NVIDIA präsentiert neue Jetson Thor Module für Robotik und Edge KI

Die fortschreitende Entwicklung im Bereich der Robotik und Künstlichen Intelligenz (KI) stellt Unternehmen vor die Herausforderung, leistungsstarke und zugleich energieeffiziente Lösungen für den Einsatz am Rande des Netzwerks (Edge AI) zu finden. NVIDIA reagiert auf diese Marktanforderungen mit der Einführung der Jetson Thor T3000- und T2000-Module, die darauf abzielen, die Kosten- und Energieeffizienz für Foundations-Modelle in der Robotik zu optimieren.

NVIDIAs Strategie für den Massenmarkt der Robotik

Die Robotertechnik bewegt sich zunehmend von Forschungslaboren hin zu breiten kommerziellen Anwendungen. Dies erfordert kompakte, energieeffiziente KI-Supercomputer, die Foundations-Modelle direkt am Einsatzort ausführen können. NVIDIAs Jetson AGX Thor-Familie findet bereits Anwendung in fortschrittlichen Robotikprogrammen bei Unternehmen wie 1X, Agile Robots, Amazon Robotics, Boston Dynamics, FANUC, Hitachi und Techman Robot. Die neuen T3000- und T2000-Module erweitern diese Produktlinie, indem sie Lösungen mit geringerem Platzbedarf und optimiertem Speicherbedarf anbieten, die speziell auf die Anforderungen von Robotikprogrammen im Massenmarkt zugeschnitten sind.

Technische Spezifikationen und Leistungsmerkmale

Der Jetson Thor T3000 ist darauf ausgelegt, 865 FP4 Teraflops an KI-Rechenleistung bereitzustellen. NVIDIA gibt an, dass dieses Modul etwa die Hälfte der Größe und des Stromverbrauchs des bestehenden T5000-Moduls aufweist. Es kombiniert eine NVIDIA Blackwell GPU mit einer Acht-Kern Arm Neoverse CPU, 32 GB LPDDR5X-Speicher, einer Speicherbandbreite von 273 GB/s und 25-GbE-Konnektivität.

Eine sicherheitsorientierte Variante, der IGX T3000, bietet die gleiche Rechenleistung und zusätzlich integrierte funktionale Sicherheit sowie NVIDIAs Halos for Robotics-Stack. Dieser Stack ist für Maschinen konzipiert, die in der Nähe von Menschen operieren, und unterstützt Integratoren bei der Einhaltung von Sicherheitsvorschriften.

Trotz des kleineren Formfaktors soll der T3000 eine ähnliche Inferenzleistung wie der T5000 bei multimodalen Workloads, einschließlich großer Sprachmodelle (LLMs), visueller Sprachmodelle (VLMs) und Welt-Grundlagenmodelle, erreichen. Diese Entwicklung wird als wichtiger Schritt zur Kostenreduzierung angesichts steigender Speicherpreise betrachtet.

Der T2000 ist unterhalb des T3000 positioniert und bietet 400 FP4 Teraflops sowie 16 GB Speicher. NVIDIA positioniert ihn als Einstiegspunkt für Entwickler von visuellen KI-Agenten, autonomen mobilen Robotern und industriellen Manipulatoren, bei denen die volle Spezifikation des T3000 nicht erforderlich oder kosteneffizient ist.

Die gesamte Jetson-Reihe deckt nun einen Leistungsbereich von 70 TOPS bis zu 2.000 Teraflops ab, was Entwicklern ermöglichen soll, die meisten Edge-KI-Workloads mit einer einzigen Softwarebasis zu adressieren.

Speicheroptimierung durch "Jetson Agent Skills"

Parallel zur Hardware-Einführung hat NVIDIA "Jetson Agent Skills" veröffentlicht. Dies sind automatisierte Tools zur Optimierung der Speicherkonfiguration und -bereitstellung über das gesamte Jetson-Portfolio, einschließlich der Thor- und älteren Orin-Linien. NVIDIA zufolge ermöglichen diese Tools Entwicklern, Speichereinsparungen in Tagen statt Wochen zu erzielen.

Kunden, darunter UBTech und Agile Robots, konnten in Zusammenarbeit mit Connect Tech den Speicherverbrauch um bis zu 15 GB reduzieren, indem sie von einem 64-GB-Modul des Jetson AGX Orin auf eine 32-GB-Konfiguration wechselten. SandStar berichtet von einer Reduzierung um 4 GB in einer Smart-Retail-Anwendung, wodurch der Betrieb auf einem 8-GB-Orin-NX-Modul anstelle von 16 GB möglich wurde. GROOVE X, Hersteller des LOVOT-Begleitroboters, nutzte Jetson’s heterogene KI-Beschleuniger, um Workloads neu zu verteilen und eine Konfiguration mit geringerem Speicherbedarf zu erreichen. NoTraffic meldet eine 30-prozentige Speicherreduzierung auf Jetson TX2 NX, was Kapazitäten für zusätzliche KI-Funktionen freisetzt.

