Jetson Thor：為機械人而生的邊緣AI平台

Jetson Thor 是NVIDIA最新一代邊緣AI運算平台，主要為機械人、工業設備、自動化系統等「實體AI（Physical AI）」應用而設計。

Jetson AGX Thor開發套件採用 NVIDIA Blackwell GPU架構，配備 128GB記憶體，最高提供 2,070 FP4 TFLOPS AI算力，整體功耗約 130W。

與上一代 Jetson AGX Orin 相比：

• AI運算力提升 最高7.5倍
• 能源效率提升 約3.5倍

呢個性能飛躍意味住，很多以往需要雲端運算的AI模型，例如視覺語言模型（VLM）或推理模型，現在可以 直接在機械人本地運行。

主要能力包括：

• 即時執行生成式AI與推理模型
• 同時處理多個感測器（相機、雷達、LiDAR）資料
• 低延遲AI決策

對機械人開發者而言，代表設備可以在現場完成感知、推理同決策，而唔需要每一步都依賴雲端計算。

Vera Rubin NVL72：為AI工廠而設的機架級超級電腦

如果Jetson Thor代表AI在「邊緣」，Vera Rubin NVL72 就代表AI在另一極端——超大規模資料中心運算。

Vera Rubin NVL72並唔係單一晶片，而係一個 機架級AI超級電腦系統，整合：

• 36顆NVIDIA Vera CPU
• 72顆Rubin GPU
• 第六代NVLink互連

透過NVLink，72顆GPU可以像一個大型加速器一樣協同運作，主要針對 兆級參數（trillion‑parameter）AI模型 的訓練與推論。

NVIDIA表示，與Blackwell平台相比，該系統可帶來多項效率提升：

• 推論每瓦效能最高提升10倍
• 推論每token成本降低約10倍
• 大型模型訓練只需約四分之一GPU數量

呢種提升並非只靠單一晶片，而係整個系統共同設計。平台整合多種專用晶片與網絡架構，例如：

• Rubin GPU
• Vera CPU
• NVLink 6 Switch
• ConnectX‑9 SuperNIC
• BlueField‑4 DPU
• Spectrum Ethernet

整體設計目標係將整個機架變成一個 統一AI加速系統。

另外，Vera Rubin NVL72獲得 科技永續特別獎，原因之一係其資料中心設計：

• 模組化托盤設計
• 全液冷散熱
• 更快部署效率

呢啲設計有助提升能源效率同降低資料中心營運成本。

Alpamayo：加入推理能力的自動駕駛AI

第三項得獎技術 Alpamayo，針對自動駕駛系統。

Alpamayo是一個 開放式自動駕駛AI模型與開發平台，重點在於引入 Vision‑Language‑Action（VLA）推理模型。

傳統自動駕駛系統通常只做「感知」——例如辨識車道或行人。

Alpamayo則嘗試加入 推理能力：

• 分析路面情境
• 推斷最佳駕駛策略
• 同時產生決策解釋

例如 Alpamayo 1 模型可以透過影片輸入產生：

• 行車軌跡（轉向、煞車、加速）
• 決策推理過程

呢種「可解釋AI」對自動駕駛安全測試非常重要，因為工程師可以分析系統在罕見情況下的判斷邏輯。

在訓練方法方面，Alpamayo採用混合資料來源：

• 真實道路駕駛數據
• 大型模擬環境生成的合成資料
• 詳細標註的駕駛案例

將真實與模擬數據結合，可以讓模型接觸到大量「邊緣情況（edge cases）」，而呢啲場景在真實道路測試中其實很難收集。

NVIDIA的「全棧AI」策略

如果將三項技術放在一起，就會看到NVIDIA的整體策略：

• Jetson Thor：把AI推理能力帶到機械人與邊緣設備
• Vera Rubin NVL72：為超大型模型提供AI工廠級運算基礎
• Alpamayo：把推理型AI應用到自動駕駛

