不做消費終端了？輝達押注實體AI 推Jetson Orin Nano 2搶攻機器人大腦

輝達 (NVDA-US)周二(25日)宣布推出新一代入門級邊緣AI機器人電腦Jetson Orin Nano 2，進一步將生成式AI與即時推理能力導入機器人、配送與巡檢無人機及視覺AI系統。新產品在相同外形規格下，AI推理效能較前代提升2倍，若維持與前代相同效能，功耗可降低40%，顯示輝達正持續擴大實體AI與邊緣運算布局，搶攻機器人產業下一階段成長機會。

Jetson Orin Nano 2定位為入門級邊緣AI產品，核心規格包括78 TOPS AI運算效能、8GB記憶體及8核心Arm CPU。隨著AI模型持續縮小並提升效率，輝達希望讓原本需要部署於大型資料中心或高階運算平台的生成式AI與推理能力，進一步下放至體積有限、必須依賴電池供電的實體設備。

輝達機器人與邊緣AI副總裁Deepu Talla表示，現今中小型前沿AI模型的準確度，已達到去年最大型前沿模型的水準，因此為邊緣設備開啟即時智慧的新機會。Jetson Orin Nano 2的目標，就是讓數百萬名開發者能以更高的效能與能源效率，在邊緣端進行即時推理。

輝達指出，目前已有超過300萬名開發者採用其機器人軟硬體生態系統，機器視覺業者康耐視(Cognex)(CGNX-US)、工程與農業設備業者斗山山貓(Doosan Bobcat)(DOOSANBOBCAT-KS)，以及家用機器人公司Matic，已成為首批採用或評估Jetson Orin Nano 2的企業。輝達的生態系合作夥伴也正開發載板、硬體系統及參考設計，以協助客戶縮短產品上市時間。

從產品定位來看，Jetson Orin Nano 2並非取代高階機器人運算平台，而是補足入門與中階市場。人形機器人、服務機器人、巡檢無人機及工業視覺設備普遍面臨機身空間、散熱及電池續航限制，難以直接搭載高功耗的大型運算設備。新產品因此鎖定需要在本地端處理影像、語言及其他感測資料，並即時做出決策的應用場景。

這類邊緣AI架構的意義，在於降低設備對雲端連線的依賴。機器人可在本地端整合攝影機、感測器與其他輸入資料，進行環境辨識、語意理解與即時推理，即使網路環境不穩定，仍可維持部分自主運作能力。輝達表示，隨著推理模型效率提高，Jetson平台正成為部署Nemotron、Cosmos、Isaac GR00T及其他開源模型的重要實體AI硬體基礎。

值得注意的是，Jetson Orin Nano 2發布，也進一步凸顯輝達近年將AI版圖由雲端資料中心延伸至實體世界的策略。公司正逐步建立由資料中心GPU負責大型模型訓練、Jetson平台負責機器人與邊緣設備推理，再結合Isaac軟體與模擬工具、GR00T機器人基礎模型及Cosmos世界基礎模型的完整技術鏈。

其中，輝達2025年推出Isaac GR00T N1，定位為開放且可客製化的人形機器人基礎模型，結合推理與動作能力，加速人形機器人的開發。此後，公司持續擴大Isaac、Omniverse及相關模擬技術在機器人產業的應用，多家領先機器人開發商，包括Agility Robotics、Boston Dynamics、Figure AI及Franka Robotics等，均已採用輝達相關技術進行研發。

輝達的策略核心，並非親自打造所有類型的消費終端，而是試圖成為機器人產業的底層算力與軟體供應商。相較於直接投入掌上型遊戲機、個人AI硬體或其他消費電子整機市場，輝達現階段更大的優勢仍在於GPU、邊緣AI晶片、CUDA軟體生態、模擬平台及AI模型工具鏈。

這也意味著，輝達希望複製其在AI資料中心建立的產業地位。過去，輝達透過GPU、CUDA與完整軟體工具鏈，在大型AI模型訓練與推理市場形成強大生態系；如今，公司正嘗試將相同模式延伸至機器人領域，讓不同廠商自行開發機器人本體、感測器與應用，而輝達則提供運算模組、基礎模型及模擬與開發工具。

在此架構下，Jetson Orin Nano 2扮演的是擴大生態系底座的重要角色。高階人形機器人若需要處理高速移動、複雜全身控制或靈巧手操作，仍可能需要更高階的Jetson Thor等平台；但對於服務型、巡檢型或特定工業用途機器人而言，較低功耗與較低成本的Orin Nano 2，可望降低進入門檻，使更多新創公司、大學研究團隊及中小型開發商能夠部署生成式AI。

輝達官網目前也將Jetson Orin Nano 2與Jetson Thor並列為實體AI邊緣運算產品組合，前者主攻入門級市場，後者則瞄準更先進的機器人與邊緣AI工作負載。這種分層產品策略，讓公司能從開發者、教育與原型研發市場，一路延伸至大型商業與高階機器人應用。

不過，Jetson Orin Nano 2的推出也凸顯機器人產業面臨的另一項結構性問題。輝達提供從晶片、模擬軟體到基礎模型的完整工具鏈，確實能降低開發難度、加快產品迭代，但隨著更多機器人企業採用Jetson與CUDA生態，產業對輝達平台的依賴也可能持續提高。

尤其在人形機器人產業快速發展之際，算力平台已成為影響整機成本與研發速度的重要環節。高階運算平台可提供更強大的AI推理能力，但也提高硬體成本與能源需求；入門級平台則可降低成本，卻無法滿足所有複雜控制工作。Jetson Orin Nano 2的角色正是在兩者之間，將更多中小型實體AI應用納入輝達生態系。

近期全球機器人產業的發展，也強化了輝達加速布局實體AI的理由。市場正從早期展示型人形機器人，逐步轉向探討感知、推理、世界模型、模擬訓練與實際部署的整合。業界近期亦預期，具身AI模型未來幾年可能迎來類似生成式AI爆發的技術突破，但大規模商業化仍將受到訓練資料、成本、安全性與實際可靠度等因素制約。

因此，對輝達而言，Jetson Orin Nano 2不只是一款規格升級的邊緣運算產品，更是將AI從資料中心與螢幕延伸至機器人、無人機及各類智慧設備的重要一步。當AI模型持續變得更小、更有效率，未來能在本地端執行即時推理的設備數量可望快速增加，機器人產業也可能成為繼資料中心之後，輝達下一個長期成長的重要市場。