Robotteknologi og fysisk AI

NVIDIA præsenterer Jetson Orin Nano 2 for at redefinere AI på kanten på begynderniveau

mm
Føj Unite.AI til dine foretrukne kilder på Google

NVIDIA annoncerede den 25. august 2026 Jetson Orin Nano 2, en efterfølger til deres entry‑level robotcomputer, som fordobler inferensydelsen i forhold til Jetson Orin Nano Super, samtidig med at den bevarer den samme kompakte formfaktor — og reducerer strømforbruget med 40 % ved samme ydeevne som forgængeren.

Modulet indeholder 78 billioner operationer pr. sekund af AI‑beregning, 8 GB hukommelse og en 8‑kerne Arm‑CPU, og er rettet mod de maskiner, der har defineret Jetsons kundebase: robotter, leverings‑ og inspektions‑droner samt vision‑AI‑systemer. NVIDIA oplyser, at gevinsten i forhold til Orin Nano Super skyldes forbedrede Tensor‑kerner og højere hukommelsesbåndbredde. I en 15‑watt‑tilstand leverer det nye modul Super‑ydelsen med 40 % mindre strøm.

“Dagens små og mellemstore frontier‑modeller har nået den nøjagtighed, som sidste års største frontier‑modeller havde, og åbner for realtidsintelligens på edge‑enheder,” sagde Deepu Talla, vicepræsident for robotik og edge‑AI hos NVIDIA. “Jetson Orin Nano 2‑computeren gør dette gennembrud tilgængeligt for millioner af udviklere og leverer den ydeevne og energieffektivitet, der er nødvendig for realtids‑resonering i kanten.”

Softwarehistorien spejler hardwarehistorien. Jetson Orin Nano 2 kører NVIDIAs åbne stack og dets Jetson AI Lab agent‑færdigheder, med understøttelse af store sprog‑ og vision‑sprogmodeller, der er optimeret til hukommelseseffektiv edge‑inferens, herunder NVIDIAs egne Cosmos‑ og Nemotron‑open‑modeller samt Gemma 4 og Qwen 3. NVIDIA oplyser, at mere end 3 millioner udviklere har bygget på deres robotik‑stack indtil nu.

Wing, Matic og Doosan Bobcat melder sig som tidlige adoptører

Kundelisten, der er vedhæftet meddelelse, læser som et tværsnit af, hvor kompakt edge‑AI‑beregning faktisk bliver implementeret. Wing, Alphabets drone‑leveringsfirma, kører allerede Jetson Orin Nano Super og NVIDIAs software‑stack i deres leveringsflåde og oplyser, at de planlægger at evaluere det nye modul til realtids‑perception og resonansarbejde.

“Drone‑levering afhænger af AI, der kan muliggøre hurtig, pålidelig forståelse af den virkelige verden,” sagde Dinuka Abeywardena, leder af perception hos Wing. “Wing undersøger Jetson Orin Nano 2 for at give os en vej til mere responsive, energieffektive droner, der kan gøre leveringer hurtigere og mere pålidelige for kunderne.”

Matic Robots, forbrugrobotikfirmaet bag en vision‑baseret hjemme‑rengøringsrobot, adopterer modulet direkte i stedet for blot at evaluere det. Firmaet planlægger at bruge den ekstra beregning til konverserende AI, gestus‑detektion, præcis kortlægning med semantisk forståelse af hjemmets layout og autonom rengøring — alt kørende på enheden i stedet for i skyen. “Hjemme‑robotter skal kunne forstå mennesker, kortlægge rum præcist, forstå placeringen af genstande og rum, og rengøre autonomt i dynamiske og konstant skiftende miljøer,” sagde Navneet Dalal, medstifter og administrerende direktør for Matic. Industrivisionsfirmaet Cognex og tungt udstyrsfirmaet Doosan Bobcat fuldender de navngivne tidlige adoptører.

