算力直追 T5000、体积减半！Jetson Thor 重塑人形机器人边缘计算新标准

物理 AI 浪潮下，边缘机器人面临算力与内存双重瓶颈

机器人行业正迎来关键拐点：设备从预设程序驱动的专用机械，进化为由大语言模型（LLM）、视觉语言模型（VLM）、视觉语言动作模型（VLA）驱动的自适应自主智能体，也就是物理 AI系统。新一代机器人依靠自然语言交互、物理环境感知、轨迹预测、自主推理完成复杂作业，人形机器人、工业机械臂、自主移动机器人、无人机、智能交通设备均在此浪潮中快速落地。

但边缘部署存在难以绕开的硬性约束：机器人有效载荷、电池容量、散热空间有限，单纯提升裸算力无法解决落地难题，内存资源短缺成为制约大模型、多模型并发运行的核心痛点。开发者亟需兼顾高性能、小体积、低功耗、低成本的边缘计算硬件，以及一套轻量化、自动化的内存优化开发工具链。

为此，NVIDIA 正式推出两款全新 Jetson Thor 主流模组 ——T2000 与 T3000，同步发布 JetPack 7.2 配套Jetson Agent Skills 智能体开发套件，从硬件算力底座与软件优化工具两端，打通主流机器人与边缘 AI 的开发、调优、规模化部署全流程。

全新 Jetson Thor T2000/T3000：Blackwell 架构重塑主流边缘算力标准

两款新品均搭载旗舰级 Blackwell 数据中心 GPU 核心，采用与 Orin Nano 一致的信用卡级小巧外形，补齐 Jetson 产品矩阵中 “中端主流” 算力空白，实现从入门级到旗舰级完整可扩展平台覆盖，整体算力区间覆盖 70 TOPS 至 2000+ FP4 TFLOPS，适配全场景边缘 AI 需求。

1. 核心硬件规格对比

Jetson Thor T3000FP4 算力 865 TFLOPS，搭载 1536 个 Blackwell GPU 核心、8 核 Arm Neoverse CPU；标准功耗 70W；配备 32GB 256bit LPDDR5X 内存，带宽达 273GB/s，与旗舰 T5000 内存规格完全持平。性能亮点：体积、功耗仅为 T5000 一半，在主流生成式 AI 模型推理中实现与 T5000 同级性能，大幅降低高端多模态机器人硬件成本；同时推出集成功能安全的 IGX 版本，无缝运行 NVIDIA Halos 机器人安全全栈，适配人机协同工业机器人、人形机器人等高安全需求场景。

Jetson Thor T2000FP4 算力 400 TFLOPS，搭载 1024 个 Blackwell GPU 核心、6 核 Arm CPU；标准功耗 40W；配备 16GB 128bit LPDDR5X 内存。定位升级：算力是 Orin Nano 的 5-6 倍，外形尺寸完全兼容 Orin Nano 载板，面向轻量化自主移动机器人、视觉检测设备、小型智能终端，平衡算力、功耗与成本。

2. 完整 Jetson 产品分层与适用场景

入门级（Orin Nano）：70 TOPS 以内算力，低功耗、极简体积，适用于单路视觉识别、简单传感采集等轻量 AI 任务；产品持续迭代，不会被 Thor 系列替代，形成高低搭配。

主流级（T2000/T3000）：本次新品核心定位，填补 Orin NX 与旗舰 Thor 之间的算力缺口，覆盖绝大多数商用机器人、边缘多模态 AI 项目，是规模化量产首选。

旗舰级（T4000/T5000）：超高算力与超大内存，面向高端人形机器人、复杂工业多传感器集群、重载自主设备。

3. 硬件核心优势

统一软件生态无缝迁移：全系列兼容 NVIDIA 完整 AI 软件栈，开发者可先用 Jetson AGX Orin 完成软件仿真开发，后期直接迁移至 T2000/T3000，无需大规模重构代码；搭配 MIG 多实例 GPU 技术，可对内存、算力分区调度，同时并发运行 VLM、语音、运动控制等异构模型。

