Nvidia спрямовує увагу на початковий рівень фізичного AI: Jetson Orin Nano 2 вдвічі збільшує продуктивність інференсу та знижує енергоспоживання на 40%

Nvidia розширює можливості штучного інтелекту (AI) від дата-центрів до реальних пристроїв, таких як роботи.

У вівторок, 25-го за східноамериканським часом, Nvidia оголосила про запуск нового покоління базової робототехнічної обчислювальної платформи Jetson Orin Nano 2, орієнтованої на роботи, дрони та інші крайові AI-застосування, що чутливі до вартості, енергоспоживання й вимог до реального часу.

Nvidia заявила, що при збереженні такої ж компактної форми, продуктивність інференції Jetson Orin Nano 2 вдвічі вища ніж у попередньої Jetson Orin Nano Super; у режимі споживання 15 Вт платформа забезпечує таку ж продуктивність, як і попереднє покоління, при зниженому на 40% енергоспоживанні.

З точки зору апаратного забезпечення, Jetson Orin Nano 2 оснащений 8-ядерним процесором, 8 ГБ оперативної пам’яті, AI-продуктивність досягає 780 трильйонів операцій/секунда. Nvidia зазначає, що нова платформа покращує можливості AI-інференції за рахунок модернізації тензорних ядер, підвищення пропускної здатності пам’яті, і разом з тим зберігає сумісність із програмною екосистемою Nvidia для роботів і крайового AI. Вона здатна запускати оптимізовані для ефективності пам’яті великі мовні моделі та візуально-мовні моделі, такі як Cosmos, Nemotron, Gemma 4 та Qwen 3.

Випуск нового продукту має значення не лише завдяки більш потужному компактному AI-комп'ютеру. Оскільки AI-моделі стають меншими, а ефективність інференції зростає, задачі з розуміння візуальної інформації, мовної взаємодії та прийняття рішень у реальному часі, які раніше виконувалися переважно на хмарних серверах, поступово переміщуються на кінцеві пристрої, такі як роботи й дрони. Nvidia прагне з Jetson Orin Nano 2 ще більше знизити поріг входу для фізичних AI у базові пристрої.

Малі AI моделі пришвидшують впровадження, попит на інтелектуальність роботів зростає

Jetson Orin Nano 2 запускається на етапі, коли індустрія штучного інтелекту розширюється від хмари до кінцевих пристроїв.

На відміну від AI у дата-центрі, роботи та дрони мають жорсткі вимоги до обчислювальної платформи: обмежений розмір пристрою, неможливість встановлення потужних процесорів із високим споживанням енергії, при цьому необхідно постійно виконувати візуальне сприйняття, розуміння середовища та прийняття рішень у процесі руху. Отже, кількість AI-операцій на одиницю енергоспоживання важливіша за максимальну пікову продуктивність.

Nvidia повідомляє, що Jetson Orin Nano 2 у режимі 15 Вт забезпечує таку ж продуктивність, як і попереднє покоління, але зі споживанням енергії нижчим на 40%. Для роботів і дронів на батарейках це означає, що виробники можуть зменшити енергозатрати при тих же вимогах до продуктивності, або використати зекономлені ресурси для збільшення автономності, поліпшення охолодження чи додаткових датчиків.

Одночасно, швидке зростання можливостей малих AI-моделей змінює межі застосування крайового AI.

Керівник бізнесу робототехніки та крайового штучного інтелекту Nvidia Тара зазначає, що точність деяких середніх і малих передових моделей вже досягла рівня минулорічних великих моделей, що створює передумови для реалізації реального інтелекту на крайових пристроях.

У минулому крайовий AI використовували для завдань виявлення об'єктів, класифікації зображень; за рахунок збільшення можливостей моделей, кінцеві пристрої починають виконувати більш складні задачі: розуміння мови, візуальне логічне мислення і мультимодальну взаємодію.

Це дозволяє роботам перейти від "сприйняття середовища" до "розуміння середовища і дій відповідно".

Від візуального розпізнавання до мультимодального розуміння, ключ — прийняття рішень у реальному часі

Nvidia позиціонує Jetson платформу як важливу обчислювальну основу для "фізичного інтелекту" роботів.

Зараз роботи повинні обробляти не лише зображення з камер, а й природні мовні команди, голос, дані про простір і інформацію з різних датчиків. Для роботів важливо швидко об'єднувати цю інформацію локально та реагувати з низькою затримкою — це ключова умова для автономної роботи.

Jetson Orin Nano 2 орієнтується на кілька типових сценаріїв, зокрема домашні роботи, системи візуального AI, дрони доставки і дрони-інспектори.

