NVIDIA 在官方部落格開設了介紹邊緣 AI 與機器人平台 Jetson 的系列專題。首篇聚焦入門級的 Jetson Orin Nano Super 開發者套件，AI 運算效能為 67 TOPS，售價 249 美元（約 4 萬日圓）。隨著軟體更新把 AI 程式設計代理帶進開發流程，用一塊手掌大的板子做出機器人大腦的門檻正持續降低。
放得進手提包的機器人大腦
作為系列開場，NVIDIA 引用了 Sarah Guo 的一段影片。她是 AI 原生創投機構 Conviction 的創辦人，也是 AI Podcast 節目 No Priors 的共同主持人。她把 Jetson Orin Nano Super 放進一只小型手提包，展示整套 AI 開發環境都能隨身帶著走[1]。
撇開表現手法不談，NVIDIA 想傳達的重點相當明確。Jetson 模組與開發者套件原本就是為了在教室、實驗室與創客空間裡驅動機器人與自主機具而設計，只要有電源和一只包，隨處都能開始開發[1]。
NVIDIA 也說明了各層級的適用對象。第一次接觸機器人專案的學生使用 Jetson Orin Nano Super，把 AI 帶進課程的教師使用 Jetson AGX Orin，挑戰自主系統極限的研究人員則使用 Jetson AGX Thor[1]。NVIDIA 表示，本週將以 Jetson Orin Nano Super 為起點陸續公開更多案例[1]。
Jetson Orin Nano Super 的硬體規格
Jetson Orin Nano Super 開發者套件的目標，是在小型邊緣裝置上執行生成式 AI。AI 效能為 INT8 67 TOPS，相較先前的 40 TOPS 提升至 1.7 倍[2]。
GPU 採用 NVIDIA Ampere 架構，配備 1024 個 CUDA 核心與 32 個 Tensor 核心。處理器為 6 核心的 Arm Cortex-A78AE v8.2（64 位元），時脈從 1.5GHz 提高到 1.7GHz。記憶體為 128 位元的 8GB LPDDR5，頻寬從 68GB/s 擴大到 102GB/s[2]。
售價為 249 美元（約 4 萬日圓），可透過 NVIDIA 授權的全球經銷商購買[2]。值得注意的是，已經擁有舊款 Jetson Orin Nano 開發者套件的使用者，只要更新軟體就能取得同樣的效能提升[2]。不必更換硬體就能從 40 TOPS 走到 67 TOPS，作為常備的實驗機相當好用。
※1 美元 = 163 日圓（截至 2026 年 7 月 28 日）
把開發工作交給 AI 代理的 Jetson 技能
這次的系列還提到了 Jetson Device Skills 與 Jetson BSP Skills。它們把 Jetson 專屬的作業程序交給程式設計用的 AI 代理，讓邊緣 AI 的建置、最佳化與部署更容易委由代理處理[1]。
這些功能實際上包含在 2026 年 6 月釋出的 JetPack 7.2 之中。NVIDIA 將其描述為可重複、可由代理執行的操作說明，明確定義要呼叫哪些工具、產出什麼結果，以及如何驗證。目前提供三類技能：針對客製載板的 Jetson Linux 客製化、涵蓋從開機載入程式記憶體保留區到使用者空間的記憶體最佳化，以及用來決定推論設定的模型基準測試[3]。相關實作已在 GitHub 上公開[4]。
JetPack 7.2 另外支援以一行指令部署 NemoClaw，這是在 OpenClaw 之上加入隱私與安全控管的開源軟體堆疊。在 Jetson Thor 上，它支援把 Blackwell GPU 切分成兩個執行個體的 Multi-Instance GPU（MIG），其中一個分區（12 個 SM、1536 個 CUDA 核心）負責推論與繪圖，另一個分區（8 個 SM、1024 個 CUDA 核心）則負責機器人控制與安全監控[3]。
針對 Jetson AGX Orin 32GB 的 Super Mode 也一併加入。將 GPU 時脈從 930MHz 提高到 1.3GHz，並把功耗上限放寬到 60W 之後，AI 效能由 200 TOPS 提升至 241 TOPS，增幅超過 20%[3]。在同一塊板子上榨出更多效能，正是 Orin Nano Super 的作法，如今被延伸到更高階的模組。
已經實際運作的案例
NVIDIA 也列出了以 Jetson Orin Nano Super 打造的作品。讓玩具尺寸電動車自主行駛的 SidewalkPilot，以自製 AI 模型自主完成了行駛操作[1]。
為小型機器人 Reachy Mini Lite 打造的 Reachy Mini Jetson Assistant，則把處理語音與影像的助理完全放在裝置端執行。GPU 加速同樣在本機完成，執行時不需要雲端、API 金鑰，也不需要網路連線[1]。在網路不穩定的環境，或不希望影像離開裝置的用途上，這樣的取捨相當有價值。
Coding with Lewis 的案例則使用開放權重的 Mistral 模型，從零打造出一台 AI 機器人[1]。這正好體現了在邊緣端執行的好處：模型的選擇不會被特定雲端服務綁住。
供學習使用的直播課程也已備妥。內容分為三個模組，分別是執行生成式 AI、建構代理，以及把 VLM／VLA 模型帶進真實世界的實體 AI，全部以在 Jetson 上操作為前提[1]。
總結
NVIDIA 新開設的 Jetson 系列，以 67 TOPS、249 美元（約 4 萬日圓）的 Jetson Orin Nano Super 開發者套件為起點，勾勒出從學生到研究人員的入門路徑。GPU 為搭載 1024 個 CUDA 核心的 Ampere 架構，記憶體為 8GB LPDDR5、頻寬 102GB/s。舊款套件的使用者只要更新軟體就能達到同樣效能。再加上 JetPack 7.2 新增的 Jetson 代理技能與一行指令部署 NemoClaw，邊緣 AI 的原型開發比過去省事許多。
來源[1]: https://blogs.nvidia.com/blog/build-ai-with-nvidia-jetson/
來源[4]: https://github.com/NVIDIA-AI-IOT/jetson-device-skills
