为加速自主机器发展,英伟达发布了Jetson AGX Thor,这是专为机器人和物理设备设计的最强大嵌入式AI计算机。这款全新"机器人大脑"显著提升了板载计算能力,相比当前的Jetson AGX Orin模块,AI性能提升高达7.5倍,能效提升3.5倍。借助Jetson Thor,原本依赖云处理或多芯片的机器人现在能够在单个紧凑模块上实现实时感知和决策。亚马逊仓储机器人部门和波士顿动力等早期采用者已开始集成Thor,旨在打造更智能、更独立的机器。
**及时的产品发布**
Jetson Thor平台的推出正值市场对能够在不可预测环境中处理复杂任务的机器人需求激增之际。英伟达宣布Jetson AGX Thor开发套件将于2025年8月正式上市,定位为推动"跨行业数百万机器人"发展的核心,涵盖物流、零售、农业和医疗等领域。Jetson Thor成为下一代物理AI的基石,即嵌入在机器人和自动驾驶车辆等物理系统中的AI。
通过提供前所未有的设备端计算能力,Thor解决了机器人技术的最大障碍之一:实现与物理世界的实时智能交互。企业关注这一技术是因为它能够释放新的自动化和效率潜力。例如,工厂机器人可以同时进行视觉产品检测、理解语音指令并与其他机器协调,所有处理都无需云端支持。这种自主水平此前难以实现。得益于Jetson Thor,标准再次提升。采用该技术的组织可凭借更强大的机器人显著领先,而未采用者可能在自动化进程竞赛中落后。
**Jetson Thor的技术突破**
Jetson Thor体积约为小型教科书大小,却拥有曾经只有数据中心才具备的计算能力。它搭载英伟达最新的Blackwell GPU架构和14核Arm CPU,集成在专为边缘部署而构建的模块化系统中。该模块在130W功耗包络内提供高达2,070 FP4万亿次浮点运算的AI计算能力,有效地将服务器级AI算力压缩到适合机器人和自主机器的外形规格中。
简单来说,它每秒可执行约2千万亿次运算,这要归功于新的低精度数学技术,相比前代Jetson AGX Orin的约0.25千万亿次运算(275 TOPS)实现了巨大飞跃。该设备配备128GB高速LPDDR5x内存(是Orin容量的两倍),支持25 Gbps以太网和PCIe Gen5等高带宽I/O,使机器人能够实时接收和处理大量传感器数据。
关键在于,Thor的提升不仅仅是原始速度,更在于并发处理能力。该设计允许多个先进AI模型同时运行而不会过度消耗资源。其GPU甚至可以分区为并行实例,同时为不同任务分配计算资源。这意味着单个Thor模块可以并行处理机器人的视觉处理、自然语言理解和运动规划,而早期系统会在此方面表现吃力或需要多个单元。相比Jetson AGX Orin的12核CPU和64GB RAM,Thor的14核和128GB内存,结合新的GPU,代表了一代能力飞跃,尽管需要权衡更高的功耗(最高约120-130W,大约是Orin最大功耗的两倍)。
**市场格局与英伟达优势**
Jetson Thor的推出将重塑机器人计算的竞争格局。英伟达的Jetson平台已在高端机器人和自主机器开发领域占据主导地位,拥有超过200万开发者生态系统,超过7000家公司使用基于Orin的模块。
Thor在少有替代方案能匹敌其性能和成熟度的时刻进一步扩大了这一领先优势。英特尔或高通等竞争对手的边缘AI产品目前运行规模要小得多。即使是汽车级芯片或AI加速器也无法在单个模块中提供如此集成的计算水平。此外,英伟达将硬件与软件栈紧密结合的策略,加上CUDA工具包的广泛采用,为竞争对手设置了高门槛。
早期行业领导者的采用进一步强化了这一优势——卡特彼勒(重型设备)、美敦力(手术机器人)和亚马逊机器人等公司已签约使用Thor,表明市场对英伟达方案的信心。
Q&A
Q1:Jetson Thor相比前代产品有哪些核心提升?
A:Jetson Thor相比Jetson AGX Orin在AI性能上提升了7.5倍,能效提升3.5倍。它搭载最新Blackwell GPU架构和14核CPU,内存翻倍至128GB,能够在单个模块上同时运行多个先进AI模型,实现视觉处理、自然语言理解和运动规划的并行处理。
Q2:Jetson Thor适合哪些类型的机器人应用?
A:Thor最适合有充足电池或电力供应的机器人,如自动驾驶车辆、工厂机器人、配送机器人等。它特别适合需要处理复杂任务的场景,比如工厂机器人同时进行视觉检测、理解语音指令并与其他机器协调,而不是小型无人机或物联网传感器。
Q3:Jetson Thor的价格和上市时间如何?
A:Jetson AGX Thor开发套件定价3499美元,体现了其企业级定位。英伟达宣布该产品将于2025年8月正式上市,目标是推动跨行业数百万机器人的发展,覆盖物流、零售、农业和医疗等多个领域。
好文章,需要你的鼓励
Anthropic对用户数据处理政策进行重大调整,要求所有Claude用户在9月28日前决定是否允许其对话数据用于AI模型训练。此前该公司不使用消费者聊天数据进行模型训练,现在希望利用用户对话和编程会话来训练AI系统,未选择退出的用户数据保留期将延长至五年。新政策适用于Claude免费版、专业版和最高版用户,但不影响企业客户。
谷歌DeepMind团队开发了过程监督强化学习技术,让AI学会像人类一样进行复杂推理。该方法不仅关注最终答案,更重视推理过程中每一步的合理性。在数学推理测试中,AI准确率从41%提升至73%。这项技术为AI在教育、科研、医疗等领域的应用开辟了新可能,让AI决策过程更加透明可信。
OpenAI和微软发布了两款新的语音人工智能模型。OpenAI的gpt-realtime被称为其最强语音模型,可生成更自然的语音并能在句中改变语调和语言。微软推出的MAI-Voice-1模型已集成到Copilot助手中,具有高硬件效率,单个GPU即可在一秒内生成一分钟音频。两家公司还发布了MAI-1-preview模型,采用专家混合架构提高效率。
上海AI实验室等机构联合研究开发的InMind框架,通过阿瓦隆社交推理游戏测试AI是否能理解和模仿人类个性化推理风格。研究发现,尽管GPT-4o等先进模型在基础任务表现良好,但在理解个性化推理方面仍有明显不足,大多依赖词汇相似性而非深层推理模式。DeepSeek-R1等推理优化模型展现出更好潜力,为开发更懂人心的AI系统指明了方向。