Наприклад, дочірня компанія Google — Wing, яка займається доставкою дронами, вже використовує Jetson Orin Nano Super та програмні рішення Nvidia в своїх дронах доставки і планує оцінити Jetson Orin Nano 2. Nvidia стверджує, що більш висока продуктивність і енергоефективність допоможе Wing поліпшити реальне AI сприйняття та інференцію дронів.

Компанія домашніх роботів Matic планує використовувати Jetson Orin Nano 2 для покращення взаємодії роботів у природній мові, розпізнавання жестів, просторової навігації та семантичного розуміння, щоб роботи могли більш автономно виконувати завдання з прибирання.

Окрім того, Nvidia показала приклад роботи Jetson Orin Nano 2 на Reachy Mini роботі. Компанія заявляє, що платформа одночасно обробляє мовну модель, голосову модель і задачі візуального AI в реальному часі, демонструючи здібності базового крайового обчислювального рішення до підтримки багатьох AI-моделей.

Для виробників роботів ця функціональність важлива тим, що роботи більше не обмежені виконанням запрограмованих дій: вони можуть адаптувати свої дії відповідно до зорової інформації та мовних команд, динамічно змінюючи поведінку.

Samе це і є причиною, чому Nvidia останні роки акцентує увагу на “фізичному AI”: Штучний інтелект поступово переходить від програмних сервісів на екранах до реального світу, у результаті керуючи роботами, автомобілями, дронами та іншими фізичними пристроями.

Розширення числа розробників і партнерів, Nvidia продовжує зміцнювати екосистему робототехніки

Окрім продуктивності чипів, програмна екосистема є важливою конкурентною перевагою платформи Jetson від Nvidia.

Nvidia повідомляє, що понад 3 мільйони розробників вже використовують її стек технологій для робототехніки. З запуском Jetson Orin Nano 2, Nvidia продовжує розширювати екосистему програмного забезпечення, апаратного забезпечення та розробників для робототехнічного AI. Cognex та Matic

У програмному аспекті Jetson Orin Nano 2 залишає підтримку платформи розробки роботів Nvidia і може запускати оптимізовані для крайових пристроїв великі мовні моделі та візуально-мовні моделі, зокрема Cosmos, Nemotron, а також Gemma 4, Qwen 3.

Це дозволяє розробникам розгортати здібності мовного розуміння, візуального розуміння та інференції безпосередньо на роботах з обмеженими ресурсами апаратного забезпечення, без повної залежності від хмарних серверів.

Апаратна екосистема також паралельно розширюється.

Nvidia повідомила, що партнери, зокрема Aaeon, Advantech, Aetina, Antmicro, Aptiv, Connect Tech, Seeed Studio, вже розробляють плату, апаратні системи, програмне забезпечення AI та еталонні дизайни для Jetson Orin Nano 2, допомагаючи скоротити цикл розробки і виходу на ринок для виробників роботів.

Nvidia заявила, що першими компаніями, які почали використовувати або досліджують Jetson Orin Nano 2, є Cognex, Doosan Bobcat, Matic, Wing також планує оцінити цю платформу.

У довгостроковій перспективі Nvidia прагне створити не лише окремий бізнес робототехнічних чипів, а комплексну екосистему, що охоплює AI-моделі, програмні інструменти, обчислювальні платформи та робототехнічні пристрої.

Такий підхід дещо схожий на конкурентну стратегію Nvidia у сфері AI для дата-центрів: створення синергії між апаратною продуктивністю та програмною екосистемою, а також розширення привабливості платформи за рахунок великої спільноти розробників.

Новинка очікується у продажу в першій половині наступного року, комерційний внесок ще належить оцінити

Слід зазначити, що Jetson Orin Nano 2 поки що лише анонсовано, і до фактичного виходу на ринок залишилося певний час.

Nvidia повідомила, що модуль Jetson Orin Nano 2 та комплект для розробників планується до випуску у першій половині 2027 року. Тому безпосередній внесок нового продукту у найближчі фінансові результати Nvidia ще залишається під питанням.

З точки зору продуктового портфеля, Nvidia поступово формує повний набір робототехнічних і фізичних AI-продуктів: з одного боку, забезпечує потреби складних застосувань через більш потужні робототехнічні платформи; з іншого — за допомогою Jetson Orin Nano 2 просуває AI-інференцію у крайові пристрої, чутливі до вартості й енергоспоживання.

Якщо у майбутньому малі мовні моделі та візуально-мовні моделі продовжать швидко нарощувати можливості, разом із зниженням вартості інференції, то потреба роботів, дронів та інших пристроїв у крайових AI-обчисленнях буде тільки зростати.

Для Nvidia це означає, що її ринок розширюється від традиційних обчислень AI у дата-центрах до “великих мозків” безпосередньо у реальних пристроях — роботах, дронах і так далі. Jetson Orin Nano 2 є важливим кроком у просуванні до ще ширшого спектру кінцевих ринків.