NVIDIA Jetson将智能体AI带入物理世界

智能体AI正在走向现实。

在COMPUTEX展会上，NVIDIA宣布NVIDIA JetPack 7.2和NVIDIA NemoClaw正式支持Jetson平台。

JetPack 7.2带来了智能体AI技能、Yocto项目支持、NVIDIA Jetson Orin上的NVIDIA CUDA 13、Jetson AGX Orin 32GB模块的显著性能提升，以及NVIDIA Jetson Thor上的多实例GPU（MIG）支持。

此次发布恰逢GTC台北"Build-a-Claw"活动，将GTC圣何塞的热门动手实践活动带到了台湾这一全球顶尖技术中心之一。

此次发布将NVIDIA的智能体AI框架NemoClaw引入生产级Jetson技术栈，使智能体AI从服务器和工作站走向物理世界，覆盖机器人、检测和工业自动化等领域。

NVIDIA机器人与边缘计算副总裁Deepu Talla表示："智能体AI已经到来，Jetson的可编程性和高性能使开发者能够在边缘端即时部署生产级物理AI智能体。借助专为智能体开发和工作流程构建的技能，开发者可以加速产品上市、降低总体拥有成本并实现规模化部署，这一切都基于一个内存优化平台。"

Jetson已是一个多代平台，涵盖Orin、Thor等系列，为机器人、自主系统、工业检测和医疗设备中的边缘AI提供支持。JetPack 7.2在此基础上持续演进，NemoClaw则进一步扩展了其能力边界。

本次发布涵盖三个层级：底层是JetPack 7.2，负责操作系统、计算和确定性性能；中间层是新增的智能体技能，用于自动化开发者任务；顶层则是NemoClaw。

JetPack 7.2为Jetson软件基础带来重大升级。基于Yocto的操作系统支持为工业客户提供了更精简、可定制性更强的Linux基础，这对内存受限的部署场景尤为重要。Jetson Orin上的CUDA 13将最新计算栈引入现有设备。Jetson Thor上的MIG加实时内核使开发者能够为确定性工作负载（如不能因无关AI推理而暂停的机器人感知系统）预留专用GPU资源。Jetson AGX Orin 32GB的AI算力也得到提升，达到241 TOPS，较原始规格提升20%。

中间层的智能体技能加速了Jetson系统的构建工作，现已涵盖Linux定制、内存优化、模型基准测试等开发者任务。这些技能基于NVIDIA文档和设计指南开发，可作为智能体可部署技能使用。最终效果是：原本需要数周完成的任务如今数天即可解决。

在顶层，NemoClaw只需一条命令即可部署到Jetson。这一组合将智能体AI落地于生产级机器人和视觉AI技术栈，加速工业系统的任务自动化。开发者还可借助NVIDIA Metropolis VSS蓝图技能进一步扩展，添加能够观察、理解并响应所见内容的视觉推理智能体。

Jetson平台已在机器人、工业自动化、无人机、医疗设备、农业机械、人形机器人系统等众多领域实现落地部署。

Solomon利用NVIDIA NemoClaw在人形机器人上协调AI智能体，将推理、感知、传感器融合、运动和操作整合到单一工作流程中。借助由NVIDIA开源基础模型驱动的主动感知技术，机器人能够理解任务、优化抓取定位并动态适应，从而在复杂环境中实现可靠的自主运行。

研华科技正在其自有制造设施中构建和部署基于智能体的工厂大脑，利用NVIDIA NemoClaw、NVIDIA Nemotron 3和NVIDIA Jetson Thor实现AI原生运营。该平台实现了机器人集群管理自动化、智能缺陷检测和自主决策，推动下一代工业运营发展。