Diese von Partnern gemeldeten Zahlen basieren auf kontrollierten Optimierungsläufen. Unternehmen, die eine Herabstufung ihrer SKU in Betracht ziehen, sollten eigene Validierungszyklen durchführen, um sicherzustellen, dass die Leistung auch unter realen Einsatzbedingungen stabil bleibt.

Cosmos 3 Edge: Foundations-Modelle direkt auf dem Modul

NVIDIA hat auch seine Cosmos 3 Open-World-Foundations-Modellfamilie erweitert, um eine Edge-spezifische Version anzubieten, die mit den Thor-Plattformen kompatibel ist. Cosmos 3 Edge arbeitet mit vier Milliarden Parametern und ist darauf ausgelegt, dass eingebettete Systeme ihre Umgebung interpretieren, Eingaben in Echtzeit verarbeiten und Aktionen durch On-Device-Inferenz generieren oder vorhersagen können, ohne den Umweg über die Cloud.

Mit dem offenen Cosmos-Framework können Entwickler das Modell innerhalb eines Tages für einen spezifischen Roboterkörper und Sensorsatz nachtrainieren. Diese Zeitangabe bezieht sich auf den Nachtrainingsschritt selbst; die Validierung der resultierenden Policy im realen Betriebsumfeld des Roboters ist ein separater Prozess.

Entwicklung und Verfügbarkeit

Da T3000 und T2000 die gleiche Chip-Architektur und den gleichen Software-Stack wie der Rest der Thor-Familie verwenden, ermöglicht NVIDIA eine frühzeitige Entwicklung. Entwickler können bereits jetzt mit dem bestehenden Jetson AGX Thor Developer Kit arbeiten und die Leistung von T3000 und T2000 in Software emulieren.

Der T3000-Emulationsmodus wird diesen Monat mit JetPack 7.2.1 verfügbar sein; die T2000-Emulation folgt in einem späteren Release. Die physische Auslieferung der Module ist für das erste Quartal 2027 vorgesehen, was eine Entwicklungszeit von über einem Jahr bis zur Verfügbarkeit der Hardware ermöglicht.

Hardware-Partner wie ADLINK, Advantech, AAEON, Aetina, Auvidea, AVerMedia, Connect Tech, ForeCR, JWIPC, NEXCOM Robotic Solutions, Realtimes, Seeed Studio, Twowin, TZTEK und YUAN werden die T3000- und T2000-Boards in ihre Kataloge aufnehmen. Software-Partner wie Antmicro, Neurealm, REBOTNIX und RidgeRun bieten Unterstützung für die Emulation und Migration bestehender Codes auf die neuen Module an.

Die Frage, ob diese Migration so unkompliziert verläuft, wie die gemeinsame Architektur suggeriert, hängt davon ab, inwieweit die Software-Stacks der jeweiligen Implementierungen bereits auf die Speicherbandbreite des T5000 oder die Einschränkungen der Orin-Generation abgestimmt waren.

Unternehmen, die mit der Auslieferung im ersten Quartal 2027 planen, haben etwa ein Jahr Zeit, um die Migrationsarbeiten mittels Emulation durchzuführen, bevor die physische Hardware verfügbar ist.

Bibliographie:

- Daws, Ryan. "NVIDIA T3000 and T2000 target robotics cost and power limits". iottechnews.com, 16. Juli 2026. - Su, Chen. "NVIDIA Introduces New Jetson Thor Computers to Advance Mainstream Robotics and Edge AI". blogs.nvidia.com, 15. Juli 2026. - Cuylaerts, Tom. "Jetson Thor T3000 brings foundation-model AI compute to mainstream robotics". i-scoop.eu, 16. Juli 2026. - Roos, Gina. "Nvidia Expands Thor Modules for Scalable Robotics and Edge AI". embedded.com, 15. Juli 2026. - Fakhar, Fatima. "NVIDIA’s 32GB Jetson Claim Needs the Missing Benchmarks". techi.com, 16. Juli 2026. - Smith, Ryan. "NVIDIA Announces Expanded Jetson Thor Lineup with Mid-Range T3000 and T2000 Modules". servethehome.com, 16. Juli 2026. - AI Desk. "NVIDIA's Jetson T3000 and T2000 Modules Are Built for the Memory Crisis Era". glitchwire.com, 16. Juli 2026. - Mujtaba, Hassan. "NVIDIA Jetson Thor T3000 & T2000 Unveiled For Physical AI, Powering Mainstream Humanoids, Robotics and Edge AI". wccftech.com, 15. Juli 2026. - Fisher, Brandon. "NVIDIA Shrinks Blackwell AI Compute to Half the Size for Mass-Market Robots". techtimes.com, 17. Juli 2026. - Price, Kara. "NVIDIA's New Jetson T3000 Delivers Similar Inference Performance of the T5000 Module. In This Memory Market, That Is the Whole Story.". connecttech.com, 15. Juli 2026.