英伟达在官方博客上开设了一个介绍 Jetson 边缘 AI 与机器人平台的系列专题。首篇聚焦入门级的 Jetson Orin Nano Super 开发者套件，AI 算力为 67 TOPS，售价 249 美元（约 4 万日元）。随着软件更新把 AI 编程智能体引入开发流程，用一块巴掌大的板子做出机器人大脑的门槛正在持续降低。
装进手提包的机器人大脑
作为系列开篇，英伟达引用了 Sarah Guo 的一段视频。她是 AI 原生风险投资机构 Conviction 的创始人，也是 AI 播客 No Priors 的联合主持人。她把 Jetson Orin Nano Super 放进一只小型手提包，展示整套 AI 开发环境都能随身携带[1]。
抛开表现形式，英伟达想传达的内容很明确。Jetson 模组与开发者套件本就是为在教室、实验室和创客空间里驱动机器人与自主机器而设计的，只要有电源和一只包，随时随地都能开始开发[1]。
英伟达还给出了不同层级的适用人群。第一次做机器人项目的学生用 Jetson Orin Nano Super，把 AI 带进课程的教师用 Jetson AGX Orin，探索自主系统极限的研究人员用 Jetson AGX Thor[1]。英伟达表示，本周将以 Jetson Orin Nano Super 为起点陆续公开更多案例[1]。
Jetson Orin Nano Super 的硬件配置
Jetson Orin Nano Super 开发者套件的目标是在小型边缘设备上运行生成式 AI。AI 算力为 INT8 67 TOPS，相比此前的 40 TOPS 提升到 1.7 倍[2]。
GPU 采用英伟达 Ampere 架构，配备 1024 个 CUDA 核心与 32 个 Tensor 核心。CPU 为 6 核 Arm Cortex-A78AE v8.2（64 位），主频从 1.5GHz 提升至 1.7GHz。内存为 128 位的 8GB LPDDR5，带宽从 68GB/s 扩展到 102GB/s[2]。
售价为 249 美元（约 4 万日元），可通过英伟达授权的全球分销商购买[2]。值得注意的是，已经拥有旧款 Jetson Orin Nano 开发者套件的用户，仅通过软件升级就能获得同样的性能提升[2]。不用更换硬件就能从 40 TOPS 迈进 67 TOPS，作为一台常备的实验设备相当好用。
※1 美元 = 163 日元（截至 2026 年 7 月 28 日）
把开发工作交给 AI 智能体的 Jetson 技能
本次系列还提到了 Jetson Device Skills 与 Jetson BSP Skills。它们把 Jetson 专属的作业流程交给编程用的 AI 智能体，让边缘 AI 的构建、优化与部署更容易被托管出去[1]。
这些功能实际上包含在 2026 年 6 月发布的 JetPack 7.2 中。英伟达将其描述为可重复、可由智能体执行的操作说明，明确规定调用哪些工具、产出什么结果以及如何验证。目前提供三类技能：面向定制载板的 Jetson Linux 定制、覆盖从引导程序内存预留到用户空间的内存优化，以及用于确定推理配置的模型基准测试[3]。相关实现已在 GitHub 上公开[4]。
JetPack 7.2 还支持用一条命令部署 NemoClaw，这是在 OpenClaw 之上叠加隐私与安全控制的开源软件栈。在 Jetson Thor 上，它支持把 Blackwell GPU 划分为两个实例的 Multi-Instance GPU（MIG），其中一个分区（12 个 SM、1536 个 CUDA 核心）承担推理与渲染，另一个分区（8 个 SM、1024 个 CUDA 核心）负责机器人控制与安全监控[3]。
面向 Jetson AGX Orin 32GB 的 Super Mode 也一并加入。将 GPU 频率从 930MHz 提升到 1.3GHz，并把功耗上限放宽至 60W 之后，AI 算力从 200 TOPS 提升到 241 TOPS，增幅超过 20%[3]。在同一块板子上榨出更多性能，正是 Orin Nano Super 的思路，如今被推广到了更高端的模组。
已经跑起来的案例
英伟达也列举了基于 Jetson Orin Nano Super 的作品。让玩具尺寸电动车自主行驶的 SidewalkPilot，用自研 AI 模型自主完成了行驶操作[1]。
面向小型机器人 Reachy Mini Lite 的 Reachy Mini Jetson Assistant，则把处理语音与图像的助手完全放在设备端运行。GPU 加速同样在本地完成，运行时不需要云端、API 密钥，也不需要联网[1]。在网络不稳定的环境，或者不希望视频离开设备的场景中，这种取舍很有价值。
Coding with Lewis 的案例用开放权重的 Mistral 模型从零搭建了一台 AI 机器人[1]。这正好体现了在边缘侧运行的好处：模型选择不被特定云服务绑定。
用于学习的直播课程也已备齐。内容分为三个模块，分别是运行生成式 AI、构建智能体，以及把 VLM／VLA 模型用于现实世界的物理 AI，全部以在 Jetson 上操作为前提[1]。
总结
英伟达新开设的 Jetson 系列以 67 TOPS、249 美元（约 4 万日元）的 Jetson Orin Nano Super 开发者套件为起点，勾勒出从学生到研究人员的入门路径。GPU 为搭载 1024 个 CUDA 核心的 Ampere 架构，内存为 8GB LPDDR5，带宽 102GB/s。旧款套件的用户仅靠软件更新即可达到同样性能。再加上 JetPack 7.2 新增的 Jetson 智能体技能与一条命令部署 NemoClaw，边缘 AI 的原型开发比过去省力了不少。
来源[1]: https://blogs.nvidia.com/blog/build-ai-with-nvidia-jetson/
来源[4]: https://github.com/NVIDIA-AI-IOT/jetson-device-skills
