物理AI登上机载平台
NVIDIA发布了Jetson Orin Nano 2——一款专为机器人技术打造的边缘计算机，公司以"物理AI"为口号进行推广。目标场景包括无人机、家用机器人和计算机视觉系统，也就是需要在本地做出决策、无需连接云端的技术设备。从定位上看，这是一款入门级设备，但正是通过它，开发者应当能够直接在机载设备上运行生成式模型。
这次发布的前提很简单。据NVIDIA评估，小型和中型AI模型在过去一年里已经达到了不久前还被视为最大规模前沿系统专属的精度水平。因此，这家厂商认为，曾经需要服务器机架才能承载的智能，如今可以装进无人机或扫地机器人的机身里。NVIDIA机器人与边缘AI副总裁迪普·塔拉这样表述：一年前还生活在数据中心的先进模型，如今已在Jetson系列入门级设备上实时运行。
硬件：78 TOPS与8 GB内存
Jetson Orin Nano 2宣称具备78 TOPS的AI算力、8 GB内存以及基于Arm架构的八核处理器。推理性能是Jetson Orin Nano Super的两倍：提升来自改进的Tensor Core和更高的内存带宽，而板卡尺寸保持不变。能效被单独强调——在15瓦模式下，新品功耗比前代低约40%，同时表现出相当的性能。
对于机载设备而言，最后这一点比乍看之下更为重要。无人机上的每一瓦功耗，要么意味着飞行时间，要么意味着电池的额外重量，而家用机器人也不需要发热和风扇噪音。因此，这里的节能不是一句营销话术，而是产品是否值得推出的前提条件。
软件：模型本地运行
软件部分依托NVIDIA开放技术栈和Jetson agent skills，以及Jetson AI生态系统。主要限制在于内存：8 GB并不算多，因此模型必须以内存高效模式运行，而不能"原样"运行。这里首先指的是语言模型和视觉语言模型，它们需要控制在预算之内，同时还要能够实时响应。
作为适用模型的示例，NVIDIA列举了自家的Cosmos和Nemotron，以及第三方的Gemma 4和Qwen 3。这个组合颇具代表性：视频生成和推理模型——这些在两年前即便用于演示目的也不会在边缘设备上运行。
谁已在测试
在首批采用和研究Jetson Orin Nano 2的公司中，提到了Cognex、Doosan Bobcat和Matic。NVIDIA还声称，有超过三百万开发者在其机器人技术栈上工作——这个数字更多体现的是生态系统的规模，而非某款具体板卡的销量。
配送无人机
Alphabet旗下的Wing公司已在其整个无人机机队中使用Jetson Orin Nano Super和NVIDIA软件栈。他们计划评估这款新品，以在实时感知和推理方面取得进展：目标是让从本地商家到居民院落的配送更快、更可靠。Wing感知方向负责人迪努卡·阿贝瓦德纳解释说，无人配送依赖于能够快速可靠地理解周围世界的AI，公司认为新板卡是通往更灵敏、更节能设备的途径。从评估到在新板卡上常规飞行的公开时间表尚未公布。
家用机器人
Matic Robots将Jetson Orin Nano 2装入其家用扫地机器人。据NVIDIA称，该板卡能够添加对话式AI、手势识别、精确建图和家居语义理解，并随之带来清扫时的自主行为。Matic Robots联合创始人兼CEO纳夫尼特·达拉尔这样描述任务：家用机器人必须同时理解人、精确构建空间地图、弄清物品位置，并在不断变化的环境中清扫，而新板卡使得在本地运行先进模型成为可能。
制造商生态系统
围绕这款板卡建立了一个广泛的合作伙伴圈。AAEON、ADLINK、Advantech和Aetina被列为载板和成品硬件系统的制造商。Antmicro、Aptiv、Auvidea和AVerMedia与Chuanglebo、Connect Tech、ForeCR和JWIPC一起，致力于定制AI软件和参考设计。名单最后是Neurealm、Plink、Realtimes、RidgeRun、RS、Seeed Studio、Tauro Tech、Twowin、TZTEK和YUAN——据NVIDIA保证，它们都在帮助客户更快地将产品推向市场。
这样罗列的意义很简单：一块现成的板卡只是事情的一半。对于大多数需要机载AI的团队来说，更重要的不是模块本身，而是外壳、散热、接口、驱动程序和可预期的支持。平台周围的集成商网络越密集，从原型到量产设备所需的时间就越短。
这意味着什么
Jetson Orin Nano 2的定位不在于基准测试中的纪录，而在于AI究竟栖身何处这一场所的转变。本地推理提供了云端买不到的东西：没有网络波动的延迟、在无信号处也能工作，以及不离开设备的数据。对于家用机器人来说，这还关乎隐私——来自公寓的视频流留在公寓里。
限制也依然存在。8 GB内存意味着上机的不会是最大的模型，而是它们被裁剪和量化后的版本，回答质量也会与服务器端有所不同。此外，无论是Wing还是其他合作伙伴，目前都没有给出新板卡从评估转向大规模生产的时间表。因此，摆在我们面前的更像是一扇打开的门，而非现成的方案：物理AI的硬件已经变得可及，而究竟会在其上构建出什么，则是未来几个季度的问题。
此次发布伴随着在阿姆斯特丹、伦敦和北美举办的Physical AI Expo活动；有关该发布的报道于2026年8月26日刊出。
