Robotik

Generative KI

Nachrichten

Nvidia zielt mit neuer Jetson Edge-Plattform auf Physical AI

Die Jetson Orin Nano 2 kommt, während der KI-Chip-Riese seine Expansion in Physical AI vorantreibt.

1. August 2026

Nvidia hat die Jetson Orin Nano 2 eingeführt, eine neue Edge-KI-Plattform, die für den Aufbau von Robotern, Drohnen und Vision-KI-Systemen in Echtzeit entwickelt wurde, während der Anbieter Physical AI weiter in die reale Welt bringt.

Die Plattform, am Dienstag vorgestellt und voraussichtlich in der ersten Hälfte von 2027 verfügbar, basiert auf einer neuen Version von Nvidias Ampere-Architektursilizium. Nvidia nannte die Maschinenvision-Firma Cognex, den Baumaschinenhersteller Doosan Bobcat und das Startup Matic für Saugroboter als erste Kunden.

Nvidia zufolge bietet die Nano 2 die doppelte Leistung der vorherigen Generation oder bei gleicher Leistung einen um bis zu 40% niedrigeren Energieverbrauch.

In einem Medienbriefing sagte Deepu Talla, Vizepräsident für Robotik und Edge-KI bei Nvidia, die Einführung reagiere darauf, dass die Modellgenauigkeit einen „Wendepunkt“ erreicht habe.

„Was früher ein großes Rechenzentrum und viele GPUs erforderte, kann jetzt auf Nvidia Jetson ausgeführt werden“, sagte er. „Wir können nun dieselbe Frontier-Genauigkeit erreichen wie die größten Modelle des letzten Jahres.“

Verwandt: Chinas humanoider Vorsprung ist Hardware, nicht KI

Diese gestiegene Verfügbarkeit leistungsfähiger KI-Modelle sei ein positives Signal für die Robotikbranche und mache, so Talla, ausgefeilte Physical AI am Edge endlich praktisch.

„Robotik ist ein Drei-Computer-Problem“, sagte er. „Der erste Computer ist dort, wo wir die gesamte Intelligenz trainieren, der zweite Computer in der Mitte ist dort, wo wir alles testen und die Policy bewerten. Der letzte Computer, der dritte Computer, ist die Laufzeitumgebung oder das Robotergehirn, und das ist Nvidia Jetson.“

Nvidia sagt, dass die Orin Nano 2 die neuesten kleinen und mittelgroßen Sprach- und Vision-Language-Modelle in Echtzeit ausführen kann. Talla verwies als Beispiel auf Nvidias eigene Nemotron-Modelle und merkte an, dass das neueste Nemotron 3.5 Lightning auf Jetson mit rund 115 Tokens pro Sekunde laufen kann.

Diese Leistung beruht nicht nur auf Hardwareverbesserungen, sondern auch auf Fortschritten beim Modelltraining. Talla führte den Fortschritt auf bessere Trainingsdaten, Verbesserungen der Modellarchitektur und die Möglichkeit zurück, größere Modelle zum Training oder zur Destillation kleinerer Modelle zu verwenden.

Das Ergebnis sei ein Framework für das Robotertraining, das schneller und einfacher sein werde als frühere Systeme.

Die Rechnung für Robotik senken

„Früher war die Roboterprogrammierung extrem zeitaufwendig und teuer“, sagte Talla. „Aber jetzt wird die Programmierung von Robotern mit autonomen Fähigkeiten extrem einfach, und wir sehen bereits eine Explosion von KI-Anwendungen auf Einstiegsebene.“

Dieser Wandel könnte Robotik über Anwendungen mit hohem Volumen in der Industrie hinaus wirtschaftlich machen, da KI-Modelle mehr Programmieraufgaben automatisieren.

Ben Lee, Professor an der School of Engineering and Applied Science der University of Pennsylvania, sagte, Nvidias bestehende Position im Bereich Edge-KI verschaffe dem Unternehmen einen starken Ausgangspunkt, da Roboter zunehmend leistungsfähigere Modelle benötigen, um lokal zu arbeiten.

