英伟达直接把服务器级别的算力塞进了机器人体内。
全新的机器人计算平台 Jetson Thor 正式发售，基于最新的 Blackwell GPU 架构，AI 算力直接飙升到 2070 TFLOPS，比上一代 Jetson Orin 提高至整整 7.5 倍，同时能效提高至 3.5 倍。
128GB 的超大内存配置，在边缘计算设备里是前所未有。
在宣传片中，黄仁勋把他当成送给所有机器人的礼物：
黄仁勋表示：
Jetson Thor 助力全球百万开发者构建可与物理世界交互、甚至改变物理世界的机器人系统。具备无与伦比的性能与能效，还能够在边缘设备上同时运行多个 AI 模型。
作为一款卓越的超级计算机，Jetson Thor 正在推动物理 AI 与通用机器人时代真正到来。
Jetson Thor 基于 Jetson 软件栈优化，支持所有流行的生成式 AI 框架和 AI 推理模型，包括主流语言模型 Qwen、DeepSeek 以及视觉语言动作模型到和视觉语言模型等。
Jetson AGX THOR 开发者套件美国售价 3499 美元_（约 25000 人民币，但中国售价尚未公布）_。
T5000 模组也已发售，购买 1000 片以上单价 2999 美元。
其中 T5000 模组是完整版，T4000 模组则是为那些想从 Orin 升级的用户准备的精简版，功耗也从 130W 降到了 75W。
性能爆表背后的技术细节
Thor 的强悍不仅体现在 AI 算力上，人形机器人需要大量实时控制计算，需要 CPU 与 AI 算力同样重要，存储与带宽方面也都得到了升级。
具体特性如下：
-
GPU：Blackwell 架构，最高 2560 个 CUDA 核 / 9 个第五代 Tensor Core，并支持 MIG 技术（多实例 GPU）将 GPU 资源按多任务隔离与并行调度，适配并行多代理 / 多工作流场景。
-
CPU：14 核 Arm Neoverse V3AE，面向实时控制与任务管理的确定性执行与更高吞吐，CPU 性能相较前代显著提升。
-
存储与带宽：128GB 256-bit LPDDR5X，273GB/s 显存带宽，为大型 Transformer 推理与高并发视频编解码提供保障。
-
功耗：40--130W，支持从移动平台到固定式机器人多样热 / 功耗配置，开发套件集成导热板与风扇便于热设计评估。
-
视频编解码：多路 4K/8K 编解码能力显著增强，有利于多摄并发与长时视频代理推理。
-
网络与传感：最多 4×25GbE，搭配高速摄像头卸载引擎与 Holoscan Sensor Bridge，将相机、雷达、激光雷达等数据以极低时延直送 GPU 内存，提升多传感器融合与高频闭环控制的稳定性。
-
I/O：开发套件与量产模组提供 QSFP28、RJ45、USB 3.x、PCIe Gen5 等接口，适配机器人传感 / 执行器与加速外设扩展
在软件优化上，英伟达也下了功夫。
Jetson Thor 原生支持 NVIDIA Isaac（仿真 / 开发）、Isaac GR00T（人形机器人基础模型）、Metropolis（视觉 AI）、Holoscan（传感器工作流），支持从云到边缘统一开发 / 部署路径。
通过 FP4 量化和推测解码（speculative decoding）技术，在某些模型上能再获得 2 倍的性能提升。
数据显示，Thor 能在 200 毫秒内给出第一个 token 响应，每秒能生成超过 25 个 token，这个速度已经能支撑实时人机对话。
研华科技、Aetina、ConnectTech、米文动力、天准科技等正在打造具备量产条件的 Jetson Thor 系统，拥有灵活的输入输出接口、定制化配置，并能够提供多种形态规格。
亚德诺半导体、e-con Systems、英飞凌、Leopard Imaging、RealSense、森云智能等传感器与执行器企业，正将摄像头、雷达、激光雷达等设备的传感器数据，以超低延迟直接传输至 Jetson Thor 的 GPU 内存中。
首批供应里中国玩家占多数
第一批采用 Thor 的公司里，中国企业占了很大比例。联影医疗、万集科技、优必选、银河通用、宇树科技、众擎机器人和智元机器人等都已经开始集成这个新平台。
宇树科技创始人王兴兴表示："Jetson Thor 带来了计算能力的巨大飞跃，机器人更强的敏捷性、更快的决策制定以及更高的自主水平，这对于机器人在现实世界中实现导航与交互至关重要。"
银河通用 CTO 王鹤则透露，他们的 G1 Premium 机器人在采用 Thor 后，运动速度和动作流畅性已经有了显著提升。
此外波士顿动力正将 Jetson Thor 集成到其人形机器人 Atlas，让 Atlas 得以在设备端搭载此前仅服务器才具备的计算能力。
Agility Robotics 计划将 Jetson Thor 作为第六代 Digit 计算核心，在仓库与制造环境中执行堆叠、装载及码垛等物流任务。
在演讲中，英伟达机器人与边缘 AI 副总裁 Deepu Talla 提出了这样的观点：要真正实现物理 AI 和机器人，需要三台计算机协同工作。
第一台是用来训练 AI 的 DGX 系统，第二台是用来在仿真环境中测试 AI 的 Omniverse 平台，第三台才是装在机器人身上的" 大脑"，也就是今天发布的 Jetson Thor。
他特别强调仿真测试这一步至关重要，因为仿真相比在真实物理环境中开发更快、更安全、更便宜。
而且这不是一次性的过程，即使机器人部署到现场后，这个训练 - 仿真 - 部署的循环还会持续进行，不断升级机器人的能力。
参考链接：
1\][blogs.nvidia.cn/blog/jetson...](https://link.juejin.cn?target=https%3A%2F%2Fblogs.nvidia.cn%2Fblog%2Fjetson-thor-physical-ai-edge%2F "https://blogs.nvidia.cn/blog/jetson-thor-physical-ai-edge/") \[2\][blogs.nvidia.cn/blog/nvidia...](https://link.juejin.cn?target=https%3A%2F%2Fblogs.nvidia.cn%2Fblog%2Fnvidia-blackwell-powered-jetson-thor-now-available-accelerating-the-age-of-general-robotics%2F "https://blogs.nvidia.cn/blog/nvidia-blackwell-powered-jetson-thor-now-available-accelerating-the-age-of-general-robotics/") **欢迎在评论区留下你的想法！** --- **完** ---