NVIDIA Jetson Thor T3000 ja T2000: reuna-AI teollisuuteen

Kun Jensen Huang saapui Japaniin, huhumylly kävi täydellä teholla. Odotukset olivat suuria. NVIDIA vastasi kahdella uudella Jetson Thor -moduulilla, jotka tuntuvat kannustavalta viestiltä kaikille, jotka kehittävät käytännön tekoälyä: siirtykää laboratoriodemosta koneisiin, jotka toimivat oikeasti tehtaissa, varastoissa ja liikkuvissa roboteissa.

Pienet paketit. Suuret tavoitteet.

Esittelyssä Jetson Thor T3000 ja T2000. Ne eivät ole vain pieniä päivityksiä. Ajattele niitä Jetson AGX Thor -perheen tiiviimpinä, tehokkaampina sisaruksina, suunniteltuina tuomaan merkittävää inferenssitehoa reunalle ilman kokoonpanon tai energiabudjetin paisumista.

T3000 on kevyt, korkean energiatehokkuuden versio. Se tarjoaa noin 865 teraflopsia FP4-laskentaa samalla kun leikkaa noin puolet lippulaivan Thor T5000:n koosta ja virrankulutuksesta. Konepellin alla on Blackwell-pohjainen GPU, jopa kahdeksan Arm Neoverse -ydintä, 32 gigatavua LPDDR5X-muistia NVIDIA:n ilmoittamalla 273 gigatavun sekuntinopeudella ja 25 GbE -yhteys. NVIDIA:n mukaan se vastaa T5000:ta monissa inferenssikuormissa, jotka ovat tärkeimpiä robotiikassa ja multimodaalisessa tekoälyssä, suurista kielimalleista näkö-kielijärjestelmiin, samalla kun tyypillinen virrankäyttö pysyy noin 70 watin tasolla.

T2000 suuntaa eri segmenttiin: budjettiherkempiin, mobiileihin ja näköön painottuviin agenteihin. Se tarjoaa noin 400 teraflopsia FP4-laskentaa ja toimitetaan 16 gigatavun muistilla. Virrankulutusalue on noin 40 wattia. Tämä tekee siitä luonnollisen valinnan autonomisiin mobiilirobotteihin, perushumanoidisovelluksiin ja kehittäjille, jotka tutkivat inkarnoitua tekoälyä ilman sitoutumista huippuluokan laitteistoon.

• Korkea laskentatiheys skaalatuilla virta-profiileilla
• Laitteisto suunnattu massamarkkinoiden robotiikkaan ja reunalaskentaan
• Ohjelmisto-etusijaiset optimoinnit muistin ja kustannusten vähentämiseksi

Miksi tämä on tärkeää nyt? Koska ala siirtyy kokeiluista tuotantoon. Yritykset kuten Boston Dynamics, Amazon Robotics, Tesla, Agility ja Agile Robots työntyvät kaikki fyysisen tekoälyn alueelle. Taloudelliset lähtökohdat muuttuvat, kun laskenta mahtuu teho- ja kustannusrajoihin, joita nähdään tehdaslattioilla ja logistiikkakeskuksissa.

NVIDIA ei tyydy pelkkään piiriin. Se esitteli joukon ohjelmistotyökaluja nimeltä Jetson Agent Skills auttamaan kehittäjiä puristamaan enemmän suorituskykyä pinosta. Ajatus on yksinkertainen: optimoida koko ohjelmistoputki siten, että sovellus tarvitsee vähemmän RAM-muistia ja voi toimia alempitasoisella SKU:lla. Hyöty on käytännöllinen. NVIDIA esitteli tapauksia, joissa Jetson AGX Orin -kokoonpanot puolittivat muistin käytön samalla kun tulokset pysyivät vertailukelpoisina. Tällainen optimointi kääntyy suoraan pienempiin laskuihin ja pidempään akkukestoon käyttöön otetuissa roboteissa.

Saatavuuden osalta yhtiö kertoo, että T3000 on nyt käytettävissä simulaatiossa JetPack-version 7.2.1 kanssa, kun taas T2000 tulee saataville tulevissa ohjelmistopäivityksissä. Molempien kaupalliset toimitukset on aikataulutettu vuoden 2027 ensimmäiselle neljännekselle.

Nämä moduulit ovat tarkoitettu esteiden poistamiseen: alhaisempi kustannus, pienempi virrankulutus ja ohjelmisto, joka saa kaiken sopimaan yhteen.

Järjestelmänrakentajille valinta on selkeämpi. Jos tarvitset lähes huippuluokan inferenssiä murto-osalla jalanjälkeä, T3000 on valinta. Jos rakennat suuria näköagenttien laivastoja tai kompakteja humanoideja ja sinun on tasapainotettava suorituskykyä energian ja hinnan kanssa, T2000 tarjoaa järkevän sisäänpääsyn.

Odota näkeväsi Jetson Thor -moduuleja seuraavan sukupolven robottiohjaimissa, autonomisissa logistiikka-ajoneuvoissa ja sulautetuissa koneissa, jotka tarvitsevat reaaliaikaista multimodaalista tekoälyä. Yhtiö on täyttänyt tuotekartan aloittelijatason Orin-pohjaisista tietokoneista aina Thor-perheen korkeampaan päähän saakka, asettaen itsensä robotiikkasuunnittelijoiden ensisijaiseksi kumppaniksi, joiden on muutettava tekoälytutkimus luotettavaksi laitteistoksi.

Kaikki läpimurrot eivät ole näyttäviä. Joskus edistyminen näyttää tehokkuudelta: älykkäämpi ohjelmisto, tiukempi piiri ja selkeämpi polku prototyypistä tuotantoon. NVIDIAn uudet Jetson Thor -moduulit muistuttavat, että robotiikassa käyttökelpoinen laskenta usein merkitsee enemmän kuin otsikkotestien tulokset.