NVIDIA Jetson Orin Nano 2 登場：78 TOPS 把生成式 AI 帶進機器人與無人機

NVIDIA 於 2026 年 8 月 25 日宣布推出 Jetson Orin Nano 2，將它定位為新一代入門級邊緣 AI 與機器人電腦。這款模組瞄準需要在裝置端即時理解環境、迅速作出反應的機器人、配送與巡檢無人機，以及各類視覺 AI 系統。1

它的核心賣點很直接：78 TOPS（每秒 78 兆次運算）的 AI 運算效能、8GB 記憶體和八核心 Arm CPU。NVIDIA 表示，Jetson Orin Nano 2 在維持與 Jetson Orin Nano Super 相同緊湊外形的前提下，推理效能達到前代的兩倍；在 15W 模式中，若以相同效能作比較，功耗則可降低 40%。17

Jetson Orin Nano 2 發表了什麼？

Jetson Orin Nano 2 並非為資料中心設計，而是針對成本與電力受限的實體設備。它的目標應用包括自主機器人、配送及巡檢無人機，以及需要在本地完成感知、語言或影像理解和動作決策的嵌入式視覺系統。1

對電池供電的機器而言，這種「邊緣運算」能力相當重要。機器人不必把每一次影像辨識或模型推理都送往雲端，而是能在感測器與致動器附近直接處理資料。這有助於在網路連線不穩、延遲要求較高或電力有限的情況下維持即時反應。NVIDIA 將 Orin Nano 2 描繪為一種讓更強大的生成式 AI 與實體 AI 進入小型機器的方式。17

規格與效能重點

NVIDIA 公布的硬體與效能資訊包括：

• 78 TOPS AI 運算效能
• 8GB 記憶體
• 八核心 Arm CPU
• 與 Jetson Orin Nano Super 相同的緊湊外形
• 相較 Jetson Orin Nano Super，宣稱推理效能提升兩倍
• 在 15W 模式下，以相同效能比較可降低 40% 功耗。17

NVIDIA 將效能提升歸因於更新的 Tensor Core 與更高的記憶體頻寬。不過，兩倍推理效能屬於公司公布的比較結果，實際表現仍會受模型種類、數值精度、軟體堆疊與工作負載影響。7

對開發者而言，這代表可以在不改用更大型模組的情況下，取得更多本地 AI 運算餘裕；對能源敏感的設計，則有機會在較低功耗下維持接近原有的效能。這樣的組合尤其適合移動機器人、無人機與小型巡檢設備。

支援哪些 AI 模型？

NVIDIA 表示，Jetson Orin Nano 2 可透過其開放式軟體堆疊與 Jetson agent skills，執行針對記憶體效率最佳化的邊緣推理。公布的模型生態包括 NVIDIA 自家的 Cosmos 與 Nemotron，以及 Gemma 4、Qwen 3 等開放模型。7

重點不只是「支援多少模型」，而是語言模型與視覺語言模型能否更靠近實體系統運作。對機器人來說，較小型的模型可以協助它整合影像、語言與環境脈絡，進一步選擇要採取的動作。NVIDIA 的說法是，新一代中小型前沿模型的準確度，已能接近前一年更大型的模型，因此本地推理對受限於尺寸與功耗的機器而言變得更可行。不過，這仍是 NVIDIA 的產品論述，並非所提供證據中已獨立驗證的基準測試結果。7

為什麼前沿模型對機器人重要？

傳統邊緣 AI 多半處理定義清楚的感知任務，例如辨識物件或偵測瑕疵。生成式 AI 與多模態模型則能把語言、影像和周遭環境放在同一個脈絡中理解，讓機器的角色不只停留在「看見」某個物件。

例如，機器人可以把視覺資訊與使用者的語音指令結合；無人機可以更即時地解讀不斷變化的環境；家用機器人則可能把對話、地圖與導航串聯起來。NVIDIA 強調的主要優勢，是在行動發生的現場完成即時推理，而不是每一個步驟都等待遠端雲端服務回傳結果。17

但 Jetson Orin Nano 2 並不代表開發者可以完全跳過模型最佳化。以 8GB 記憶體和入門級定位來看，模型選擇、量化及部署方式仍會是打造實際產品時的關鍵。

開發者與早期採用者

NVIDIA 表示，目前已有超過 300 萬名開發者在其機器人軟體堆疊上進行建置，並將 Cognex、Doosan Bobcat、Matic Robotics 和 Wing 列為早期採用者或評估者。17

目前提供的資料對兩個應用案例描述最為明確：

• Wing 正探索將這款模組用於配送無人機，重點包括提升反應速度與能源效率。
• Matic Robotics 計畫將它用於家用清潔機器人，支援對話式 AI、手勢偵測、精準地圖繪製、住宅語意理解與自主清潔。7

Cognex 與 Doosan Bobcat 同樣被 NVIDIA 列入早期採用或評估名單。不過，現有證據未確認 Cognex 已公布具體部署，也沒有說明 Doosan Bobcat 將在哪一款產品或哪個部署項目中使用這款模組。17

目前已確認與尚未確認的資訊

目前可以確認的是，Jetson Orin Nano 2 被定位為緊湊型入門級邊緣 AI 平台；NVIDIA 也公布了其效能、功耗和模型支援方面的主張。這款產品同時被放在 NVIDIA 更廣泛的機器人軟硬體生態中，作為直接部署於機器上的運算元件。

但現有資料未能證實預計於 2027 年上半年上市的說法。同樣地，資料也不足以確認 NVIDIA 是否在 8 月 25 日正式宣布一套由 Omniverse、Cosmos 與 DGX 串連而成的特定「三電腦」架構，或提供近期 Orin NX 更新的可靠細節。現有材料支持 Orin Nano 2 可使用 Cosmos，但在沒有更完整來源的情況下，不應把這些產品之間的分工描述成已正式公布的架構。7

結論：把更多 AI 塞進更小的機器

Jetson Orin Nano 2 的意義不只在於 78 TOPS、8GB 記憶體或八核心 Arm CPU 其中任何一項，而在於 NVIDIA 將宣稱的兩倍推理效能、相同緊湊外形，以及同等效能下更低功耗結合在一起。17

對開發者來說，最大的機會是把日益強大的語言與視覺語言模型直接放進機器人、無人機和視覺系統中。相對的，主要疑問也很清楚：NVIDIA 的效能比較與前沿模型論述，仍需要在更詳細的硬體、軟體和供貨資訊公布後，透過具體模型與實際工作負載進一步驗證。