NVIDIA przedstawia nowe komputery Jetson Thor dla robotyki i AI na brzegu sieci

NVIDIA zaprezentowała nowe komputery Jetson Thor T3000 i T2000, które mają przyspieszyć rozwój robotyki przemysłowej i sztucznej inteligencji na brzegu sieci. Nowe moduły oparte na architekturze Thor oferują kompaktowe rozwiązania AI dla robotów humanoidalnych i autonomicznych maszyn przechodzących z laboratoriów badawczych do masowego wdrożenia. Szczegóły nowych rozwiązań prezentuje oficjalny blog NVIDIA.

Platforma Jetson AGX Thor już teraz zyskuje na popularności wśród wiodących firm branży robotycznej, w tym 1X, Agile Robots, Amazon Robotics, Boston Dynamics, FANUC, Hitachi czy Techman Robot, które budują swoje rozwiązania w oparciu o tę technologię.

Kluczowe wnioski

• Moduł Jetson T3000 dostarcza 865 FP4 teraflopsów mocy obliczeniowej AI w kompaktowej formie, będąc o połowę mniejszym i mniej energożernym od modelu T5000.
• Jetson T2000 oferuje punkt wejścia dla szerszego zakresu systemów AI z 400 FP4 teraflopsami i 16GB pamięci, obsługując agentów wizualnych AI i roboty mobilne.
• Nowe umiejętności agentów Jetson automatyzują optymalizację pamięci, pozwalając firmom jak UBTech i Agile Robots zredukować zużycie pamięci nawet o 15GB.
• NVIDIA Cosmos 3 Edge — model z 4 miliardami parametrów — został zoptymalizowany dla platform Thor, umożliwiając robotom rzeczywistą analizę wizyjną i podejmowanie decyzji.
• Moduły T3000 i T2000 będą dostępne w pierwszym kwartale 2027 roku, a tryb emulacji T3000 zostanie uruchomiony jeszcze w tym miesiącu.

Potężna moc obliczeniowa w kompaktowej formie

Jetson T3000 stanowi przełom w dziedzinie kompaktowych superkomputerów AI. Moduł łączy procesor graficzny NVIDIA Blackwell z ośmiordzeniowym procesorem Neoverse Arm oraz 32GB pamięci LPDDR5X i przepustowością 273GB/s. Pomimo zmniejszonej wielkości, T3000 osiąga podobną wydajność inferencji jak T5000 w przypadku wielomodalnych obciążeń, w tym dużych modeli językowych i modeli wizyjno-językowych.

Wersja IGX T3000 oferuje te same możliwości z dodatkowymi funkcjami bezpieczeństwa funkcjonalnego, płynnie uruchamiając system NVIDIA Halos for Robotics dla robotów pracujących obok ludzi. Migracja na T3000 pomaga również obniżyć koszty w obliczu wysokich cen pamięci.

Automatyzacja optymalizacji i oszczędności pamięci

Wprowadzone umiejętności agentów Jetson rewolucjonizują produktywność deweloperów, automatyzując zadania optymalizacji pamięci, konfiguracji systemu i wdrażania, które wcześniej wymagały ręcznej pracy i głębokiej wiedzy specjalistycznej. Deweloperzy mogą teraz zoptymalizować cały stos oprogramowania i osiągnąć znaczne oszczędności pamięci w ciągu dni zamiast tygodni.

Rezultaty są imponujące — liderzy robotyki humanoidalnej, w tym UBTech i Agile Robots, wraz z dostawcą rozwiązań przemysłowych Connect Tech, zredukowali zużycie pamięci nawet o 15GB, co pozwoliło im przejść z modułu NVIDIA Jetson AGX Orin 64GB na wersję 32GB. W segmencie inteligentnego handlu detalicznego SandStar zmniejszyła zużycie pamięci o 4GB, umożliwiając wdrożenie na module NVIDIA Jetson Orin NX 8GB zamiast konfiguracji 16GB.

Cosmos 3 Edge i przyszłość rozwoju

NVIDIA rozszerzyła rodzinę modeli fundacyjnych Cosmos 3 o lekką wersję Edge kompatybilną z platformami Thor. Model o 4 miliardach parametrów pomaga systemom wcielonym widzieć świat, rozumować nad nim w czasie rzeczywistym oraz przewidywać i generować działania poprzez inferencję na urządzeniu.

Dzięki otwartej strukturze Cosmos deweloperzy mogą dostosować Cosmos 3 Edge do konkretnych zastosowań i czujników w ciągu około jednego dnia, a następnie wdrożyć go na Jetson Thor dla analizy wizyjnej i polityki robotów w czasie rzeczywistym.

Nowe moduły Thor oferują płynną ścieżkę rozwoju dla deweloperów, którzy mogą rozpocząć budowanie już dziś, korzystając z zestawu deweloperskiego Jetson AGX Thor i emulując wydajność modułów T3000 i T2000. Platforma NVIDIA staje się w ten sposób gotowym rozwiązaniem dla fizycznej AI, umożliwiającym zaawansowane rozumowanie, autonomiczne podejmowanie decyzji i automatyzację zadań na dużą skalę.