Nvidia apunta a la IA física con la nueva plataforma de borde Jetson Orin Nano 2
Puntos clave
- •Nvidia presentó Jetson Orin Nano 2, una plataforma de IA de borde para robots, drones y sistemas de visión en tiempo real, cuya disponibilidad se espera en el primer semestre de 2027.
- •La compañía afirma que la plataforma ofrece el doble de rendimiento de la generación anterior o hasta 40% menos consumo de energía al mismo nivel de rendimiento.
- •Los clientes iniciales Cognex, Doosan Bobcat y Matic abarcan aplicaciones industriales, comerciales y de consumo.
- •Nvidia dice que la plataforma ejecuta en tiempo real modelos pequeños y medianos de lenguaje y de lenguaje-visión, y que Nemotron 3.5 Lightning alcanza alrededor de 115 tokens por segundo en Jetson.
- •El analista de Omdia Alexander Harrowell advirtió que la capacidad de memoria probablemente sea el factor limitante para lo que puede soportar el hardware Orin Nano 2.
Robótica
IA generativa
Noticias
Nvidia apunta a la IA física con la nueva plataforma de borde Jetson Orin Nano 2
El Jetson Orin Nano 2 llega mientras el gigante de los chips de IA busca ampliar la IA física.
27 de agosto de 2026
Nvidia presentó el Jetson Orin Nano 2, una nueva plataforma de IA de borde diseñada para construir robots, drones y sistemas de IA de visión en tiempo real, mientras la compañía sigue impulsando la IA física hacia aplicaciones del mundo real.
La plataforma, presentada el martes y prevista para estar disponible en el primer semestre de 2027, se basa en una nueva versión del silicio con arquitectura Ampere de Nvidia. Nvidia señaló a la empresa de visión artificial Cognex, al fabricante de equipos de construcción Doosan Bobcat y a la startup de aspiradoras robot Matic como clientes iniciales.
Nvidia afirma que el Nano 2 ofrece el doble de rendimiento de la generación anterior, o hasta 40% menos consumo de energía al mismo nivel de rendimiento.
En una sesión informativa para medios, Deepu Talla, vicepresidente de robótica e IA de borde en Nvidia, dijo que el lanzamiento responde a que la precisión de los modelos ha alcanzado un “punto de inflexión”.
“Lo que antes requería un gran centro de datos y muchas GPUs, ahora puede ejecutarse en Nvidia Jetson”, dijo. “Ahora podemos lograr la misma precisión de frontera que los modelos más grandes del año pasado”.
Relacionado: El borde humanoide de China es hardware, no IA
Esta mayor accesibilidad a modelos de IA de alto rendimiento beneficia a la industria robótica y, según Talla, por fin hace que la IA física sofisticada sea práctica en el borde.
“La robótica es un problema de tres computadoras”, dijo. “La primera computadora es donde hacemos todo el entrenamiento de la inteligencia, y la segunda computadora, en el medio, es donde hacemos todas las pruebas y la evaluación de políticas. La última computadora, la tercera computadora, es el tiempo de ejecución o el cerebro del robot, y eso es Nvidia Jetson”.
Nvidia afirma que el Orin Nano 2 puede ejecutar en tiempo real los últimos modelos de lenguaje y de lenguaje-visión pequeños y medianos. Talla citó como ejemplo los modelos Nemotron de Nvidia y señaló que el más reciente Nemotron 3.5 Lightning puede funcionar a unas 115 tokens por segundo en Jetson.
Ese rendimiento no solo se debe a mejoras en el hardware, sino también a avances en el entrenamiento de modelos. Talla atribuyó el progreso a mejores datos de entrenamiento, mejoras en la arquitectura de los modelos y la capacidad de usar modelos más grandes para entrenar o destilar otros más pequeños.
El resultado, dijo, es un marco de entrenamiento robótico que será más rápido y sencillo que los sistemas anteriores.
Reducir la factura de la robótica
“En el pasado, programar robots era extremadamente lento y costoso”, dijo Talla. “Pero ahora, con capacidad autónoma, la programación de robots va a volverse extremadamente fácil, y ya estamos viendo una explosión de aplicaciones de IA en el nivel de entrada”.
