NVIDIA 於 2026 年 8 月 25 日宣佈推出 Jetson Orin Nano 2，將其定位為新一代入門級邊緣 AI 及機械人電腦。產品針對需要即時理解周遭環境、並直接作出反應的機械人、配送及巡查無人機，以及視覺 AI 系統。換句話說，AI 推理可以放到機械「身上」，而唔係每一個動作都要送上雲端處理。1

Jetson Orin Nano 2 的主要規格包括 78 TOPS（每秒 78 萬億次運算）AI 運算能力、8GB 記憶體及八核心 Arm CPU。NVIDIA 聲稱，在維持與 Jetson Orin Nano Super 相同緊湊外形的前提下，新平台提供兩倍推理效能；在 15W 模式下，則可用少 40% 電力達到上一代的效能水平。17

NVIDIA 今次推出咩？

Jetson Orin Nano 2 並非針對數據中心，而係面向成本及電力受限制的實體機器。NVIDIA 列出的目標應用包括自主機械人、配送及巡查無人機，以及需要在裝置本地完成感知、語言或圖像理解，再採取行動的嵌入式視覺系統。1

對機械人及靠電池運作的設備來講，呢個「邊緣」定位相當關鍵。裝置未必長期有穩定的雲端連線，而將推理放近感測器及執行器，就可以在網絡、電力及硬件限制之內更快回應。NVIDIA 將 Orin Nano 2 包裝成一個令更強生成式 AI 及實體 AI 落入細型機器成為可能的平台。17

規格及效能重點

已公布的硬件資料包括：

• 78 TOPS AI 運算能力
• 8GB 記憶體
• 八核心 Arm CPU
• 與 Jetson Orin Nano Super 相同的緊湊外形
• NVIDIA 聲稱推理效能為 Jetson Orin Nano Super 的兩倍
• 在 15W 模式下，以相同效能水平運作時耗電低 40% 17

NVIDIA 表示，效能提升主要來自更新的 Tensor Cores，以及更高的記憶體頻寬。呢個比較屬於公司公布的效能聲稱，實際表現仍會視乎所用模型、精度、軟件堆疊及工作負載而定。7

對開發者而言，最實際的好處係：唔使換上更大模組，都可以獲得更多本地 AI 運算空間；而對重視電池續航的設計，亦可以用較低功耗維持近似效能。呢種組合尤其適合移動機械人、無人機及細型巡查設備。

支援哪些 AI 模型？

NVIDIA 表示，Jetson Orin Nano 2 支援其開放軟件堆疊及 Jetson agent skills，讓開發者進行較節省記憶體的邊緣推理。公布的模型生態包括 NVIDIA 自家的 Cosmos 及 Nemotron，以及 Gemma 4、Qwen 3 等開放模型。7

重點唔只係「支援幾多個模型」。較細型的語言模型及視覺語言模型，可以直接部署到實體系統附近，協助機械人理解多模態輸入、掌握環境脈絡，再選擇下一步行動。NVIDIA 更進一步主張，較新一代的中小型 frontier models，準確度可以接近前一年更大型的 frontier models，令受制於體積及電力的機器進行本地推理變得更實際。不過，按現有資料，呢個仍然係 NVIDIA 的產品論述，未有獨立基準測試加以確認。7

Frontier AI 對機械人有咩意義？

傳統邊緣 AI 多數集中處理定義清晰的感知任務，例如辨認物件或者發現產品缺陷。生成式及多模態模型就可以將語言、影像及整體環境理解放埋一齊，令機器不止「睇到」，亦更有機會理解當下情境。

例如，機械人可以將視覺資訊同使用者的語音指令結合；無人機可以更快分析不斷變化的環境；家居機械人則可以將對話、地圖及導航串連起來。NVIDIA 強調的價值在於本地、即時推理：裝置可以喺事情發生的地方處理場景及互動，而唔係每一步都等待遠端推理結果。17

當然，Orin Nano 2 並唔代表開發者可以完全唔理模型優化。以 8GB 記憶體及入門級定位來講，模型選擇、量化，以及實際部署方式，仍然會直接影響生產系統的可行性。

早期採用者及應用方向

NVIDIA 表示，已有超過 300 萬名開發者使用其機械人軟件堆疊，並點名 Cognex、Doosan Bobcat、Matic 及 Wing 為早期採用者或評估者。17

