AI性能提升至7.5倍，NVIDIA为通用机器人打造出新的

随着人工智能技术尤其是生成式AI技术的高速发展，机器人技术正在经历一场历史性的转型，从功能单一、场景固定的专用机器人，演进为通过融合多模态感知、实时推理和自主决策能力的通用机器人，重塑制造业、物流、医疗等领域的作业范式。

不过，企业在打造通用机器人，构建物理AI的过程中，将会面临着各种各样的难题。尤其是在AI计算能力和内存，以处理多个传感器的并发数据流方面，挑战尤其明显。为此，NVIDIA正式推出了Jetson Thor，以高达 2,070 FP4 TFLOPS 的 AI 算力，轻松运行最新 AI 模型，赋能企业快速打造通用机器人。

为物理AI而生的机器人计算机

工业流水线上的机械臂、仓储物流中的AGV小车，这些传统的机器人虽然能够高效、精准的完成各种工作，但也缺乏灵活性和适应性，无法应对更多复杂多变的环境。随着人工智能尤其是生成式AI的爆发，机器人逐步走向“通用化”成为趋势。

通用机器人具备多任务执行能力、环境感知与理解能力、自主决策与规划能力，甚至能够通过自然语言与人交互。而这一转变的背后，则是AI模型、传感器技术、计算平台和软件生态的共同进步。

NVIDIA Jetson 软件产品经理Shashank Maheshwari在题为《NVIDIA Jetson Thor，专为物理 AI 打造的卓越平台》的技术博客中指出，打造一款典型的通用人形机器人，需构建硬件抽象层、实时控制框架层、感知与规划层和高阶推理层四个核心层级。

为此，NVIDIA面向物理AI推出了Jetson Thor超级计算平台，能够支持生成式推理，同时具备多模态、多传感器处理能力。Shashank Maheshwari表示，将 Jetson Thor 集成至下一代机器人中，能为基础模型提速，使其在物体操作、导航、执行复杂指令等挑战性任务中具备更高的灵活性。

Jetson Thor不仅是硬件平台，更是一个完整的机器人开发与部署生态系统的重要组成部分。其设计目标非常明确：在功耗受限的边缘环境中，提供服务器级的AI计算能力。

AI性能提升至7.5倍，能效提升至3.5倍

Jetson Thor基于NVIDIA最新Blackwell架构打造，搭载128 GB内存，AI算力高达2070 FP4 TFLOPS。与上一代Jetson AGX Orin相比，其AI性能提升至7.5倍，能效提升至3.5倍，而功耗仍控制在130W以内。

这样的性能意味着什么？意味着开发者可以在边缘设备上运行最前沿的生成式AI模型，包括 NVIDIA Isaac GR00T N1.5 这类视觉语言动作模型（VLA），也涵盖所有主流大型语言模型（LLM）与视觉语言模型（VLM）。

除此之外，Jetson Thor还引入了原生FP4量化技术和下一代Transformer引擎，该引擎可在FP4与FP8精度之间动态切换，以实现最优性能。通过将4位权重、激活值与更高内存带宽相结合，Jetson Thor能同时加速生成式AI工作负载中的预填充与解码过程。