NVIDIA hat heute offiziell die neuen Module Jetson T3000 und T2000 auf Basis der Thor-Architektur vorgestellt, um den Bedarf an kompakten, energieeffizienten KI-Edge-Berechnungsplattformen zu decken, der beim Übergang von universellen Robotern und autonomen Systemen vom Labor in die Massenproduktion entsteht. Diese beiden Neuheiten erweitern das NVIDIA-Jetson-Produktportfolio weiter und bieten Entwicklern flexible Optionen von Einsteiger- bis High-Performance-Klassen. Das Jetson T3000 ist mit einer NVIDIA Blackwell-GPU, einem achtkernen Arm-Neoverse-CPU sowie 32 GB LPDDR5X-Speicher mit einer Bandbreite von 273 GB/s ausgestattet und unterstützt Hochgeschwindigkeitsnetzwerkverbindungen über 25 GbE. Es bietet eine Rechenleistung von 865 FP4-TFLOPS für künstliche Intelligenz. Seine Abmessungen und sein Energieverbrauch betragen etwa die Hälfte des Flaggschiffs T5000, während es bei multimodalen Inferenzaufgaben wie Large Language Models, Vision-Language-Modellen, Visual-Language-Action-Modellen und World Foundation Models ähnliche Leistungswerte wie das T5000 erzielt. Für Anwendungsszenarien, die funktionale Sicherheit erfordern, integriert das IGX T3000 unter Beibehaltung dieser Leistungsstufe Funktionen zur funktionalen Sicherheit und kann das vollständige Sicherheitsstack „Halos for Robotics“ nahtlos ausführen, wodurch sichergestellt wird, dass Roboter sicher neben Menschen arbeiten können. Für breitere Edge-KI-Systeme liefert das Jetson T2000 eine Rechenleistung von 400 FP4-TFLOPS und verfügt über 16 GB Speicher, was es für die Entwicklung intelligenter Edge-Geräte wie visuelle KI-Agenten, autonome mobile Roboter und industrielle Roboterarme geeignet macht. Damit hat die NVIDIA-Jetson-Plattform nun eine vollständig skalierbare Produktmatrix im Bereich der Edge-KI aufgebaut, deren Reichweite von 70 TOPS bis hin zu 2000 TFLOPS reicht und nahezu jede Art von Edge-KI-Workload abdecken kann. Zusätzlich zum Hardwareupdate veröffentlichte NVIDIA auch Jetson Agent Skills, welche den Optimierungszyklus des Softwarestacks durch automatisierte Speicheroptimierung, Systemkonfiguration und Bereitstellungsprozesse von mehreren Wochen auf wenige Tage verkürzen. Diese Funktion half bereits zahlreichen Unternehmen dabei, ihre Speicherkosten erheblich zu senken: So sparten UBTech und Agile Robots dank softwareseitiger Optimierung bis zu 15 GB Speicherplatz und migrierten dadurch von Modulen mit 64 GB (Jetson AGX Orin) zu solchen mit 32 GB; das Einzelhandelsunternehmen SandStar konnte vier Gigabyte einsparen und setzte seine Lösung daher auf dem 8-GB-Modul Orin NX ein; NoTraffic reduzierte seinen Speicherverbrauch auf TX2 NX um 30 Prozent und schaffte so Platz für neue AI-Funktionen. Im Bereich der Foundation Models führte NVIDIA Cosmos 3 Edge – ein leichtgewichtiges Welt-Grundmodell mit vier Milliarden Parametern – in die Thor-Plattform ein. Entwickler können mithilfe des offenen Cosmos-Rahmens innerhalb eines Tages ein nachgelagertes Training (Post-Training) für spezifische Anwendungen durchführen und Echtzeit-Visionanalyse sowie roboterspezifisches Strategie-Inferencing am Gerät auf Jetson Thor realisieren. Derzeit steht Entwicklern die Jetson AGX Thor Developer Kit zur Verfügung, wobei Simulationsmodi für das T3000 Ende dieses Monats zusammen mit JetPack 7.2.1 freigeschaltet werden sollen; entsprechende Simulationsoptionen für das T2000 folgen später. Die beiden neuen Module sind voraussichtlich im ersten Quartal 2027 kommerziell erhältlich. Zahlreiche Ökosystempartner wie ADLINK, Advantech und Antai International haben bereits Lösungen basierend auf Thor eingeführt, und Softwarekooperationspartner unterstützen Kunden ebenfalls bei Migrationen mittels Simulation und Migrationshilfen. Während physikalische KI und Embodied Intelligence zunehmend in Mainstream-Anwendungen vordringen, bietet die neuartige Thor-Rechnerplattform Entwicklern eine solide Grundlage für skalierbare Implementierungen intelligent humanoider Roboter und autonomer Systeme in realen Umgebungen.