NVIDIA、エッジAIアプリケーション向けにJetson Orin Nano 2を発表。ロボットやドローンなどをターゲットにしています。

記事執筆者、出典：新浪科技

NVIDIAは、人工知能（AI）の機能をデータセンターからロボットなどの現実世界のデバイスへさらに拡大しています。

米国東部時間25日火曜日、NVIDIAは、ロボットやドローンなど、コスト、電力消費、リアルタイム計算能力に敏感なエッジAIアプリケーションをターゲットにした次世代エントリーレベルのロボット計算プラットフォーム「Jetson Orin Nano 2」を発表しました。

NVIDIAは、同じコンパクトなサイズを維持したまま、Jetson Orin Nano 2の推論パフォーマンスが前世代のJetson Orin Nano Superと比較して2倍に向上し、15ワットの電力消費モードでは、前世代と同じ性能を40%低い電力で実現できると述べています。

ハードウェア面では、Jetson Orin Nano 2は8コアプロセッサと8GBのメモリを搭載し、AI演算能力は毎秒78兆回の演算を実現しています。NVIDIAは、新しいプラットフォームがテンソルコアのアップグレードやメモリ帯域幅の向上を通じてAI推論能力を強化し、ロボットおよびエッジAI向けに構築されたNVIDIAのソフトウェアエコシステムとの互換性を維持していると述べています。これにより、Cosmos、Nemotron、Gemma 4、Qwen 3など、メモリ効率最適化された大規模言語モデルおよびビジョナル言語モデルを実行可能です。

今回の新製品発表の意義は、より高性能な小型AIコンピューターをリリースすることだけではありません。AIモデルの小型化と推論効率の継続的な向上により、これまで主にクラウドで処理されていた視覚理解、言語インタラクション、リアルタイム意思決定タスクが、ロボットやドローンなどのエンドデバイスへと徐々に移行しています。NVIDIAは、Jetson Orin Nano 2を通じて、物理的AIをエントリーレベルのデバイスに導入するハードルをさらに下げることを目指しています。

小型AIモデルの実用化が加速し、ロボットエッジ側の知能需要が高まっています

Jetson Orin Nano 2の発表は、人工知能産業がクラウドからエッジへと拡大する段階にあたります。

データセンターAIとは異なり、ロボットやドローンは計算プラットフォームに対してより厳しい制約を課されます。デバイスのサイズが限られているため、高消費電力のプロセッサを搭載できないことが多く、移動中に継続的に視覚認識、環境理解、意思決定を実行する必要があります。そのため、単位消費電力あたりのAI計算能力が、単なるピーク計算能力の追求よりも重要となります。

NVIDIAは、Jetson Orin Nano 2が15Wモードで、前世代と比較して40%低い消費電力で同等のパフォーマンスを実現すると発表しました。バッテリー駆動のロボットやドローンにとって、これは同じパフォーマンス要件のもとでエネルギー消費を削減できるということであり、節約された電力分をバッテリー寿命の延長、放熱性能の向上、またはその他のセンサー設定の強化に活用できます。

一方で、小型AIモデルの能力が急速に向上しており、エッジAIの応用範囲を変えてきています。

NVIDIAのロボティクスおよびエッジAI事業責任者であるタラは、現在、一部の中小規模のフロントランナーモデルの精度が、昨年の大規模フロントランナーモデルと同等のレベルに達しており、エッジデバイスでのリアルタイムインテリジェンスの実現を可能にしていると述べた。

過去、エッジAIは主に物体検出や画像分類などのタスクを担っていたが、モデルの能力が向上するにつれ、端末デバイスはより複雑な言語理解、視覚的推論、マルチモーダルインタラクションの機能を備えるようになっている。

これにより、ロボットは「環境を感知できる」から「環境を理解し行動できる」へと進化します。

視覚認識からマルチモーダル理解へ進化し、リアルタイムでの意思決定が鍵となる

NVIDIAは、Jetsonプラットフォームをロボットが「物理的知性」を獲得するための重要な計算基盤として位置づけています。

現在、ロボットが処理する情報は、カメラが収集する画像にとどまらず、自然言語の指示、音声、空間情報、およびさまざまなセンサーからのデータを含んでいます。ロボットがこれらの情報をローカルで迅速に統合し、低遅延で反応することは、自律運用を実現するための重要な条件です。

Jetson Orin Nano 2は、家庭用ロボット、ビジョンAIシステム、配送ドローン、点検ドローンなど、複数の典型的なシナリオをターゲットとしています。

たとえば、グーグル傘下のドローン配送企業Wingは、これまで配送ドローンにJetson Orin Nano SuperおよびNVIDIAのソフトウェアスタックを採用しており、Jetson Orin Nano 2の評価を計画しています。NVIDIAは、より高いパフォーマンスとエネルギー効率がWingのドローンのリアルタイムAI感知および推論能力のさらなる向上を支援すると述べています。

