NVIDIA正式推出全新Jetson Thor计算机

机器人真正从实验室走向商业部署，这背后最大的推动力之一，就是算力本身的下沉与进化。NVIDIA 最近的动作，恰恰切中了这个痛点。他们发布了基于 Thor 架构的全新 T3000 和 T2000 模组，目标很明确——让机器人、边缘AI的开发者，能在更紧凑、更省电的硬件上，跑起更复杂的模型。

通用机器人和自主机器，正从研究论文里走出来，变成工厂、仓库、甚至家庭里的实际产品。规模化部署的阶段，对边缘侧算力的要求已经不只是“够用”，而是得能跑动基础模型，还得体积小、功耗低。这可不是个小挑战。

为了满足这种需求，NVIDIA 今天正式推出了 T3000 和 T2000 模组。这两款基于 NVIDIA Thor 架构的新品，标志着机器人商业化和边缘AI应用，正在进入一个更务实的落地阶段。

Jetson AGX Thor 本身已经在为人形机器人和机器人系统提供算力支持，覆盖了 1X、Agile Robots、Amazon Robotics、波士顿动力、FANUC、日立、达明机器人等一批行业头部玩家。这些公司基于 Thor 平台开发，本身就说明问题。

借助 T3000 释放人形机器人与机器人部署潜力

支撑这些能力的硬件基础，是 Jetson 与 IGX T3000 模组。它的尺寸和功耗只有 T5000 的一半，但能提供 865 FP4 TFLOPS 的 AI 算力。这个数字，放在紧凑型模组里，已经相当可观。Jetson T3000 集成了 NVIDIA Blackwell GPU、八核 Neoverse Arm CPU、32GB LPDDR5X 内存、273GB/s 内存带宽，还支持 25 GbE 网络连接。IGX T3000 在同等性能基础上，集成了功能安全机制，能无缝运行 NVIDIA Halos for Robotics 全栈安全系统，确保机器人在人机协作场景中的安全运行——这在工业场景里是硬门槛。

值得关注的是，尽管体积更小，T3000 在多模态负载上的推理性能，比如大语言模型、视觉语言模型、视觉语言动作模型、世界基础模型，依然与 T5000 持平。在内存价格居高不下的背景下，从 T5000 迁移到 T3000，能有效降低成本。这对于商业化落地来说，是实实在在的利好。

借助 T2000 拓展边缘 AI 应用广度

Jetson T2000 把 Thor 架构带到了更广泛的边缘 AI 系统中。400 FP4 TFLOPS 的算力，配合 16GB 内存，为开发者提供了一个入门级的选择——无论是视觉 AI 智能体、自主移动机器人、工业机械臂，还是其他智能设备，都能在这个平台上跑起来。

随着 T2000 和 T3000 的加入，NVIDIA 的 Jetson 平台已经形成了一个可扩展的矩阵：性能从 70 TOPS 到 2,000 TFLOPS 全覆盖。这意味着，开发者几乎可以应对任何类型的边缘 AI 工作负载，而且不用在不同硬件平台之间来回切换。

全新智能体技能：实现全 Jetson 设备内存自动优化

AI 智能体正在改变开发者的工作方式。过去，内存优化、系统配置、部署这些任务，既耗费人力，又需要深厚的领域专业知识。现在，借助新发布的 Jetson 智能体技能，开发者可以在几天内完成整个软件栈的优化，并有效节省内存。而之前，这个过程可能需要数周。

更关键的是，这些技能支持整个 Jetson 产品组合，包括 Jetson Thor 和 Jetson Orin。这意味着，开发者可以在更低内存配置下，运行更复杂的工作负载。这不仅降低了系统成本，加快了部署速度，还给了开发者更大的灵活性——同一产品层级内，可以切换至更低内存规格的 SKU，而不影响性能。

从实际案例来看，效果很直观。优必选和 Agile Robots 等领先的人形机器人企业，以及工业解决方案提供商 Connect Tech，已将内存占用最高降低 15GB，从而得以从 NVIDIA Jetson AGX Orin 64GB 模组迁移至 32GB 版本。在智慧零售领域，SandStar 将内存占用最高降低 4GB，使其能够部署于 NVIDIA Jetson Orin NX 8GB 模组，替代原有的 16GB 配置。陪伴机器人领域的 LOVOT 开发商 GROOVE X，利用 Jetson 的异构 AI 翻跟斗优化工作负载分配，有效降低了内存占用，实现了向低内存配置的平稳迁移。在智能交通领域，NoTraffic 在 Jetson TX2 NX 上将内存占用减少了 30%，从而在不增加硬件需求的前提下，为其智能交通平台拓展更多 AI 功能预留资源空间。

随着智能体技能简化开发流程，以及 NVIDIA NemoClaw 蓝图对智能体的编排调度，Jetson 已经成为一个面向物理 AI 的智能体就绪平台。它支持大规模的高级推理、自主决策与任务自动化，这是物理 AI 规模化部署的关键。

NVIDIA Cosmos 3 Edge 登陆 NVIDIA Thor 平台

NVIDIA 今天还宣布扩展了其 NVIDIA Cosmos 3 前沿开放世界基础模型系列。作为机器人基础模型，Cosmos 系列专为具身系统打造。这次新增的轻量级模型 Cosmos 3 Edge，与 NVIDIA Thor 平台完全兼容。它是一款拥有 40 亿参数的模型，能够帮助具身系统感知世界、进行实时推理，并通过端侧推理来预测和生成动作。开发者借助开放的 Cosmos 框架，仅需约一天时间，即可针对特定机器人本体与传感器对 Cosmos 3 Edge 进行后训练，有效弥合仿真与现实之间的差距。之后，就可以将其部署于 Jetson Thor，实现实时视觉分析与端侧机器人策略执行。这个时间周期，对于快速迭代的机器人研发来说，意义重大。

立即通过仿真模式开启开发

得益于 NVIDIA Thor 系列共享的芯片架构与软件栈，全新模组为开发者提供了无缝衔接的开发路径。开发者现在可以通过渠道合作伙伴获取 Jetson AGX Thor 开发者套件，模拟 T3000 及 T2000 模组的性能表现，开始相关的开发工作，而无需等待硬件正式出货。

借助 NVIDIA 完整的物理 AI 软件栈（包括用于机器人仿真与感知的 NVIDIA Isaac），以及 NVIDIA Nemotron、Cosmos 3 和 Isaac GR00T 等开放模型，开发者可以加速新一代机器人、自主机器及视觉 AI 智能体的研发进程。

开发者可以在本月晚些时候，通过 JetPack 7.2.1 开始使用 T3000 仿真模式。T2000 仿真模式也将在后续版本中推出。Jetson T3000 与 T2000 模组预计于 2027 年第一季度正式供货。

凌华科技、研华、AAEON、安提国际、Auvidea、圆刚科技、Connect Tech、ForeCR、智微智能、NEXCOM Robotic Solutions、瑞泰新时代、矽递科技、Twowin、天准和 YUAN 等 Jetson 生态合作伙伴，已经率先提供基于 Thor 的解决方案。Antmicro、Neurealm、REBOTNIX 和 RidgeRun 等软件合作伙伴，也将为转向新模组的客户提供仿真与迁移解决方案。

物理 AI 与具身智能正在走向主流部署。NVIDIA Thor 计算机为开发者提供的是一个可扩展的基础，让智能人形机器人与自主机器，真正落地到现实世界当中。