Назад к ленте

Nvidia удвоила мощность Jetson Orin Nano 2 для роботов и снизила энергопотребление

📅 26.08.2026 17:17

Компания Nvidia анонсировала выход инновационного компьютера для робототехники — Jetson Orin Nano 2, предназначенного для периферийного искусственного интеллекта. Новое устройство, сохраняя прежние габариты, обеспечивает вдвое большую производительность инференса, позволяя запускать современные языковые и мультимодальные модели непосредственно на устройстве.

Jetson Orin Nano 2 оборудован 8-ядерным процессором Arm и 8 ГБ оперативной памяти, что обеспечивает до 78 TOPS в вычислениях ИИ. Благодаря усовершенствованным Tensor Cores и увеличенной пропускной способности памяти, производительность инференса удвоилась по сравнению с Jetson Orin Nano Super, при этом энергопотребление в режиме 15 Вт снизилось на 40%.

Новое устройство особенно полезно для роботов, дронов и компьютерных систем, работающих на периферии, так как оно обрабатывает данные в реальном времени без необходимости постоянного подключения к облаку. Nvidia позиционирует Jetson Orin Nano 2 как платформу для физического ИИ, который способен воспринимать, рассуждать и действовать автономно.

Jetson Orin Nano 2 поддерживает современные модели для edge-инференса, такие как NVIDIA Cosmos и Gemma 4, что позволяет разработчикам создавать системы для распознавания изображений, навигации и взаимодействия с пользователями. Компактные модели достигают точности, сравнимой с более крупными системами прошлого поколения, что позволяет перемещать функции генеративного ИИ с дата-центров на устройства.

Свыше 3 млн разработчиков уже используют робототехнический стек Nvidia. Среди первых пользователей новой платформы — компании Cognex, Doosan Bobcat и Matic, применяющие ее для машинного зрения и домашних роботов. Wing, подразделение Alphabet, планирует тестировать Jetson Orin Nano 2 для повышения эффективности своих дронов. Nvidia стремится сделать генеративный ИИ доступным более широкому кругу разработчиков, обеспечивая вычислительные возможности, которые ранее требовали значительных ресурсов.

Рекомендованный контент