生成式 AI 往入門級機器人下放，NVIDIA 新 Jetson 透露 Physical AI 硬體門檻變化
機器人要在本體跑生成式 AI、看懂影像再即時做出判斷，需要多強的硬體？NVIDIA 正把這類能力往入門級平台下放。NVIDIA 發表 Jetson Orin Nano 2，定位為入門級邊緣 AI 機器人電腦，提供 78 TOPS AI 算力、8 GB 記憶體與 8 核心 Arm CPU。
相較前一代 Jetson Orin Nano Super，新產品在相同尺寸下，推論效能最高提升至 2 倍；若在 15W 模式提供相同性能，功耗則可降低 40%，該產品預計 2027 年上半年上市。
不過，NVIDIA 所稱的 2 倍效能並不是指帳面 AI 算力翻倍。Orin Nano 2 的峰值算力為 78 TOPS，高於前一代 Orin Nano Super 的 67 TOPS；實際推論效能之所以能提升至 2 倍，主要來自 Tensor Core 改良與記憶體頻寬提升。也就是說，這次升級不只是拉高峰值算力，而是讓模型在有限功耗與空間下跑得更快。
模型越做越小，前沿 AI 能力開始往機器人下沉
NVIDIA 選在此時強化入門級 Jetson，也和 AI 模型本身的變化有關。NVIDIA 機器人與邊緣 AI 副總裁 Deepu Talla 表示，現在中小型前沿模型的準確度，已達到去年最大型前沿模型的水準，使更多即時 AI 能力能搬到邊緣設備。Jetson Orin Nano 2 因此可執行針對邊緣推論最佳化的 Cosmos、Nemotron、Gemma 4、Qwen 3 等語言與視覺語言模型。
Talla 在媒體簡報中進一步向《The Robot Report》表示，支撐 Physical AI 的開放模型在過去 3 個月明顯進步。一年前，前沿模型動輒有 6,000 億至 1 兆參數，如今相近準確度已開始能落到 Orin Nano 2 這類入門級邊緣產品。
台灣邊緣 AI 業者 Aetina 也指出，這使入門級邊緣裝置能從傳統影像辨識，進一步處理自然語言理解、視覺推理、情境理解與自主決策。對機器人而言，AI 不只是辨認眼前有哪些物體，而是能進一步理解環境與任務，再決定下一步行動。
機器人不能只堆算力，還得顧電池、散熱與尺寸
這種改變對機器人特別重要，因為實體設備不能無限制增加 GPU。家用機器人公司 Matic 就將相機資料直接留在機器本體處理，同時必須控制電池、機身尺寸與散熱。Matic 表示，希望在相同緊湊平台上加入對話式 AI、手勢辨識、語意理解、精細地圖與更自主的清潔能力。
Jetson Orin Nano 2 不代表複雜機器人從此只需要入門級晶片，NVIDIA 仍有 Jetson Thor 等更高階平台。但它反映另一個 Physical AI 的演進方向，也就是除了打造更大的機器人模型，模型小型化、推論最佳化與邊緣硬體效率也正在同步進步。當更多生成式 AI 與多模態能力能往入門級硬體移動，機器人把理解、推理、行動直接放到本體執行的硬體門檻，也開始鬆動。
從實驗室到產線，機器人正重新定義產業的樣貌。如果你也想站在第一線追蹤這場變革、寫出有觀點與洞察力的報導，《TechOrange 科技報橘》正在徵內容編輯！
👉了解職缺內容
【推薦閱讀】
◆ 單次示範就讓機器人學會新任務？Skild AI 推 S1 挑戰數百小時訓練舊模式
＊本文開放合作夥伴轉載，資料來源：《The Robot Report》、NVIDIA、Aetina、matic、《SiliconANGLE》，首圖來源：