Rebotnix为智慧城市打造具备智能体推理能力的摄像头，助力更快的城市级决策。

Spingence构建制造缺陷智能体，通过分析和知识推理识别根本原因并提出流程改进建议。

ANIWEAVE与Avalanche Computing合作，借助AI驱动的对话智能体将房地产空间转化为沉浸式3D看房体验。

SandStar利用NVIDIA Jetson Orin NX和NemoClaw，为AI自动售货机和智慧零售运营提供支持，覆盖30多个国家，融合AI视觉、大语言模型驱动的交互、标准操作规程监控和门店优化。通过实现近40%的内存优化，SandStar将设备从16GB迁移至8GB，在保持高性能的同时大幅降低了部署成本。

NoTraffic开发了AI驱动的智能交通管理系统，能够分析实时交通状况并动态优化信号灯运行。该公司通过静态编译和针对性内核裁剪优化了CUDA库开销，将内存使用量减少了29%，提升了效率并简化了感知栈，实现更快的实时推理。

GROOVE X（LOVOT陪伴机器人的制造商）正在Jetson模块上使用多种AI加速器，以分担CPU和GPU工作负载并减少内存占用。

Hexagon Robotics正在集成NVIDIA Jetson Thor，通过实时AI、高速传感器处理和多模态数据融合，为人形机器人赋予更强的安全性和自主能力。结合基于Yocto的操作系统定制以提升可复现性和安全性，这些人形机器人在制造、物流和建筑等高要求环境中运行更加可靠。

Zipline在其自主配送无人机中使用NVIDIA Jetson Orin NX，实现实时传感器融合、环境感知和安全导航，为全球用户提供快速的医疗、食品和零售配送服务。Zipline使用Yocto构建其定制操作系统，该系统专为高性能机载AI处理而设计，同时兼顾可靠性、效率和更低的内存占用。

1X（Neo人形机器人制造商）和Universal Robots正计划在其生产部署中采用基于Yocto的JetPack 7.2。

Balena、Konsulko Group、Neurealm、Peridio、RidgeRun和Wind River提供Linux发行版产品、工程服务和长期支持，帮助客户更快速地完成生产级Yocto部署。

AAEON、华硕、Avermedia、Connect Tech和YUAN已验证Yocto操作系统与其生产边缘计算系统的兼容性，以加速客户部署。

NemoClaw起步于数据中心，如今已运行于零售门店、工厂车间的人形机器人以及繁忙路口的交通系统中。物理AI智能体的时代正式开启。

开发者可访问Jetson软件页面，开启智能体AI之旅。

Q&A

Q1：NVIDIA JetPack 7.2带来了哪些主要更新？

A：JetPack 7.2带来了多项重要升级：新增基于Yocto的操作系统支持，为工业客户提供更精简可定制的Linux基础；引入CUDA 13支持Jetson Orin设备；在Jetson Thor上支持MIG加实时内核，可为确定性工作负载预留专用GPU资源；Jetson AGX Orin 32GB的AI算力提升至241 TOPS，较原规格提升约20%。此外还新增了智能体技能层，涵盖Linux定制、内存优化、模型基准测试等开发任务自动化能力，大幅缩短开发周期。

Q2：NemoClaw是什么？它和Jetson平台有什么关系？

A：NemoClaw是NVIDIA的智能体AI框架，原本运行于数据中心环境。通过此次更新，NemoClaw可通过一条命令直接部署到Jetson平台，将智能体AI能力延伸到边缘端的物理世界，包括机器人、工业自动化和智慧城市等场景。开发者还可结合NVIDIA Metropolis VSS蓝图技能，添加具备视觉推理能力的智能体，实现观察、理解和响应现实环境的完整闭环。

Q3：目前有哪些企业已经在用Jetson平台做实际部署？

A：已有多家企业基于Jetson平台实现了落地应用。Solomon用NemoClaw协调人形机器人上的AI智能体；研华科技正在自有工厂部署智能体工厂大脑；SandStar利用Jetson Orin NX驱动覆盖30多个国家的AI智能零售系统，并将设备内存从16GB降至8GB；NoTraffic开发了智能交通管理系统，内存使用量减少29%；Zipline则在自主配送无人机中使用Jetson Orin NX实现实时导航与传感器融合。