El cambio podría hacer que la robótica sea económicamente viable más allá de las aplicaciones industriales de alto volumen, a medida que los modelos de IA automatizan más tareas de programación.
Ben Lee, profesor en la School of Engineering and Applied Science de la Universidad de Pensilvania, dijo que la posición ya consolidada de Nvidia en IA de borde le da una base sólida, dado que los robots requieren modelos cada vez más capaces para operar localmente.
Relacionado: La unidad de robótica de XPeng se valora en 6.3B dólares tras una inversión
“Nvidia ha tenido un mercado importante en chips de IA de borde con la plataforma Jetson”, dijo Lee. “Integrar procesadores de IA más capaces y ofrecer soporte adicional de software para la inferencia podría permitir el uso de modelos de IA más nuevos en robótica y otros sistemas autónomos”.
Lee también destacó la economía de desplegar robots más allá de los entornos industriales tradicionales. Dijo que una pila de software más madura podría reducir la carga de ingeniería que históricamente ha dificultado justificar la robótica para aplicaciones de menor valor.
“Para la robótica, el desafío es que los costos de ingeniería son difíciles de justificar para casos de uso generales y de menor valor”, dijo. “Una pila de software madura que haga que estos robots y procesadores sean más fáciles de programar reducirá el esfuerzo de ingeniería y bajará los costos”.
Modelos más pequeños, mayor huella
La apuesta de Nvidia por el mercado de la robótica llega en medio de un cambio más amplio en lo que, en primer lugar, se considera un modelo pequeño, según Alexander Harrowell, analista de Omdia, una división de Informa TechTarget.
“Sin duda es cierto que más IA está entrando en los robots, con transformadores multimodales pequeños volviéndose más comunes en ese espacio”, dijo Harrowell.
Esa distinción importa para cómo la industria debería leer las especificaciones de Nvidia, sugirió.
“Aunque los modelos pequeños de IA están mejorando mucho y siendo cada vez más importantes, lo que entendemos por un modelo pequeño está cambiando”, dijo, y señaló que un modelo típico en Hugging Face ha pasado de aproximadamente 10 a 100 millones de parámetros a 3 a 8 mil millones. Hugging Face es un repositorio público de uso amplio donde se comparten modelos de IA.
Harrowell se mostró más escéptico sobre lo que el hardware del Orin Nano 2 puede realmente soportar.
“Al observar las especificaciones del Nano 2, el factor limitante es la capacidad de memoria”, dijo.
Sobre la autora
Scarlett Evans
Contributing Writer
Scarlett Evans es una redactora independiente enfocada en tecnologías emergentes y la industria de los minerales. Anteriormente, fue editora adjunta en IoT World Today, donde se especializó en robótica y tecnologías de ciudades inteligentes. Scarlett también tiene experiencia en el sector minero y de recursos, con trayectoria en Mine Australia, Mine Technology y Power Technology. Se unió a Informa en abril de 2022 antes de pasar al trabajo independiente.
¿Quiere más historias de AI Business en sus resultados de búsqueda de Google?
Últimas noticias
¿Quiere más historias de AI Business en sus resultados de búsqueda de Google?
Artículos de tendencia
27 de ago. de 2026
26 de ago. de 2026
IA generativa Las teorías matemáticas podrían ser la clave para sistemas de IA explicables 24 de ago. de 2026
Las teorías matemáticas podrían ser la clave para sistemas de IA explicables
IA generativa Shutterstock adopta acuerdos de licencias de imágenes de IA 11 de ago. de 2026
Shutterstock adopta acuerdos de licencias de imágenes de IA
IA generativa La IA llega al negocio de los mercados privados 28 de jul. de 2026
La IA llega al negocio de los mercados privados
IA agéntica Uso de agentes de IA para colaborar con trabajadores humanos 10 de jul. de 2026
Uso de agentes de IA para colaborar con trabajadores humanos
Patrocinado por Google Cloud
Cómo elegir sus primeros casos de uso de IA generativa
Para comenzar con la IA generativa, primero concéntrese en áreas que puedan mejorar la experiencia humana con la información.
The AI Summit New York 2026
