•
售價2萬5！輝達推出機器人“最強大腦”：AI算力飆升750%配128GB大記憶體，宇樹已經用上了
輝達直接把伺服器等級的算力塞進了機器人體內。
全新的機器人計算平台Jetson Thor正式發售，基於最新的Blackwell GPU架構，AI算力直接飆升到2070 TFLOPS，比上一代Jetson Orin提高至整整7.5倍，同時能效提高至3.5倍。
128GB的超大記憶體配置，在邊緣計算裝置裡是前所未有。
黃仁勳表示：
Jetson Thor助力全球百萬開發者建構可與物理世界互動、甚至改變物理世界的機器人系統。具備無與倫比的性能與能效，還能夠在邊緣裝置上同時運行多個AI模型。
作為一款卓越的超級電腦，Jetson Thor正在推動物理AI與通用機器人時代真正到來。
Jetson Thor基於Jetson軟體棧最佳化，支援所有流行的生成式AI框架和AI推理模型，包括主流語言模型Qwen、DeepSeek以及視覺語言動作模型到和視覺語言模型等。
Jetson AGX THOR開發者套件美國售價3499美元（約25000人民幣，但中國售價尚未公佈）。
T5000模組也已發售，購買1000片以上單價2999美元。
其中T5000模組是完整版，T4000模組則是為那些想從Orin升級的使用者準備的精簡版，功耗也從130W降到了75W。
性能爆表背後的技術細節
Thor的強悍不僅體現在AI算力上，人形機器人需要大量即時控制計算，需要CPU與AI算力同樣重要，儲存與頻寬方面也都得到了升級。
具體特性如下：
- GPU：Blackwell架構，最高2560個CUDA核/9個第五代Tensor Core，並支援MIG技術（多實例 GPU）將GPU資源按多工隔離與平行調度，適配平行多代理/多工作流場景。
- CPU：14核Arm Neoverse V3AE，面向即時控制與任務管理的確定性執行與更高吞吐，CPU性能相較前代顯著提升。
- 儲存與頻寬：128GB 256-bit LPDDR5X，273GB/s視訊記憶體頻寬，為大型Transformer推理與高並行視訊編解碼提供保障。
- 功耗：40–130W，支援從移動平台到固定式機器人多樣熱/功耗配置，開髮套件整合導熱板與風扇便於熱設計評估。
- 視訊編解碼：多路4K/8K編解碼能力顯著增強，有利於多攝並行與長時視訊代理推理。
- 網路與感測：最多4×25GbE，搭配高速攝影機解除安裝引擎與Holoscan Sensor Bridge，將相機、雷達、雷射雷達等資料以極低時延直送 GPU 記憶體，提升多感測器融合與高頻閉環控制的穩定性。
- I/O：開髮套件與量產模組提供 QSFP28、RJ45、USB 3.x、PCIe Gen5等介面，適配機器人感測/執行器與加速外設擴展
在軟體最佳化上，輝達也下了功夫。
Jetson Thor原生支援NVIDIA Isaac（模擬/開發）、Isaac GR00T（人形機器人基礎模型）、Metropolis（視覺 AI）、Holoscan（感測器工作流），支援從雲到邊緣統一開發/部署路徑。
通過FP4量化和推測解碼（speculative decoding）技術，在某些模型上能再獲得2倍的性能提升。
資料顯示，Thor能在200毫秒內給出第一個token響應，每秒能生成超過25個token，這個速度已經能支撐即時人機對話。
研華科技、Aetina、ConnectTech、米文動力、天准科技等正在打造具備量產條件的Jetson Thor系統，擁有靈活的輸入輸出介面、定製化配置，並能夠提供多種形態規格。
亞德諾半導體、e-con Systems、英飛凌、Leopard Imaging、RealSense、森雲智能等感測器與執行器企業，正將攝影機、雷達、雷射雷達等裝置的感測器資料，以超低延遲直接傳輸至Jetson Thor的 GPU記憶體中。
首批供應裡中國玩家佔多數
第一批採用Thor的公司裡，中國企業佔了很大比例。聯影醫療、萬集科技、優必選、銀河通用、宇樹科技、眾擎機器人和智元機器人等都已經開始整合這個新平台。
宇樹科技創始人王興興表示：“Jetson Thor帶來了計算能力的巨大飛躍，機器人更強的敏捷性、更快的決策制定以及更高的自主水平，這對於機器人在現實世界中實現導航與互動至關重要。”
銀河通用CTO王鶴則透露，他們的G1 Premium機器人在採用Thor後，運動速度和動作流暢性已經有了顯著提升。
此外波士頓動力正將Jetson Thor整合到其人形機器人Atlas，讓Atlas得以在裝置端搭載此前僅伺服器才具備的計算能力。
Agility Robotics計畫將Jetson Thor作為第六代Digit計算核心，在倉庫與製造環境中執行堆疊、裝載及碼垛等物流任務。
在演講中，輝達機器人與邊緣AI副總裁Deepu Talla提出了這樣的觀點：要真正實現物理AI和機器人，需要三台電腦協同工作。
第一台是用來訓練AI的DGX系統，第二台是用來在模擬環境中測試AI的Omniverse平台，第三台才是裝在機器人身上的”大腦”，也就是今天發佈的Jetson Thor。
他特別強調模擬測試這一步至關重要，因為模擬相比在真實物理環境中開發更快、更安全、更便宜。
而且這不是一次性的過程，即使機器人部署到現場後，這個訓練-模擬-部署的循環還會持續進行，不斷升級機器人的能力。 (量子位)