現有公告資料對以下兩間公司的應用方向交代得較清楚：

• Wing 正探索將模組用於配送無人機，重點是提升反應速度及能源效益。
• Matic Robotics 計劃將其用於家居清潔機械人，支援對話式 AI、手勢偵測、精準地圖製作、家居語義理解及自主清潔。7

Cognex 及 Doosan Bobcat 同樣被列入早期採用或評估相關名單。不過，現有證據未有確認 Cognex 已公布具體部署；至於 Doosan Bobcat，資料亦未交代會在哪一款產品或哪個部署項目採用該模組。17

公告確認咗乜，未確認咗乜？

今次公告清楚確立了 Jetson Orin Nano 2 作為緊湊型入門級邊緣 AI 平台的定位，亦包括 NVIDIA 提出的效能、功耗及模型支援聲稱。產品同時被放入 NVIDIA 更大的機械人軟硬件生態之中。

但現有資料未能證實預計於 2027 年上半年上市的說法；亦不足以確認 NVIDIA 於 8 月 25 日正式公布一套由 Omniverse、Cosmos 及 DGX 互相連接的「三電腦」架構，或者最近推出 Orin NX 更新版的詳細內容。雖然現有材料支持 Orin Nano 2 可使用 Cosmos，但如果要將 Omniverse、Cosmos 及 DGX 的分工描述成今次已公布的正式架構，仍需要更強的來源支持。7

總結：將更強 AI 塞入更細的機械人

Jetson Orin Nano 2 反映 NVIDIA 想將更強的 AI 推理能力帶到體積最細、電力預算最緊的機械人系統。78 TOPS、8GB 記憶體及八核心 Arm CPU 固然是規格焦點，但更值得留意的其實係三件事：聲稱推理效能翻倍、維持原有緊湊體積，以及在相同效能下減少功耗。17

對開發者而言，機會在於可以將越來越有能力的語言模型及視覺語言模型，直接放入機械人、無人機及視覺系統。限制則同樣清楚：NVIDIA 的效能比較及 frontier model 論述，仍然要等詳細硬件、軟件及供貨資料出現後，再按不同模型及工作負載驗證。

NVIDIA 於 2026 年 8 月 25 日宣佈推出 Jetson Orin Nano 2，將其定位為新一代入門級邊緣 AI 及機械人電腦。產品針對需要即時理解周遭環境、並直接作出反應的機械人、配送及巡查無人機，以及視覺 AI 系統。換句話說，AI 推理可以放到機械「身上」，而唔係每一個動作都要送上雲端處理。1

Jetson Orin Nano 2 的主要規格包括 78 TOPS（每秒 78 萬億次運算）AI 運算能力、8GB 記憶體及八核心 Arm CPU。NVIDIA 聲稱，在維持與 Jetson Orin Nano Super 相同緊湊外形的前提下，新平台提供兩倍推理效能；在 15W 模式下，則可用少 40% 電力達到上一代的效能水平。17

NVIDIA 今次推出咩？

Jetson Orin Nano 2 並非針對數據中心，而係面向成本及電力受限制的實體機器。NVIDIA 列出的目標應用包括自主機械人、配送及巡查無人機，以及需要在裝置本地完成感知、語言或圖像理解，再採取行動的嵌入式視覺系統。1

對機械人及靠電池運作的設備來講，呢個「邊緣」定位相當關鍵。裝置未必長期有穩定的雲端連線，而將推理放近感測器及執行器，就可以在網絡、電力及硬件限制之內更快回應。NVIDIA 將 Orin Nano 2 包裝成一個令更強生成式 AI 及實體 AI 落入細型機器成為可能的平台。17

規格及效能重點

已公布的硬件資料包括：

• 78 TOPS AI 運算能力
• 8GB 記憶體
• 八核心 Arm CPU
• 與 Jetson Orin Nano Super 相同的緊湊外形
• NVIDIA 聲稱推理效能為 Jetson Orin Nano Super 的兩倍
• 在 15W 模式下，以相同效能水平運作時耗電低 40% 17

NVIDIA 表示，效能提升主要來自更新的 Tensor Cores，以及更高的記憶體頻寬。呢個比較屬於公司公布的效能聲稱，實際表現仍會視乎所用模型、精度、軟件堆疊及工作負載而定。7

