0
| 本文作者： 劉伊倫 | 2025-08-27 11:33 |
在美國俄勒岡州的倉庫里，Agility Robotics的人形機器人Digit正在執行物流裝載任務，不再只是機械的搬運，而是根據環境實時調整響應動作。
與此同時，在機器人領域深耕30余年的波士頓動力Atlas也正在迎來新一輪進化，國內的宇樹科技則希望借助更強的計算能力去突破機器人當下敏捷性與自主性的能力邊界。
支撐這一切變化發生的“新大腦”，正是英偉達的Jetson Thor。
自2014年推出以來，英偉達Jetson平臺和機器人技術棧已構建起極具影響力的行業生態：吸引超過200萬開發者投身創新，涵蓋超150個硬件系統、軟件與傳感器的合作伙伴網絡，其中Jetson Orin作為上一代核心產品，已成功幫助7000余個客戶在各行業落地邊緣AI應用。
雷峰網(公眾號：雷峰網)消息，當地時間8月25日，英偉達宣布發售Jetson AGX Thor開發者套件和量產級模組。
新一代基于Blackwell架構的機器人計算機實現了性能的跨越式升級：相較于上一代Orin，其AI性能提升7.5倍，可釋放高達2070 FP4 TFLOPS算力，且能效提升至3.5倍，憑借極致的算力與能效表現，實現復雜場景下的實時推理，進一步拓展邊緣AI的應用邊界。
“Jetson Thor專為全球數百萬開發者打造，助力他們構建可與物理世界交互、甚至改變物理世界的機器人系統。作為一款卓越的超級計算機，Jetson Thor正致力于推動物理AI與通用機器人時代真正到來。”英偉達創始人兼首席執行官黃仁勛表示。
能效躍升3.5倍，Jetson Thor「解鎖」機器人實時推理能力
當機器人從流水線上的“專用工具”，轉身成為能在家庭、工廠、醫院等多場景靈活作業的“通用助手”時，一個關鍵難題浮出水面：如何在可控的功耗下，達到最大算力以支撐復雜決策？
NVIDIA Jetson AGX Thor為能效與算力的難題交出答案。
作為專為物理AI設計的“機器人超級大腦”，Jetson Thor搭載了英偉達全新的Blackwell架構GPU，在僅130瓦的功率范圍內，實現了2070 FP4 TFLOPS的峰值AI算力，較上一代Orin提升7.5倍，且Jetson Thor的內存容量提升兩倍達到128G，顯存帶寬為273GB/s，可輕松運行最新的生成式AI模型，且將能效優化至3.5倍。
這意味著，無論是在家庭場景中使用的服務機器人，還是在手術室里輔助醫生的精密機械臂，都不用再為“續航焦慮”妥協——它們能以更低的能耗，持續輸出強勁算力，實現長時間、穩定地完成任務。
這份能效優勢，并非簡單的硬件升級，而是從底層技術到架構設計的全面優化。
Jetson Thor引入原生FP4量化技術，通過4位精度的權重與激活值，在不損失推理準確性的前提下，大幅減少算力消耗。搭配下一代Transformer引擎更能靈活切換FP4與FP8精度，讓不同復雜度的任務都能匹配最優能耗方案。
此外，通過引入多實例GPU（MIG）技術，Jetson Thor能把單塊GPU拆分成多個獨立“計算單元”，比如一邊用部分資源處理攝像頭實時畫面，一邊用另一部分資源運行自然語言交互模型，這一技術能為關鍵工作負載預留計算資源，同時并行運行對時間敏感度較低的任務，確保性能的可預測性。
對于需兼顧多重關鍵任務的機器人應用而言，這一特性尤為重要。
這份高能效最終轉化為機器人在物理世界里“反應迅速”的表現，與上一代產品相比相比， Jetson Thor推理速度提升最高達5倍，借助FP4精度優化與推測解碼技術，開發者還能進一步實現2倍的性能提升。
在采用FP4量化與基于Eagle的推測解碼技術后，Qwen2.5-VL-7B模型在Jetson Thor上的推理速度較Jetson Orin，最高提升至 3.5 倍。
衡量系統響應速度的核心標準是首Token生成時間及輸出Token生成時間。
在Qwen2.5-VL-3B VLM與Llama 3.2 3B LLM兩款模型的測試中， Jetson Thor的首Token生成時間均低于200毫秒，輸出Token生成時間則均低于50毫秒。
在推測解碼技術中，先由小型草稿模型生成候選Tokens，再由大型模型驗證Tokens 的有效性。這種方式在保證生成準確性的同時，能加速生成式AI推理過程，最終實現更快、更高質量的輸出。
銀河通用、宇樹科技采用，Jetson Thor加速機器人產品商業化進程
性能參數是可用的基礎，但真正的價值體現仍要回歸商業化落地。
在倉儲與制造一線，領先的人形機器人企業Agility Robotics旗下機器人Digit已經實現商用，可在倉庫與制造環境中執行堆疊、裝載及碼垛等物流任務。
Digit曾經被質疑“能走、能搬，卻難以應對復雜任務”，而在引入 Jetson系列產品后，它的反應速度和實時決策能力大幅提升，受益之下，Digit計劃將Jetson Thor作為第六代計算核心。
Agility Robotics CEO Peggy Johnson評價道：“Jetson Thor提供的強大邊緣處理能力，將把Digit提升到一個新的水平，其實時響應能力更強，功能也能拓展至更復雜的任務領域。”
Digit不再只是“搬運工”，而可能成為倉庫和工廠中真正的多面手。
在工業與科研領域，波士頓動力的Atlas正在接受同樣的“大腦移植”，Jetson Thor的算力讓Atlas能在設備端運行此前必須依賴服務器的AI工作流。
Jetson Thor同樣得到國內明星機器人企業的青睞，銀河通用與宇樹科技的人形機器人同樣集成了這一產品。
銀河通用CTO王鶴直言，公司旗下機器人G1 Premium在完成Jetson Thor集成后，運動速度和流暢性明顯改善，并計劃利用 Jetson Thor支持更大規模的VLA模型，從而在復雜交互中展現出更接近人類的行為。
突破性能限制，打造友好安全的機器人產品是宇樹科技的追求。
宇樹科技創始人兼首席執行官王興興表示：“Jetson Thor帶來了計算能力的飛躍，讓機器人有更強的敏捷性、更快的決策制定以及更高的自主水平，這對于機器人在現實世界中實現導航與交互至關重要。”
醫療與安全同樣受益于這一算力飛躍。
手術室里的智能機器人需要在毫秒之間分析多路攝像數據，為醫生提供即時反饋。工廠車間里的視覺AI系統，則要實時監測工人安全。借助NVIDIA Holoscan平臺，Jetson Thor可以將攝像頭、雷達、激光雷達等傳感器數據，以超低延遲直接傳輸至GPU內存，使這些應用成為現實。
在學術界，Jetson Thor則成為科研人員突破邊界的工具。斯坦福大學、蘇黎世大學等實驗室已將其用于感知與導航模型的實驗。卡內基梅隆大學AirLab的負責人Sebastian Scherer回憶道：“過去，機器人研究受限于計算能力，無法滿足實時決策需求。但Jetson Thor的到來，讓我們得以探索更復雜的任務。”在他們的實驗中，機器人已經能在復雜、非結構化環境中執行搜救和醫療分診任務。
從倉庫到工廠，從手術室到研究實驗室，Jetson Thor正在為機器人提供一顆足以應對真實世界挑戰的“大腦”。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
