NVIDIA Jetson Orin Nano 2 發布：78 TOPS 令入門級機械人本地跑 AI

NVIDIA 發布 Jetson Orin Nano 2，定位是一部細小、面向入門級邊緣 AI 的機械人電腦。簡單講，佢係畀機械人、無人機同鏡頭系統喺「現場」直接處理生成式 AI、自主導航及視覺分析，而唔使每一個請求都送上雲端。NVIDIA 表示，新款產品提供 78 TOPS AI 運算，推理效能是 Jetson Orin Nano Super 的兩倍，同時維持相同外形尺寸。模組連同開發者套件預計於 2027 年上半年推出。237

規格重點：78 TOPS、8GB 記憶體及 8 核 CPU

Jetson Orin Nano 2 包括：

• 78 TOPS AI 運算能力
• 8GB 記憶體
• 8 核 Arm CPU
• 與上一代相同的細小外形尺寸

NVIDIA 將推理效能提升歸因於更新後的 Tensor Cores，以及更高的記憶體頻寬。公司形容系統的功耗範圍為 40W，並表示在 15W 模式下，以相同性能運作時，耗電量較上一代系統低 40%。312

不過，以上數字屬於 NVIDIA 對平台的聲稱，唔應理解為每一款模型、每一種工作負載或所有部署環境都一定會得到相同結果。實際表現仍會受軟件套件、模型大小、散熱及運作條件影響。

針對本地語言及多模態 AI

Jetson Orin Nano 2 的其中一個賣點，是可以喺邊緣裝置直接運行現代語言模型及視覺語言模型，而唔係完全依賴雲端推理。對需要同時處理鏡頭畫面、語音、感應器數據及即時決策的機械而言，呢種安排可以減少裝置對遠端服務的依賴。589

NVIDIA 主要瞄準以下幾類實體 AI 系統：

• 送貨及巡查無人機
• 工業及其他自主機械人
• 家居機械人
• 視覺 AI 系統及智能鏡頭

喺呢些應用入面，本地處理可以協助裝置完成環境感知、人機互動、導航及控制，並喺需要即時反應的情況下直接作出行動。NVIDIA 將呢部電腦定位為開發者建立「識睇、識理解、識行動」機械的入門平台。23

「前沿」AI 落到邊緣裝置，NVIDIA 點樣解讀？

NVIDIA 表示，較小型及中型的前沿模型，現時可以達到上一年最大型前沿模型的準確度，並以此說明更細小的自主裝置開始有機會進行即時推理。3

但要留意，呢個仍然係 NVIDIA 的產品定位及性能聲稱。現有證據未有提供獨立基準測試，證明所有小型或中型模型都可以媲美所有上一年的大型模型。較穩妥的理解是：NVIDIA 認為模型效率提升，加上硬件效能進步，正逐步擴大可以喺本地運行的生成式 AI 工作範圍。

Wing、Matic Robotics 等公司率先探索

NVIDIA 表示，全球已有超過 300 萬名開發者使用其機械人軟件平台，並點名 Cognex、Doosan Bobcat 及 Matic Robotics 為首批採用或評估 Jetson Orin Nano 2 的公司。3

目前公布得較清楚的早期應用包括：

• Wing：探索將 Jetson Orin Nano 2 用於送貨無人機，重點是提升反應速度及能源效益，並有望令送貨更快、更可靠。3
• Matic Robotics：採用新平台開發家居清潔機械人，應用方向包括對話式 AI、手勢偵測、語意及精準地圖、即時環境感知、人機互動、導航及自主清潔。3
• Cognex 及 Doosan Bobcat：兩家公司被列為早期採用者或評估者，但現有公布資料未有交代佢哋各自具體使用 Jetson Orin Nano 2 的產品或場景。3

NVIDIA 亦表示，生態圈夥伴正開發載板、完整硬件系統及參考設計，協助客戶縮短產品推出市場所需時間。3

Jetson 在 NVIDIA 機械人版圖中的位置

Jetson 可以理解為部署喺機械人身上的「現場電腦」：負責在實際裝置運作時執行環境感知、多模態 AI 及即時控制。23

NVIDIA 更廣泛的機械人策略，會將實體機械同數據中心運算及模擬連接起來。在呢個較大的架構中，DGX 用於大規模 AI 運算及訓練；Omniverse 及 Cosmos 則支援虛擬環境、合成數據、模擬及機械人開發流程，而 Jetson 就係將相關能力帶到實體機械上的邊緣端。

不過，現有針對今次發布的資料，未有完整證實所謂「三部電腦」的精確表述，亦未有將 Omniverse、Cosmos 及 DGX 的所有連接逐一列為 Jetson Orin Nano 2 發布細節。因此，較有根據的結論是：NVIDIA 正把 Jetson 放喺一個更完整的機械人平台生態中，作為實際部署層，而唔只係單純發布一枚處理器。23

總結：細機械人本地跑更複雜 AI

Jetson Orin Nano 2 的目標，是令小型機械人、無人機及視覺系統可以更實際地喺本地運行語言、影像及自主推理模型。核心規格包括 78 TOPS、8GB 記憶體及 8 核 Arm CPU；NVIDIA 就聲稱，新款產品在相同細小外形下提供兩倍推理效能，並可在相同性能下減少 40% 耗電。23

至於產品能否真正改變入門級機械人市場，最後仍要睇實際支援哪些模型、軟件最佳化程度、散熱限制及獨立測試結果。現階段可以肯定的是，NVIDIA 正嘗試將更強的生成式 AI 及自主決策能力，推近到真正需要感知環境和即時行動的機械身上。