2070 Тфлопс в 130 ваттах: NVIDIA запихала дата-центр в коробку размером с книгу

NVIDIA переносит генеративный ИИ с облака в реальные машины: компания объявила о доступности модулей и девкита Jetson AGX Thor для серийного использования — от гуманоида и хирургического ассистента до промышленного робота на конвейере. Платформа рассчитана на локальную работу без постоянной опоры на дата-центры и тянет сразу несколько моделей ИИ в реальном времени.

В основе — графическая архитектура Blackwell. По паспорту Jetson Thor обеспечивает до 2 070 Тфлопс FP4-вычислений при энергопотреблении около 130 Вт и комплектуется 128 ГБ памяти. По сравнению с Jetson Orin заявлен прирост вычислительной мощности в 7,5 раза при 3,5-кратном выигрыше по энергоэффективности. Это критично для задач, где один робот одновременно «видит», «понимает» и «действует»: на устройстве параллельно исполняются крупные языковые и зрительные модели, а также связки класса vision-language-action — включая фирменную Isaac GR00T.

Под «физическим ИИ» в NVIDIA понимают машины, которые воспринимают обстановку, рассуждают и реагируют на неё в доли секунды, не теряя времени на сетевые задержки. Jetson Thor как раз для этого: локальная генерация и вывод без постоянного похода в облако. Отсюда и основные сценарии — гуманоидные платформы, промышленные манипуляторы , робототехника для точного земледелия, а также ассистенты в хирургии, где решение нужно принимать мгновенно.

Разработчикам доступен полный стек NVIDIA: симуляция и разработка в Isaac, видеоналитика в Metropolis, обработка потоков от датчиков в Holoscan. Совместимость со всем набором инструментов позволяет быстро собирать конвейеры — от обучения до развертывания на «железе».

К экосистеме уже подключились крупные игроки. В числе ранних пользователей — Amazon Robotics, Boston Dynamics и Caterpillar. Тестирование ведут John Deere, Meta, OpenAI и Medtronic. Для логистики это шанс ускорить внедрение автономных систем на складах; для тяжёлой техники — вынести принятие решений на борт машин в карьерах и на стройплощадках, экономя топливо и снижая брак; для медицины — обеспечить устойчивую работу ассистентов там, где сеть нестабильна или недоступна.

Jetson Thor заметно сдвигает планку для встраиваемого ИИ: производительности хватает, чтобы держать несколько генеративных моделей одновременно, энергобюджет укладывается в 130 Вт, а программная экосистема закрывает весь цикл — от симуляции до серийного развёртывания. Именно такой набор позволяет переносить сложные ИИ-рабочие нагрузки на край сети и запускать роботосистемы, способные самостоятельно ориентироваться в живом, непредсказуемом мире. Впрочем, важно помнить, что промышленные роботы требуют особого внимания к безопасности, особенно в условиях растущей конкуренции на рынке ИИ-технологий.