家庭用ロボット企業Maticは、Jetson Orin Nano 2を活用して、ロボットの自然言語インタラクション、ジェスチャー認識、空間マッピング、意味理解の能力を強化し、清掃などのタスクをより自律的に実行できるように計画しています。

また、NVIDIAはJetson Orin Nano 2を用いてReachy Miniロボットを動作させる事例を提示しました。NVIDIAによると、このプラットフォームは言語モデル、音声モデル、リアルタイムビジョンAIタスクを同時に処理でき、エントリーレベルのエッジコンピューティングプラットフォームが複数のAIモデルを実行する能力を示しています。

ロボットメーカーにとって、このような能力の重要性は、ロボットが事前に設定されたプログラムに従って固定された動作を実行するだけでなく、視覚情報と言語指示に基づいて環境を理解し、行動を動的に調整できる点にあります。

これは、ナビダが近年「物理AI」を継続して強調している理由でもあります。人工知能は、スクリーン内のソフトウェアサービスから徐々に現実の世界へと進み、最終的にはロボット、自動車、ドローンなどの物理的デバイスを駆動します。

開発者とパートナーの拡大により、NVIDIAはロボットエコシステムをさらに強化

チップパフォーマンスに加え、ソフトウェアエコシステムはNVIDIA Jetsonプラットフォームの重要な競争優位性です。

NVIDIAは、現在300万人以上の開発者が自社のロボティクス技術スタックに基づいて開発を行っていると発表しました。Jetson Orin Nano 2のリリースにより、NVIDIAはロボットAIに基づくソフトウェア、ハードウェア、開発者エコシステムの拡大をさらに推進しています。Cognex, and Matic

ソフトウェア面では、Jetson Orin Nano 2はNVIDIAのロボット開発プラットフォームを引き続きサポートし、NVIDIAのCosmos、Nemotron、Gemma 4、Qwen 3などのモデルを含む、エッジデバイスのメモリ効率に最適化された大規模言語モデルおよびビジュアル言語モデルを実行できます。

これにより、開発者はクラウドサーバーに完全に依存することなく、比較的限られたハードウェアリソースで言語理解、視覚理解、および推論機能をロボット端末に直接デプロイできます。

ハードウェアエコシステムも同時に拡大しています。

NVIDIAは、Ergo、凌華科技、研華科技、Aetina、Antmicro、Aptiv、Connect Tech、Seeed Studioなどのパートナーが、Jetson Orin Nano 2を基にした載板、ハードウェアシステム、AIソフトウェア、およびリファレンスデザインを開発し、ロボットメーカーの製品開発および市場投入期間の短縮を支援していることを明らかにしました。

NVIDIAは、Jetson Orin Nano 2を最初に採用または検討している企業として、Cognex、Doosan Bobcat、Maticなどを挙げており、Wingもこのプラットフォームを評価する予定であると述べました。

より長期的な視点では、NVIDIAが構築しようとしているのは単一のロボットチップ事業ではなく、AIモデル、ソフトウェアツール、計算プラットフォーム、およびロボットエンドデバイスをカバーする完全なエコシステムである。

このモデルは、NVIDIAがデータセンターAI分野で築いた競争優位性と類似しています。ハードウェアの性能とソフトウェアエコシステムが相乗効果を生み、広大な開発者コミュニティによってプラットフォームの魅力がさらに拡大されます。

新製品は来年上半期に上市予定であり、商業的貢献はまだ実現していません。

ただし、Jetson Orin Nano 2は現在リリース段階にあり、実際の販売までにはまだ時間がかかります。

エヌビディアは、Jetson Orin Nano 2モジュールおよび開発キットが2027年上半年に上市される予定であると表明しました。したがって、新製品がエヌビディアの近況業績に直接貢献するかどうかはまだ見通せません。

製品レイアウトにおいて、NVIDIAはロボットおよび物理的AIの製品体制を段階的に整備しています。一方で、より高性能なロボット計算プラットフォームを通じて複雑なアプリケーション要件に対応し、他方でJetson Orin Nano 2のようなエントリーレベルプラットフォームを通じて、AI推論をコストと電力消費に敏感なエンドデバイスまでさらに拡大しています。

今後、小型言語モデルとビジュアル言語モデルの能力が引き続き急速に向上し、推論コストが継続的に低下する場合、ロボットやドローンなどのデバイスにおけるエッジ側のAI計算能力への需要はさらに拡大する可能性がある。

NVIDIAにとって、これは従来のデータセンターAI計算から、ロボットやドローンなどの現実世界デバイスの背後にあるAI「脳」への市場競争へと拡大していることを意味する。Jetson Orin Nano 2は、より広範なエンドマーケットへのさらに深い進出における重要な一歩である。