英伟达推出Jetson Orin Nano 2，重塑入门级边缘物理 AI

上个月刚发完Jetson AGX Orin 3000和2000，NVIDIA今天又推出了一款面向入门级边缘 AI 的机器人计算机——Jetson Orin Nano 2。

接连的硬件更新背后，指向同一个行业趋势：经过优化压缩的前沿大模型，已经不再是云端服务器的专属，正迫切需要走进真实的物理设备里。

图源：NVIDIA

NVIDIA机器人及边缘AI副总裁Deepu Talla指出，物理AI的落地从来不是单靠一块芯片就能完成。完整的链路分为训练、仿真、端侧部署三个部分：在数据中心完成模型训练之后，借助仿真环境做大量模拟测试，规避现实调试的风险与成本，最终把模型跑在机器人、无人机本地硬件上。

因此，NVIDIA围绕这套完整流程开放了Nemotron、Cosmos、GR00T等一批开源基础模型。对各类开发团队来说，开源模型最大的价值，是可以在基础底座之上叠加自身的行业数据与业务经验，打造自有专用AI，不用完全依赖闭源方案，掌握更多技术主导权。

回到本次发布的产品本身，作为入门定位的新品，Jetson Orin Nano 2保留了前代的硬件外形，内部算力实现大幅迭代。它搭载Ampere架构GPU、8核ARM CPU，配备8GB LPDDR5x内存，内存带宽达到120GB/s，INT8算力78TOPS，整机功耗可以在15W‑40W之间动态调节。依托张量核心改进与更高内存带宽，它的推理性能相比上代直接翻倍；如果只需要达到上代同等性能，整机功耗还可以降低40%。

在软件生态方面，Jetson Orin Nano 2与上一代产品保持外形和软件栈兼容，同时完整继承了NVIDIA从数据中心到边缘的统一计算架构。这意味着所有在数据中心GPU上运行的框架和模型，都能在Jetson产品线上无缝部署。开发者可以在Orin Nano 2上直接运行Gemma 4、Qwen 3.5等最新的小语言模型和视觉语言模型，甚至包括NVIDIA Cosmos和Nemotron系列开放模型，推理速度超过20 token/s，这对于大多数机器人应用已经够用。

对此，Deepu Talla表示，对于存量Jetson用户，迁移的门槛并不高，软硬件形态、整套软件栈均保持兼容，原有项目只需要数天调试就可以完成移植。

此外，他提到，之前很多做高端机器人的团队，因为硬性性能指标，不得不选用比较贵的Orin NX（16GB版本）。现在Orin Nano 2出来之后，只要内存（8GB）够用，通过软件裁剪，完全可以把业务往下迁移到这块更便宜的板子上，性能不变，但单台设备的硬件成本能直接省下一大笔。

发布会上展示了一个Demo：两台Reachy Mini机器人同时跑在单块Orin Nano 2上，在离线的状态下，各自独立完成语音识别、视觉语言模型推理和语音合成。一块功耗和成本都算克制的计算板，能让两台机器人同时“看懂”“听懂”还能“回应”，这对整个机器人行业的成本结构和产品定义方式会有实质影响。

Deepu Talla强调，NVIDIA自己不造机器人，他们的角色是提供核心技术，通过数百家合作伙伴——做载板的、做硬件系统的、做定制化软件的、做参考方案的——把产品推向市场。目前超过一万家公司基于Jetson平台开发商业和工业机器人，超过三百万开发者活跃在NVIDIA的机器人技术栈上。

关于供货，Jetson Orin Nano 2模组以及对应的开发套件，预计2027年上半年将正式上市。目前，不少行业企业已经开始评估这款硬件的实际落地可能性。其中，Wing（Alphabet旗下的无人机配送公司）、Matic（家用清洁机器人）、Cognex（工业视觉）、Doosan Bobcat（工程机械）都已经在用或计划用Orin Nano 2。