NVIDIA Jetson Thor 與機器人：多模態的真正挑戰
過去幾年，大型語言模型（LLM）已證明 AI 在數位世界的邏輯能力，而現下人工智慧的核心課題，不僅止於模型參數規模的擴張，更在於如何讓 AI 從螢幕裡的諮詢師，進化為現實中的勞動力，此遂成實體 AI（Physical AI）崛起的關鍵價值。
多模態融合推理感測，助實體 AI 走向現實
Physical AI 強調系統在物理世界中的即時運算能力、動作可控性與長時間穩定運行能力，藉由各式感測系統與環境深度交互，並在過程中學習，進而建立對現實世界的理解，逐步形成「看得懂場景、聽得懂指令、做得出動作」的閉環架構。這種從虛擬位元到物理原子的跨越，仰賴的便是多模態模型之技術發展，亦為 2026 年產業競逐的核心戰場。
多模態模型的跨模態推理能力，能將視覺基礎模型、VLA 模型（Vision-Language Action），再到 LLM 決策層等進行深度整合，讓 Physical AI 於運作時理解連續事件與因果關係，例如辨識物體、理解語意、推導行動路徑，再即時修正動作。以機器人於家庭場景應用為例，「把湯端到客廳」不只是移動物體，尚包含防止灑出、避開障礙與保持平衡等隱含條件。這類任務便需要各式模型協同運作，形成具備上下文理解的決策鏈。隨著應用任務與部署環境越趨複雜，運行多模態模型所需之即時運算硬體需求也隨之水漲船高。
高算力不再只為炫技，新晶片 NVIDIA Jetson Thor 應運而生
事實上，在 Physical AI 領域中，算力已非純粹的效能炫技或武力展示，而是機器人等智慧載體在現實環境中存續的反應本能，畢竟一個毫秒級的判斷延遲，在數位世界只是加載稍慢，在物理世界卻可能導致碰撞事故。因此，扮演運行核心的多模態模型，其發展挑戰在於如何即時處理來自多源感測器的大量資料，並確保運算結果具備確定性。更甚者，這些工作部分必須在邊緣端完成，因為雲端回傳無法滿足安全與反應時間要求。此時所需之硬體，便須同時兼顧 AI 算力、低功耗與高可靠度。
於此脈絡下，NVIDIA 專為機器人、自駕系統等 Physical AI 打造的整合式運算平台 NVIDIA Jetson AGX Thor 遂應運而生。該高階 AI 晶片將感測、推理與控制整合於單一架構，龐大的算力使其能同時處理高階的語義理解與低階的運動控制。此不僅讓 Physical AI 載體能運行大模型的推論與高頻率的運動控制迴路（Control Loop），也能同時兼顧功能安全與即時性。NVIDIA Jetson Thor 在一定程度上也凸顯 NVIDIA 於 Physical AI 時代之優勢，即從 CUDA、生態系到機器人開發框架的軟硬體協同設計能力。就產業而言，NVIDIA Jetson Thor 的意義更在於降低多模態部署門檻，加速 Physical AI 從示範走向量產。
自主性成下階段核心，主戰場 Edge 蓄勢待發
鑒於 2026 年已有人型機器人產品將走入家庭應用，當物理安全、數據隱私、傳輸延遲越趨重要時，Physical AI 往邊緣部署之趨勢將更加明朗。現行 Edge AI 應用已從單一視覺辨識，擴展至結合語音、圖像等多方資訊的即時互動場景，在公共服務、智慧零售或工業協作等多元產業應用上，工業電腦（IPC）與嵌入式平台也逐漸成為多模態模型的承載核心。廠商不再只展示算力，而是強調實際應用案例與軟硬整合能力，從感測模組、模型部署到現場維運形成完整方案。這也促使邊緣設備開始內建代理式 AI（Agentic AI）架構，讓系統能在本地完成感測、決策與行動。
NVIDIA Jetson Thor 與多模態模型的結合，讓機器人具備敏銳感官與精確動作；然而，即便機器人已能看懂場景、聽懂指令，做出的反應卻未必具備自主決策能力。因此，Physical AI 下階段的發展核心，在於能理解目標、拆解任務，以利動態調整策略的行動主體，形成由感測系統捕捉物理數據、多模態模型負責語義與物理理解，而 Agent 負責做出決定之智慧邊緣設備。此代表 AI 將從被動執行者，轉為主動行動者。因此，NVIDIA Jetson Thor 鋪墊了即時運算任務的重要基礎，而 Agent 要解決的是意圖理解與自主規劃等行為智慧。會看、會聽、會動，只是 Physical AI 的能力起點；能理解目標並自主決定行動，才是它跨越臨界點的真正時刻。
（首圖來源：FREEPIK）