智东西

作者 | ZeR0

编辑 | 漠影

智东西 7 月 16 日报道，今日，英伟达推出基于 NVIDIA Jetson AGX Thor 架构的新模块 T3000 和 T2000，可大规模支持大众市场的机器人和边缘 AI 应用。两款模块计划于 2027 年第一季度上市。

至此，英伟达提供的可扩展边缘 AI 平台，性能范围从70TOPS到2000TFLOPS，使开发者能够应对几乎任何边缘 AI 工作负载。

Jetson AGX Thor 为新一代人形机器人和机器人系统提供动力。1X 、Agile Robots 、Amazon Robotics 、Boston Dynamics 、FANUC 、Hitachi 和 Techman Robot 等公司都在基于该平台进行开发。

支撑这些功能的硬件基础是 Jetson 和 IGX T3000 模块，它们以紧凑的外形尺寸（大约是 T5000 的一半大小和功耗）提供865 FP4 TFLOPS的 AI 算力。

Jetson T3000 集成了 NVIDIA Blackwell GPU、8 核 Neoverse Arm CPU、32GBLPDDR5X 内存和273GB/s的内存带宽，以及25GbE网络连接。

IGX T3000 在提供相同性能的同时，还集成了功能安全功能，并可无缝运行 NVIDIA Halos for Robotics 全栈安全系统，为与人类协同工作的机器人提供安全保障。

T3000 虽然体积更小，但在多模态工作负载（包括大语言模型、视觉语言模型、视觉语言动作模型和世界基础模型）方面，其推理性能与 T5000 相当。

在内存价格高企的情况下，迁移到 T3000 有助于降低成本。

Jetson T2000 则将 Thor 架构引入更广泛的边缘 AI 系统，拥有400 FP4 TFLOPS的算力和16GB内存，为构建视觉 AI 智能体、自主移动机器人、工业机械臂和其他智能机器的开发者提供了一个入门级解决方案。

新智能体技能可自动优化所有 Jetson 设备的内存使用情况，在几天内显著节省内存，使开发人员能够在内存配置较低的情况下运行更强大的工作负载。

优必选、思灵机器人等人形机器人公司以及工业解决方案提供商 Connect Tech 已将内存使用量减少了15GB，使他们能从 NVIDIA Jetson AGX Orin 64GB 模块迁到 32GB 模块。

在智能零售领域，SandStar 将内存使用量减少了4GB，能部署在 NVIDIA Jetson Orin NX 8GB 模块上，而不用 16GB 的配置。

在陪伴机器人领域， LOVOT 机器人制造商 GROOVE X 利用 Jetson 的异构 AI 加速器优化工作负载分配，降低内存使用量，并支持在低内存配置上部署。

在智能交通领域，NoTraffic 将 Jetson TX2 NX 的内存使用量减少了30%，从而为在其智能交通平台中添加更多 AI 功能创造了空间，而无需增加硬件要求。

Jetson 凭借简化开发的智能体技能和协调智能体的 NVIDIA NemoClaw 蓝图，成为一个面向物理 AI 的智能体就绪平台，能够大规模地实现高级推理、自主决策和任务自动化。

英伟达的 NVIDIA Cosmos 3 前沿开放世界基础模型系列也上新了，今天推出一款与 NVIDIA Thor 平台兼容的轻量级模型。

Cosmos 3 Edge 是一款拥有 40 亿参数的模型，能帮助具身系统感知世界、实时推理，并通过设备端推理预测和生成动作。

借助开放的 Cosmos 框架，开发者可以在 一天左右的时间内针对特定具身模型和传感器完成 Cosmos 3 Edge 的后训练，从而缩小仿真与实际应用之间的差距，然后将其部署到 Jetson Thor 上，用于实时视觉分析和设备端机器人策略。

这些新模块与 NVIDIA Thor 系列共享相同的芯片架构和软件栈，可提供无缝的开发路径。

开发者现可使用通过渠道合作伙伴提供的 Jetson AGX Thor 开发套件开始构建，并模拟 T3000 和 T2000 模块的性能。

借助英伟达的完整物理 AI 软件堆栈以及 NVIDIA Nemotron、Cosmos 3 和 Isaac GR00T 等开放模型，开发者可以加速开发下一代机器人、自主机器和视觉 AI 智能体。

开发者可在本月晚些时候开始使用 JetPack 7.2.1 的 T3000 仿真模式。对 T2000 仿真模式的支持将在后续版本中推出。

随着物理 AI 走向主流部署，NVIDIA Thor 新型计算机为开发人员提供了一个可扩展的基础，可以将智能人形机器人和自主机器带入现实世界。

T3000 和 T2000 两款新模块通过搭配全新 NVIDIA Jetson 软件内存优化和智能体技能，有助于帮企业将先进的机器人技术、视觉 AI 和边缘工作负载迁移到紧凑、节能的系统上。