未來AI系統可能會形成多層結構：

• 在 AI工廠 訓練大型模型
• 在 資料中心 執行大規模推論
• 在 機械人或車輛等邊緣設備 即時作出決策

正因為NVIDIA同時覆蓋 晶片、機架系統與AI模型平台，所以在COMPUTEX 2026成為最受矚目的得獎者之一。

Jetson Thor：為機械人而生的邊緣AI平台

Jetson Thor 是NVIDIA最新一代邊緣AI運算平台，主要為機械人、工業設備、自動化系統等「實體AI（Physical AI）」應用而設計。

Jetson AGX Thor開發套件採用 NVIDIA Blackwell GPU架構，配備 128GB記憶體，最高提供 2,070 FP4 TFLOPS AI算力，整體功耗約 130W。

與上一代 Jetson AGX Orin 相比：

• AI運算力提升 最高7.5倍
• 能源效率提升 約3.5倍

呢個性能飛躍意味住，很多以往需要雲端運算的AI模型，例如視覺語言模型（VLM）或推理模型，現在可以 直接在機械人本地運行。

主要能力包括：

• 即時執行生成式AI與推理模型
• 同時處理多個感測器（相機、雷達、LiDAR）資料
• 低延遲AI決策

對機械人開發者而言，代表設備可以在現場完成感知、推理同決策，而唔需要每一步都依賴雲端計算。

Vera Rubin NVL72：為AI工廠而設的機架級超級電腦

如果Jetson Thor代表AI在「邊緣」，Vera Rubin NVL72 就代表AI在另一極端——超大規模資料中心運算。

Vera Rubin NVL72並唔係單一晶片，而係一個 機架級AI超級電腦系統，整合：

• 36顆NVIDIA Vera CPU
• 72顆Rubin GPU
• 第六代NVLink互連

透過NVLink，72顆GPU可以像一個大型加速器一樣協同運作，主要針對 兆級參數（trillion‑parameter）AI模型 的訓練與推論。

NVIDIA表示，與Blackwell平台相比，該系統可帶來多項效率提升：

• 推論每瓦效能最高提升10倍
• 推論每token成本降低約10倍
• 大型模型訓練只需約四分之一GPU數量

呢種提升並非只靠單一晶片，而係整個系統共同設計。平台整合多種專用晶片與網絡架構，例如：

• Rubin GPU
• Vera CPU
• NVLink 6 Switch
• ConnectX‑9 SuperNIC
• BlueField‑4 DPU
• Spectrum Ethernet

整體設計目標係將整個機架變成一個 統一AI加速系統。

另外，Vera Rubin NVL72獲得 科技永續特別獎，原因之一係其資料中心設計：

• 模組化托盤設計
• 全液冷散熱
• 更快部署效率

呢啲設計有助提升能源效率同降低資料中心營運成本。

Alpamayo：加入推理能力的自動駕駛AI

第三項得獎技術 Alpamayo，針對自動駕駛系統。

Alpamayo是一個 開放式自動駕駛AI模型與開發平台，重點在於引入 Vision‑Language‑Action（VLA）推理模型。

傳統自動駕駛系統通常只做「感知」——例如辨識車道或行人。

Alpamayo則嘗試加入 推理能力：

• 分析路面情境
• 推斷最佳駕駛策略
• 同時產生決策解釋

例如 Alpamayo 1 模型可以透過影片輸入產生：

• 行車軌跡（轉向、煞車、加速）
• 決策推理過程

呢種「可解釋AI」對自動駕駛安全測試非常重要，因為工程師可以分析系統在罕見情況下的判斷邏輯。

在訓練方法方面，Alpamayo採用混合資料來源：

• 真實道路駕駛數據
• 大型模擬環境生成的合成資料
• 詳細標註的駕駛案例

將真實與模擬數據結合，可以讓模型接觸到大量「邊緣情況（edge cases）」，而呢啲場景在真實道路測試中其實很難收集。

NVIDIA的「全棧AI」策略

如果將三項技術放在一起，就會看到NVIDIA的整體策略：

• Jetson Thor：把AI推理能力帶到機械人與邊緣設備
• Vera Rubin NVL72：為超大型模型提供AI工廠級運算基礎
• Alpamayo：把推理型AI應用到自動駕駛

未來AI系統可能會形成多層結構：

• 在 AI工廠 訓練大型模型
• 在 資料中心 執行大規模推論
• 在 機械人或車輛等邊緣設備 即時作出決策

正因為NVIDIA同時覆蓋 晶片、機架系統與AI模型平台，所以在COMPUTEX 2026成為最受矚目的得獎者之一。