Hvad specifikationerne ændrer sig fra Orin Nano Super

Sammenligningsgrundlaget er vigtigt her, fordi Super‑modulet kun er omkring 20 måneder gammelt. NVIDIA introducerede Jetson Orin Nano Super Developer Kit den 17. december 2024, primært som en software‑drevet opdatering: en ny strømtilstand løftede det eksisterende modul fra 40 til 67 sparsomme INT8‑TOPS, hukommelsesbåndbredden fra 68 til 102 GB/s, og prisen på kittet faldt fra $499 til $249. Det board kombinerer en 1.024‑kerne Ampere‑GPU og 32 Tensor‑kerner med en 6‑kerne Arm Cortex‑A78AE‑CPU og 8 GB LPDDR5‑hukommelse i et 7‑W‑til‑25‑W‑område.

Orin Nano 2 er et ægte hardware‑skridt frem i forhold til den platform: 78 TOPS mod Super‑ens 67 sparsomme TOPS, en 8‑kerne CPU i stedet for 6‑kerne‑delen, og (ifølge NVIDIAs egne tal) dobbelt så høj inferens‑gennemstrømning i samme fodaftryk. For robot‑ og drone‑byggere, som Jetson‑serien betjener, er den 40 % reduktion i strømforbrug ved samme ydeevne sandsynligvis det mest betydningsfulde tal. I 15‑watt‑tilstand leverer modulet Super‑ens ydeevne med 40 % mindre strøm, cirka 9 watt, ifølge NVIDIAs egne tal.

Handelspressen har fulgt Jetson‑seriens indtog i fysisk AI i årevis, og Unite.AI dækkede NVIDIA’s broader full-stack robotics platform tidligere i år. Orin Nano 2 befinder sig i bunden af denne staks pris‑ og strøm‑stige: indgangspunktet, hvis volumen driver økosystemopbygningen.

Et bredt carrier‑board‑økosystem og en lang ventetid på hardware

NVIDIA sender ikke alene. Mere end 20 partnere (herunder AAEON, ADLINK, Advantech, Aetina, Antmicro, Connect Tech, Seeed Studio og YUAN) bygger carrier‑boards, hardware‑systemer, tilpasset AI‑software og reference‑designs omkring modulet. Aptiv announced day-one support, der kombinerer modulet med deres surround‑view‑kamera‑ og radarsensor‑stack, robotik‑beregningsløsninger og Wind River‑livscyklussoftware, med mål om kunder, der går fra prototype til produktion i droner, robotik og industriel automation. Connect Tech, en langvarig Jetson‑carrier‑board‑producent, bemærker, at modulet opererer inden for en 40 W‑strømramme i top‑end.

Det ene tal, der vil dæmpe entusiasmen, er kalenderen. Jetson Orin Nano 2‑modulet og udviklingskittet forventes at være tilgængelige i første halvdel af 2027 — et hul på mindst fire måneder mellem meddelelse og silicon. NVIDIAs udgivelse fastsætter ingen pris, så $249‑Super forbliver indgangspunktet indtil da.

Orion Sato er en AI-genereret korrespondent, der fokuserer på robotteknologi, automation og intelligente maskiner. Hans skrivning udforsker, hvordan fremskridt inden for robotteknologi former omvendt produktion, logistik, sundhedsvesen og hverdagsliv gennem stadig mere autonome systemer.
Med en teknisk og udviklingsorienteret perspektiv analyserer Orion robotarkitekturer, sensorfusion, kontrolsystemer og konvergencen af AI med mekanisk intelligens. Han er særligt interesseret i, hvordan automation flytter sig fra kontrollerede miljøer til reel verden, hvor pålidelighed, sikkerhed og effektivitet betyder mest.
Artikler skrevet af Orion Sato er AI-genereret og gennemgået af Unite.AIs redaktionelle team for at sikre teknisk nøjagtighed, klarhed og overholdelse af redaktionelle standarder.