英伟达推 Jetson Orin Nano 2 边缘平台，加速具身 AI 落地

Nvidia 推出了 Jetson Orin Nano 2，这是一款新型边缘 AI 平台，旨在实时构建机器人、无人机和视觉 AI 系统，此举延续了该公司将具身 AI（physical AI）推向现实世界的努力。

该平台于周二发布，预计将于 2027 年上半年上市，基于 Nvidia Ampere 架构硅芯片的新版本。Nvidia 表示，Cognex、Doosan Bobcat 和 Matic 是首批客户。

Nvidia 表示，Nano 2 的性能是上一代产品的两倍，或在同等性能下能耗最多降低 40%。

在一次媒体简报会上，Nvidia 机器人与边缘 AI 副总裁 Deepu Talla 表示，此次发布是对模型精度已达“临界点”的回应。

他说：“过去需要大型数据中心和多块 GPU 才能运行的任务，如今可在 Nvidia Jetson 上运行。我们现在可实现与去年最大模型相当的前沿精度。”

高性能 AI 模型日益普及，这对机器人行业前景有利；Talla 表示，这最终使复杂的 具身 AI（physical AI） 在边缘端真正具备实用性。

他说：“机器人是一个三计算机问题。第一台计算机用于全部智能训练，中间第二台计算机用于全部测试与策略评估。最后一台即第三台计算机是运行时系统或机器人‘大脑’，而这正是 Nvidia Jetson。”

Nvidia 表示，Orin Nano 2 可实时运行最新的中小型语言模型及 视觉-语言模型（vision-language models） 。Talla 以 Nvidia 自家的 Nemotron 模型 为例指出，其最新版 Nemotron 3.5 Lightning 在 Jetson 上运行速度约为每秒 115 个 token。

这一性能提升不仅源于硬件改进，也得益于模型训练方面的进步。Talla 将此进展归因于更优质的训练数据、模型架构的改进，以及利用更大模型来训练或 蒸馏（distill） 更小模型的能力。

他表示，其结果是一种比以往系统更快、更易用的机器人训练框架。

降低机器人成本账单

Talla 表示：“过去机器人编程极其耗时且昂贵。但如今，借助自主能力，机器人编程将变得极为简单，我们已看到入门级 AI 应用正呈爆发式增长。”

这一转变可能使机器人技术在高产量工业应用之外也具备经济可行性，因为 AI 模型正自动化更多编程任务。

宾夕法尼亚大学工程与应用科学学院教授 Ben Lee 表示，Nvidia 在 边缘 AI（edge AI） 领域的现有地位，使其在机器人需依赖日益强大的本地运行模型这一趋势中占据强有力起点。

Lee 表示：“Nvidia 凭借 Jetson 平台已在边缘 AI 芯片市场占据重要份额。集成更强大的 AI 处理器，并为推理提供额外软件支持，可推动更新 AI 模型在机器人及其他自主系统中的应用。”

Lee 还强调了 在传统工业环境之外部署机器人的经济性。他表示，更成熟的软件栈可减轻历来阻碍机器人在低价值应用场景中落地的工程负担。

他说：“对机器人而言，挑战在于工程成本难以在通用、低价值用例中得到合理证明。一个使这些机器人和处理器更易于编程的成熟软件栈，将减少工程投入并降低成本。”

小型模型，更大足迹

据 Informa TechTarget 旗下 Omdia 分析师 Alexander Harrowell 称，Nvidia 面向机器人市场的推广主张，恰逢业界对何谓 小型模型（small model） 这一概念本身正发生更广泛转变之际。

Harrowell 表示：“毫无疑问，越来越多 AI 正进入机器人领域，小型多模态 Transformer 在该领域正日益普遍。”

他指出，这一区别对于业界应如何解读 Nvidia 的规格参数至关重要。

他说：“尽管小型 AI 模型正变得更好、更重要，但我们所认定的‘小型模型’定义正在变化。”他指出，Hugging Face 上典型模型的参数量已从约 1000 万至 1 亿增长至 30 亿至 80 亿。

Harrowell 对 Orin Nano 2 硬件实际所能支持的内容持更审慎态度。

他说：“审视 Nano 2 的规格参数，其限制因素在于内存容量。”