梦晨 发自 凹非寺量子位 | 公众号 QbitAI配资台官网最新信息
英伟达直接把服务器级别的算力塞进了机器人体内。
全新的机器人计算平台Jetson Thor正式发售，基于最新的Blackwell GPU架构，AI算力直接飙升到2070 TFLOPS，比上一代Jetson Orin提高至整整7.5倍，同时能效提高至3.5倍。
128GB的超大内存配置，在边缘计算设备里是前所未有。
在宣传片中，黄仁勋把他当成送给所有机器人的礼物：
黄仁勋表示：
Jetson Thor助力全球百万开发者构建可与物理世界交互、甚至改变物理世界的机器人系统。具备无与伦比的性能与能效，还能够在边缘设备上同时运行多个AI模型。作为一款卓越的超级计算机，Jetson Thor正在推动物理AI与通用机器人时代真正到来。
Jetson Thor基于Jetson软件栈优化，支持所有流行的生成式AI框架和AI推理模型，包括主流语言模型Qwen、DeepSeek以及视觉语言动作模型到和视觉语言模型等。
Jetson AGX THOR开发者套件美国售价3499美元（约25000人民币，但中国售价尚未公布）
T5000模组也已发售，购买1000片以上单价2999美元。
其中T5000模组是完整版，T4000模组则是为那些想从Orin升级的用户准备的精简版，功耗也从130W降到了75W。
性能爆表背后的技术细节
Thor的强悍不仅体现在AI算力上，人形机器人需要大量实时控制计算，需要CPU与AI算力同样重要，存储与带宽方面也都得到了升级。
具体特性如下：
GPU：Blackwell架构，最高2560个CUDA核/9个第五代Tensor Core，并支持MIG技术（多实例 GPU）将GPU资源按多任务隔离与并行调度，适配并行多代理/多工作流场景。CPU：14核Arm Neoverse V3AE，面向实时控制与任务管理的确定性执行与更高吞吐，CPU性能相较前代显著提升。存储与带宽：128GB 256-bit LPDDR5X，273GB/s显存带宽，为大型Transformer推理与高并发视频编解码提供保障。功耗：40–130W，支持从移动平台到固定式机器人多样热/功耗配置，开发套件集成导热板与风扇便于热设计评估。视频编解码：多路4K/8K编解码能力显著增强，有利于多摄并发与长时视频代理推理。网络与传感：最多4×25GbE，搭配高速摄像头卸载引擎与Holoscan Sensor Bridge，将相机、雷达、激光雷达等数据以极低时延直送 GPU 内存，提升多传感器融合与高频闭环控制的稳定性。I/O：开发套件与量产模组提供 QSFP28、RJ45、USB 3.x、PCIe Gen5等接口，适配机器人传感/执行器与加速外设扩展
在软件优化上，也下了功夫。
Jetson Thor原生支持NVIDIA Isaac（仿真/开发）、Isaac GR00T（人形机器人基础模型）、Metropolis（视觉 AI）、Holoscan（传感器工作流），支持从云到边缘统一开发/部署路径。
通过FP4量化和推测解码（speculative decoding）技术，在某些模型上能再获得2倍的性能提升。
数据显示，Thor能在200毫秒内给出第一个token响应，每秒能生成超过25个token，这个速度已经能支撑实时人机对话。
研华科技、Aetina、ConnectTech、米文动力、天准科技等正在打造具备量产条件的Jetson Thor系统，拥有灵活的输入输出接口、定制化配置，并能够提供多种形态规格。
亚德诺半导体、e-con Systems、英飞凌、Leopard Imaging、RealSense、森云智能等传感器与执行器企业，正将摄像头、雷达、激光雷达等设备的传感器数据，以超低延迟直接传输至Jetson Thor的 GPU内存中。
首批供应里中国玩家占多数
第一批采用Thor的公司里，中国企业占了很大比例。联影医疗、万集科技、优必选、银河通用、宇树科技、众擎机器人和智元机器人等都已经开始集成这个新平台。
宇树科技创始人王兴兴表示：“Jetson Thor带来了计算能力的巨大飞跃，机器人更强的敏捷性、更快的决策制定以及更高的自主水平，这对于机器人在现实世界中实现导航与交互至关重要。”
银河通用CTO王鹤则透露，他们的G1 Premium机器人在采用Thor后，运动速度和动作流畅性已经有了显著提升。
此外波士顿动力正将Jetson Thor集成到其人形机器人Atlas，让Atlas得以在设备端搭载此前仅服务器才具备的计算能力。
Agility Robotics计划将Jetson Thor作为第六代Digit计算核心，在仓库与制造环境中执行堆叠、装载及码垛等物流任务。
在演讲中，英伟达机器人与边缘AI副总裁Deepu Talla提出了这样的观点：要真正实现物理AI和机器人，需要三台计算机协同工作。
第一台是用来训练AI的DGX系统，第二台是用来在仿真环境中测试AI的Omniverse平台，第三台才是装在机器人身上的”大脑”，也就是今天发布的Jetson Thor。
他特别强调仿真测试这一步至关重要，因为仿真相比在真实物理环境中开发更快、更安全、更便宜。
而且这不是一次性的过程，即使机器人部署到现场后，这个训练-仿真-部署的循环还会持续进行，不断升级机器人的能力。
[1]https://blogs.nvidia.cn/blog/jetson-thor-physical-ai-edge/[2]https://blogs.nvidia.cn/blog/nvidia-blackwell-powered-jetson-thor-now-available-accelerating-the-age-of-general-robotics/
惠红网提示：文章来自网络，不代表本站观点。
相关文章
热点资讯