紧凑低功耗适配机器人载荷：同 Orin Nano 外形，轻量化机身完美适配无人机、人形机器人、小型机械臂等对重量、空间敏感的设备，大幅降低整机结构设计难度。

规模化成本优势：同等推理性能下，可选用更低内存规格模组，结合软件内存优化能力，帮助客户直接下调硬件采购档位，缩减整机 BOM 成本。

JetPack 7.2 配套 Jetson Agent Skills：用 AI 智能体一键解决内存瓶颈

硬件算力释放的同时，NVIDIA 推出 JetPack 7.2 软件套件，核心创新Jetson Agent Skills，将代码助手（Claude、Cursor、CodeX 等）转化为专业 Jetson 开发工具，自动化完成内存审计、推理调优、系统裁剪、应用部署，解决边缘设备内存不足、开发门槛高两大痛点。

1. 两大核心技能体系

Jetson Device Skills（设备开发技能）面向直接在模组上开发 AI 应用的开发者，内置 9 大自动化工具：内存审计、无图形界面切换、推理内存调优、设备信息诊断、大模型部署模板、性能跑分等。

内存审计：自动统计 GPU 显存、系统内存占用，定位 GUI 桌面、冗余后台进程等内存消耗大户；切换无头模式可释放近 800MB 内存；

推理自动调优：根据硬件内存规格推荐最优推理引擎 ——Orin Nano 适配 llama.cpp，Thor 系列可直接使用 vLLM，自动生成 NVFP4/4bit 量化部署方案，模型内存占用可从 6.6GB 压缩至 2.2GB；

多模型并发适配：支持语音转文字、人脸追踪、Cosmos 世界模型、TTS 语音合成等多任务同时运行，规避 OOM 内存溢出报错。

Jetson BSP Skills（底层板级开发技能）面向硬件载板定制开发者，自动完成内核、电源、I/O、风扇驱动配置，将数周的底层开发工作缩短至数小时，加速硬件产品化落地。

全行业落地场景：T2000/T3000 覆盖主流机器人与边缘 AI 需求

两款 Thor 模组适配绝大多数商用物理 AI 设备，选型核心取决于模型复杂度、传感器数量、实时性需求：

Jetson T2000 适用场景小型自主移动机器人、仓储 AGV、单目视觉检测设备、小型巡检无人机、零售智能识别终端、轻量化教育人形机器人；40W 低功耗适配电池供电设备，平衡算力与续航。

Jetson T3000 适用场景多传感器人形机器人、多机械臂工业工作站、多路视觉融合检测、户外重型巡检机器人、医疗辅助机器人；32GB 超大内存带宽稳定运行多模态基础模型，70W 功耗兼顾高性能与散热控制，IGX 版本满足工业功能安全认证需求。

选型建议项目初期可先用 Orin Nano 开发套件验证算法；若多模型并发、大 VLM 推理存在内存压力，升级至 T2000；若需 20 路以上传感器、复杂世界模型推理、人机协同安全认证，直接选用 T3000；超高算力重载场景再考虑旗舰 T5000。

总结：软硬件协同，推动物理 AI 规模化普及

Jetson Thor T2000 与 T3000 填补了主流边缘机器人的算力空白，以 Blackwell 旗舰 GPU、小体积低功耗、T5000 同级推理性能，解决硬件端算力、内存、成本三大约束；而 JetPack 7.2 搭载的 Jetson Agent Skills，以 AI 自动化开发工具链，大幅降低内存优化、多模型部署的技术门槛。

软硬一体方案实现两大核心价值：一是更小硬件承载更大 AI 模型，二是现有设备无需升级硬件即可通过软件释放更多算力内存。无论是初创企业开发轻量化机器人，还是大厂推进人形机器人、工业边缘 AI 规模化量产，全新 Jetson Thor 平台都能提供兼顾性能、成本、开发效率的完整解决方案，加速物理 AI 从实验室走向真实世界。