Verwandt: XPengs Robotik-Sparte nach Investment mit 6,3 Mrd. $ bewertet

„Nvidia hat mit der Jetson-Plattform einen bedeutenden Markt für Edge-KI-Chips gehabt“, sagte Lee. „Die Integration leistungsfähigerer KI-Prozessoren und zusätzlicher Softwareunterstützung für Inferenz könnte die Nutzung neuerer KI-Modelle in der Robotik und anderen autonomen Systemen ermöglichen.“

Lee hob außerdem die Wirtschaftlichkeit des Einsatzes von Robotern außerhalb traditioneller Industrieumgebungen hervor. Ein reiferer Software-Stack könnte den Engineering-Aufwand verringern, der Robotik historisch schwer für weniger wertige Anwendungen rechtfertigbar gemacht habe.

„Bei Robotik ist die Herausforderung, dass sich die Ingenieurkosten für allgemeine, geringerwertige Anwendungsfälle schwer rechtfertigen lassen“, sagte er. „Ein reifer Software-Stack, der diese Roboter und Prozessoren einfacher programmierbar macht, wird den Engineering-Aufwand reduzieren und die Kosten senken.“

Kleine Modelle, größerer Fußabdruck

Nvidias Vorstoß in den Robotikmarkt trifft laut Alexander Harrowell, Analyst bei Omdia, einer Abteilung von Informa TechTarget, auf einen breiteren Wandel darin, was überhaupt als kleines Modell gilt.

„Es stimmt definitiv, dass mehr KI in Roboter Einzug hält, wobei kleine multimodale Transformer in diesem Bereich immer häufiger werden“, sagte Harrowell.

Diese Unterscheidung sei wichtig dafür, wie die Branche Nvidias Spezifikationen lesen sollte, sagte er.

„Obwohl kleine KI-Modelle deutlich besser und wichtiger werden, verändert sich das, was wir als kleines Modell ansehen“, sagte er und merkte an, dass ein typisches Modell auf Hugging Face von rund 10 bis 100 Millionen Parametern auf 3 bis 8 Milliarden gewachsen ist.

Harrowell zeigte sich skeptischer hinsichtlich dessen, was die Hardware der Orin Nano 2 tatsächlich unterstützen kann.

„Wenn man sich die Spezifikationen der Nano 2 ansieht, ist die Speicherkapazität der begrenzende Faktor“, sagte er.

Über die Autorin

Scarlett Evans

Contributing Writer

Scarlett Evans ist freie Autorin mit Schwerpunkt auf aufkommenden Technologien und der Mineralienbranche. Zuvor war sie stellvertretende Redakteurin bei IoT World Today, wo sie sich auf Robotik- und Smart-City-Technologien spezialisierte. Scarlett verfügt außerdem über einen Hintergrund im Bergbau- und Rohstoffsektor mit Erfahrung bei Mine Australia, Mine Technology und Power Technology. Sie kam im April 2022 zu Informa, bevor sie in die freiberufliche Arbeit wechselte.

Möchten Sie mehr AI Business-Geschichten in Ihren Google-Suchergebnissen?

Neueste Nachrichten

Möchten Sie mehr AI Business-Geschichten in Ihren Google-Suchergebnissen?

Trendartikel

1. Aug. 2026

2. Aug. 2026

Generative KI Mathematische Theorien könnten der Schlüssel zu erklärbaren KI-Systemen sein 24. Aug. 2026

Mathematische Theorien könnten der Schlüssel zu erklärbaren KI-Systemen sein

Generative KI Shutterstock schließt sich KI-Bildlizenzierungsdeals an 11. Aug. 2026

Shutterstock schließt sich KI-Bildlizenzierungsdeals an

Generative KI KI kommt im Geschäft der privaten Märkte an 28. Juli 2026

KI kommt im Geschäft der privaten Märkte an

Agentische KI Einsatz von KI-Agenten zur Zusammenarbeit mit menschlichen Mitarbeitern 10. Juli 2026

Einsatz von KI-Agenten zur Zusammenarbeit mit menschlichen Mitarbeitern

Gesponsert von Google Cloud

Ihre ersten Anwendungsfälle für generative KI auswählen

Um mit generativer KI zu beginnen, konzentrieren Sie sich zunächst auf Bereiche, die menschliche Erfahrungen mit Informationen verbessern können.

The AI Summit New York 2026

Führungskräfte, Technologieinnovatoren und KI-Entscheider zusammenbringen, um die neuesten Entwicklungen in der kommerziellen KI zu erkunden.