點不只是規格表上的數字。NVIDIA 的構想是，體積相對細小的機器也可以在本地處理語言、影像及環境脈絡，減少資料來回遠端伺服器所造成的延遲。對需要一邊移動、一邊作決定的機械人或無人機而言，這種反應速度可能比單純追求更高峰值算力更實際。

Jetson Orin Nano 2 規格重點

主要硬件規格包括：

• 78 TOPS AI 運算能力
• 8GB 記憶體
• 八核心 Arm CPU
• 沿用上一代的細小機身尺寸
• 記憶體頻寬據報為 120GB/s

效能提升主要來自改良的 Tensor Cores 及更高記憶體頻寬，而不是把電腦做得更大。4611 對機械人開發者來說，這一點相當重要：機身空間、散熱能力及電力預算，往往同原始算力一樣會限制產品設計。

同一個細小機身，推理效能提升兩倍

NVIDIA 表示，Jetson Orin Nano 2 在保留上一代細小外形的同時，推理效能為 Jetson Orin Nano Super 的兩倍。356 換句話說，今次升級的核心，是令開發者可以在較細小的機械人及自主機器上，完成更多實際 AI 工作。

不過，這是 NVIDIA 公布的效能聲稱，現有資料並不包括獨立基準測試。實際表現仍會視乎所用模型、量化方式、軟件堆疊、工作負載及散熱設計而有所不同。

省電對流動機械人尤其關鍵

NVIDIA 表示，Jetson Orin Nano 2 在 15W 模式下，可以在提供與上一代相若效能的情況下，減少 40% 耗電。568 對流動機械人及無人機來說，這個改進可能同 78 TOPS 一樣重要：較低耗電可以減輕散熱壓力，亦有助將電池留給移動、感應器或通訊用途。

但「慳電 40%」應理解為在相同性能下的比較，而不是所有工作負載都必然減少 40% 能耗。實際耗電量會受到運作模式及應用程式影響。

為甚麼機械人需要 LLM 及 VLM？

大型語言模型（LLM）可以協助機器理解自然語言指令；視覺語言模型（VLM）則將鏡頭影像與語言及環境脈絡連結起來。若這些工作可以在邊緣裝置本地執行，機械人便能直接理解眼前所見並作出回應，而不必每次都把要求送到遠端服務。46

這對延遲、網絡連線或操作私隱較敏感的應用尤其有用。例如送貨無人機、巡查系統或家用機械人，在環境中移動時可能需要即時反應，不能每一步都等候雲端回覆。

NVIDIA 以細小實體系統運行「前沿級」生成式 AI 作為賣點。現有報道支持其 LLM 及 VLM 的整體定位，但未能證明所有前沿模型都可以在 8GB 裝置上運行，或每款模型都能有相同表現。模型大小、記憶體需求、壓縮方式及工作複雜程度，仍然是實際限制。

報道提及支援 Cosmos、Nemotron、Gemma 4 及 Qwen 3

有關今次公布的報道指出，面向記憶體效率較高的邊緣推理，支援選項包括 NVIDIA 的 Cosmos 及 Nemotron，以及 Google 的 Gemma 4 和阿里巴巴的 Qwen 3。2021

這份名單反映 NVIDIA 的軟件方向，但「支援」不代表所有模型或應用都會有相同效能。開發團隊仍要針對自己的機械人或視覺系統，測試具體模型版本、記憶體佔用、執行環境兼容性及延遲表現。

Wing、Matic Robotics 等企業已表達興趣

Jetson Orin Nano 2 的目標應用包括機械人、送貨及巡查無人機，以及視覺 AI 系統。34 NVIDIA 表示，已有超過 300 萬名開發者在其機械人技術堆疊上進行開發，並點名 Cognex、Doosan Bobcat 及 Matic Robotics 等採用或研究相關平台的公司。4

送貨無人機公司 Wing 正研究將這部電腦用於送貨無人機，重點是提升反應速度及能源效率。Matic Robotics 則計劃用它支援家用機械人的對話互動、手勢偵測、家居語義理解、精準地圖繪製及自主清潔等功能。4

NVIDIA 亦表示，生態圈夥伴正開發載板、硬件系統及參考方案。對產品團隊來說，這些配套可以減少自行設計硬件的工作量，縮短由 AI 原型走向可部署機器的時間。4

何時推出？在 Jetson 產品線中處於甚麼位置？

現有報道指，Jetson Orin Nano 2 模組及開發者套件預計於 2027 年上半年推出。1521 目前提供的資料未有列出更具體的出貨日期或售價。

這部電腦定位為 NVIDIA Jetson Orin 家族的入門產品。NVIDIA 表示，Jetson Orin 系列共有七款採用共同架構的模組，最高可提供 275 TOPS 多模態 AI 推理能力。23

從更宏觀角度看，NVIDIA 的機械人平台似乎採取分工模式：部署在機器上的 Jetson 負責即時推理；更大型的系統及軟件則可用於開發、模擬及訓練。不過，現有公布資料並未直接證實 Jetson Orin Nano 2 已與一套涉及 DGX、Omniverse 及 Cosmos 的特定「三電腦」架構正式整合，因此這個連繫應視為 NVIDIA 整體策略背景，而非今次產品公布中已確認的功能。

對開發者而言，真正要測試的是甚麼？

Jetson Orin Nano 2 最具吸引力的組合，是 更高推理能力、相同性能下較低耗電，以及不變的細小機身。這正針對需要在有限電池、散熱、空間及反應時間下運行本地 AI 的機械人開發者。

不過，產品團隊最後仍要回答幾個很實際的問題：目標模型能否達到所需延遲？載入完整機械人軟件堆疊後，還剩多少記憶體？系統在長時間運作及電池受限的情況下，能否維持穩定表現？

NVIDIA 今次公布了具野心的硬件及軟件方向，但在將 78 TOPS、兩倍推理效能或 40% 省電等數字，套用到正式部署的機械人之前，仍需要按個別應用進行實機測試。