對開發者而言，最實際的好處係：唔使換上更大模組，都可以獲得更多本地 AI 運算空間；而對重視電池續航的設計，亦可以用較低功耗維持近似效能。呢種組合尤其適合移動機械人、無人機及細型巡查設備。

支援哪些 AI 模型？

NVIDIA 表示，Jetson Orin Nano 2 支援其開放軟件堆疊及 Jetson agent skills，讓開發者進行較節省記憶體的邊緣推理。公布的模型生態包括 NVIDIA 自家的 Cosmos 及 Nemotron，以及 Gemma 4、Qwen 3 等開放模型。7

重點唔只係「支援幾多個模型」。較細型的語言模型及視覺語言模型，可以直接部署到實體系統附近，協助機械人理解多模態輸入、掌握環境脈絡，再選擇下一步行動。NVIDIA 更進一步主張，較新一代的中小型 frontier models，準確度可以接近前一年更大型的 frontier models，令受制於體積及電力的機器進行本地推理變得更實際。不過，按現有資料，呢個仍然係 NVIDIA 的產品論述，未有獨立基準測試加以確認。7

Frontier AI 對機械人有咩意義？

傳統邊緣 AI 多數集中處理定義清晰的感知任務，例如辨認物件或者發現產品缺陷。生成式及多模態模型就可以將語言、影像及整體環境理解放埋一齊，令機器不止「睇到」，亦更有機會理解當下情境。

例如，機械人可以將視覺資訊同使用者的語音指令結合；無人機可以更快分析不斷變化的環境；家居機械人則可以將對話、地圖及導航串連起來。NVIDIA 強調的價值在於本地、即時推理：裝置可以喺事情發生的地方處理場景及互動，而唔係每一步都等待遠端推理結果。17

當然，Orin Nano 2 並唔代表開發者可以完全唔理模型優化。以 8GB 記憶體及入門級定位來講，模型選擇、量化，以及實際部署方式，仍然會直接影響生產系統的可行性。

早期採用者及應用方向

NVIDIA 表示，已有超過 300 萬名開發者使用其機械人軟件堆疊，並點名 Cognex、Doosan Bobcat、Matic 及 Wing 為早期採用者或評估者。17

現有公告資料對以下兩間公司的應用方向交代得較清楚：

• Wing 正探索將模組用於配送無人機，重點是提升反應速度及能源效益。
• Matic Robotics 計劃將其用於家居清潔機械人，支援對話式 AI、手勢偵測、精準地圖製作、家居語義理解及自主清潔。7

Cognex 及 Doosan Bobcat 同樣被列入早期採用或評估相關名單。不過，現有證據未有確認 Cognex 已公布具體部署；至於 Doosan Bobcat，資料亦未交代會在哪一款產品或哪個部署項目採用該模組。17

公告確認咗乜，未確認咗乜？

今次公告清楚確立了 Jetson Orin Nano 2 作為緊湊型入門級邊緣 AI 平台的定位，亦包括 NVIDIA 提出的效能、功耗及模型支援聲稱。產品同時被放入 NVIDIA 更大的機械人軟硬件生態之中。

但現有資料未能證實預計於 2027 年上半年上市的說法；亦不足以確認 NVIDIA 於 8 月 25 日正式公布一套由 Omniverse、Cosmos 及 DGX 互相連接的「三電腦」架構，或者最近推出 Orin NX 更新版的詳細內容。雖然現有材料支持 Orin Nano 2 可使用 Cosmos，但如果要將 Omniverse、Cosmos 及 DGX 的分工描述成今次已公布的正式架構，仍需要更強的來源支持。7

總結：將更強 AI 塞入更細的機械人

Jetson Orin Nano 2 反映 NVIDIA 想將更強的 AI 推理能力帶到體積最細、電力預算最緊的機械人系統。78 TOPS、8GB 記憶體及八核心 Arm CPU 固然是規格焦點，但更值得留意的其實係三件事：聲稱推理效能翻倍、維持原有緊湊體積，以及在相同效能下減少功耗。17

對開發者而言，機會在於可以將越來越有能力的語言模型及視覺語言模型，直接放入機械人、無人機及視覺系統。限制則同樣清楚：NVIDIA 的效能比較及 frontier model 論述，仍然要等詳細硬件、軟件及供貨資料出現後，再按不同模型及工作負載驗證。