NVIDIA Jetson Orin Nano 2 登場：78 TOPS 讓入門級機器人就地運行生成式 AI

NVIDIA 發表 Jetson Orin Nano 2，將目標鎖定在需要即時感知與決策、但無法倚賴雲端服務的機器人、無人機與視覺系統。這款小型邊緣運算電腦提供 78 TOPS（每秒兆次運算）的 AI 運算力、8GB 記憶體及 8 核心 Arm CPU。NVIDIA 表示，Jetson Orin Nano 2 在維持與前代相同外形的情況下，推論效能提升至 Jetson Orin Nano Super 的兩倍，並預計在 2027 年上半年推出模組與開發者套件。237

規格重點：效能翻倍，外形不變

Jetson Orin Nano 2 的主要規格包括：

• 78 TOPS AI 運算力
• 8GB 記憶體
• 8 核心 Arm CPU
• 與前代相同的小巧外形

NVIDIA 將效能提升歸因於更新後的 Tensor Cores 與更高的記憶體頻寬。公司表示，整個系統的功耗範圍為 40W；若在 15W 模式下以相同效能運作，耗電量較前代系統降低 40%。312

不過，這些數字是 NVIDIA 對平台的宣稱，並不代表所有模型、工作負載或部署環境都能得到相同結果。實際表現仍會受到軟體堆疊、模型大小、散熱與運作條件影響。

把語言與多模態 AI 放進機器裡

Jetson Orin Nano 2 的核心定位，是讓現代語言模型與視覺語言模型直接在邊緣裝置上執行，而不是把每一次推論都送往雲端。對需要同時理解鏡頭畫面、語音與感測器資料的機器而言，這種就地處理有助於縮短反應鏈路，並支援即時互動、導航與控制。589

NVIDIA 瞄準的實體 AI 應用包括：

• 配送與巡檢無人機
• 工業及其他自主機器人
• 家用機器人
• 視覺 AI 系統與攝影機

在這些場景中，本地運算可以讓設備在現場完成環境感知、互動、定位、導航與控制，不必完全依賴遠端推論服務。換句話說，Jetson Orin Nano 2 不只是另一款處理器，而是讓開發者把「看得懂、聽得懂、能採取行動」的 AI 放到實體機器上的入門平台。23

「前沿」模型的說法仍須看實測

NVIDIA 表示，較小型與中型的前沿模型，如今能達到前一年最大型前沿模型的準確度，並以此主張即時推理正逐漸能在體積更小的自主設備上實現。3

這是產品定位的重要一環，但目前提供的證據仍主要來自 NVIDIA 自身說法。引用的公告並未提供獨立基準測試，證明所有小型或中型模型都能媲美所有上一年度的大型模型。較穩妥的解讀是：NVIDIA 認為模型效率與硬體升級，正把更多生成式 AI 工作負載帶到本地裝置上。

Wing、Matic Robotics 等公司率先採用或評估

NVIDIA 表示，已有超過 300 萬名開發者使用其機器人技術堆疊；Cognex、Doosan Bobcat 與 Matic Robotics 則名列首批採用或評估 Jetson Orin Nano 2 的公司。3

目前公告中較明確的早期應用包括：

• Wing：探索將 Jetson Orin Nano 2 用於配送無人機，重點是提高反應速度與能源效率，並期望帶來更快、更可靠的配送。3
• Matic Robotics：採用該平台開發家用清潔機器人，應用方向包括對話式 AI、手勢辨識、語意與精確地圖建立、即時感知、人機互動、導航及自主清潔。3
• Cognex 與 Doosan Bobcat：NVIDIA 將兩家公司列為早期採用者或評估者，但目前提供的公告內容沒有說明兩家公司各自的 Jetson Orin Nano 2 部署方式或具體用途。3

NVIDIA 也表示，生態系統合作夥伴正在開發載板、完整硬體系統與參考設計，以協助客戶縮短產品上市時間。3

Jetson 在 NVIDIA 機器人布局中的位置

Jetson 可視為部署在機器人上的邊緣運算層：設備正式投入使用後，由它負責執行環境感知、多模態 AI 與即時控制。23

在 NVIDIA 更廣泛的機器人策略中，實體設備也會與資料中心運算及模擬環境相連。DGX 可用於大規模 AI 運算與訓練；Omniverse 和 Cosmos 則支援虛擬環境、合成資料、模擬及機器人開發流程。Jetson 是把這些能力帶到實體機器上的部署端點。

但就這次發表而言，現有證據並未完整記錄所謂「三台電腦」的精確表述，也沒有證實 Omniverse、Cosmos 與 DGX 的所有連結都是 Jetson Orin Nano 2 發表會的具體內容。因此，更有把握的結論是：NVIDIA 正把 Jetson 定位為完整機器人技術生態系中的部署層，而非單獨推出一款處理器。23

結論：入門機器人的本地 AI 能力再向前一步

Jetson Orin Nano 2 瞄準的是較小型機器人、無人機與視覺系統，希望讓它們在本地執行更複雜的語言、視覺與自主推理。其核心規格為 78 TOPS、8GB 記憶體及 8 核心 Arm CPU；NVIDIA 則宣稱，在相同小巧外形下，推論效能提升一倍，並可在相同效能下節省 40% 電力。23

這款產品最終能帶來多大改變，仍取決於實際支援的模型、軟體最佳化、散熱限制與獨立測試結果。目前可以確定的是，NVIDIA 正試圖把原本需要較大型運算設備或雲端服務支援的 AI 能力，進一步推向真正會移動、感知並採取行動的機器上。