AI & computing › Neuromorfe & fotonische chips
NVIDIA-chip Jetson Orin Nano 2 verdubbelt AI-snelheid voor robots en drones
NVIDIA introduceert de Jetson Orin Nano 2, een compact computertje voor robots, drones en camerasystemen dat twee keer zo snel is als zijn voorganger. De chip verbruikt tegelijk veel minder stroom en maakt het mogelijk om zware AI-modellen rechtstreeks op het apparaat te laten draaien, zonder voortdurende verbinding met een datacenter.
NVIDIA presenteert de Jetson Orin Nano 2, een nieuwe computer voor kunstmatige intelligentie in robots, drones en camerasystemen. Het bedrijf claimt dat de chip twee keer zo snel is als zijn voorganger, de Jetson Orin Nano Super, terwijl hij in de zuinigste stand (15 watt) 40 procent minder stroom verbruikt. Dat maakt het volgens NVIDIA mogelijk om geavanceerde AI-modellen rechtstreeks op apparaten te laten draaien, zonder dat die voortdurend met een datacenter hoeven te communiceren.
Meer rekenkracht, minder stroom
De Jetson Orin Nano 2 levert 78 biljoen bewerkingen per seconde, uitgedrukt in de eenheid TOPS. Het board heeft 8 gigabyte werkgeheugen en een achtkernige processor op basis van de Arm-architectuur. Door verbeterde Tensor Cores, de gespecialiseerde reken-onderdelen die AI-berekeningen versnellen, en een hogere geheugenbandbreedte haalt de nieuwe chip dubbel zoveel prestaties uit hetzelfde formaat behuizing als de vorige versie. Volgens Deepu Talla, vicepresident robotica en edge AI bij NVIDIA, is dat een belangrijke stap: taalmodellen die een jaar geleden nog honderden miljarden parameters nodig hadden om goed te presteren, halen nu diezelfde nauwkeurigheid op een chip die in een drone of stofzuigerrobot past.
Belangrijk is dat bestaande software voor eerdere Jetson-chips ook op de Nano 2 werkt. Ontwikkelaars kunnen daardoor large language models en beeld-taalmodellen, zoals NVIDIA's eigen Cosmos en Nemotron maar ook het externe Gemma 4 en Qwen 3, direct op het apparaat laten draaien. Dat heet randcomputing: rekenwerk gebeurt op de plek waar de data ontstaat, in plaats van in een ver datacenter. Dat scheelt vertraging en internetverkeer, en werkt ook zonder verbinding.
Praktijktests bij drones en huisrobots
Een aantal bedrijven test de chip al in de praktijk. Wing, het drone-bezorgbedrijf van Google-moeder Alphabet, gebruikt nu nog de voorganger van de chip in zijn bezorgdrones en onderzoekt of de Nano 2 sneller en zuiniger kan waarnemen en navigeren tijdens bezorgingen aan huis. Matic Robots bouwt de chip in bij zijn huishoudrobots, zodat die beter met bewoners kunnen praten, gebaren herkennen en de indeling van een huis nauwkeurig in kaart brengen. Ook chipgigant Cognex en bouwmachinefabrikant Doosan Bobcat evalueren het systeem voor eigen toepassingen.
Los daarvan werken meer dan twintig hardwarepartners, waaronder Aetina, Advantech, Seeed Studio, AAEON, ADLINK, Antmicro, Connect Tech en YUAN, aan zogeheten carrierboards: kant-en-klare printplaten waarop de Jetson-module wordt bevestigd, zodat bedrijven niet zelf een compleet circuit hoeven te ontwerpen voordat ze een product kunnen bouwen.
Onderdeel van een groter plan
NVIDIA presenteert de Jetson-lijn als een van drie bouwstenen voor wat het bedrijf fysieke AI noemt: kunstmatige intelligentie die niet alleen tekst of beelden genereert, maar ook daadwerkelijk beweegt en handelt in de echte wereld. Simulatiesoftware van NVIDIA helpt robots virtueel te trainen, zware servers in datacenters trainen de onderliggende modellen, en chips als de Jetson Orin Nano 2 voeren die intelligentie vervolgens uit in het uiteindelijke apparaat.
Het duurt nog wel even voordat ontwikkelaars ermee aan de slag kunnen: NVIDIA verwacht de module en de bijbehorende ontwikkelkit pas in de eerste helft van 2027 te leveren. Volgens het bedrijf bouwen wereldwijd al meer dan drie miljoen ontwikkelaars met zijn roboticasoftware, en werken meer dan tienduizend bedrijven aan producten die op Jetson-chips draaien.
Achtergrond & begrippen
Wat betekent dit voor de toekomst? Doordat AI-chips krachtiger en zuiniger worden, kunnen steeds meer robots, drones en camera's zelfstandig slimme beslissingen nemen zonder internetverbinding. Dat versnelt de opkomst van autonome apparaten in huizen, magazijnen en de bezorgsector, en maakt geavanceerde kunstmatige intelligentie ook betaalbaar voor kleinere bedrijven.
- TOPS
- Een eenheid die aangeeft hoeveel rekenbewerkingen een AI-chip per seconde kan uitvoeren; hoe hoger het getal, hoe meer rekenkracht.
- Large language model
- Een AI-model dat is getraind op enorme hoeveelheden tekst en daardoor mensachtige taal kan begrijpen en genereren.
- Randcomputing (edge AI)
- Het uitvoeren van AI-berekeningen direct op een apparaat, in plaats van in een extern datacenter.
- Fysieke AI
- Kunstmatige intelligentie die gekoppeld is aan een fysiek systeem, zoals een robot of drone, en daardoor kan waarnemen en handelen in de echte wereld.
- Tensor Cores
- Gespecialiseerde onderdelen in een chip die berekeningen voor kunstmatige intelligentie sneller uitvoeren dan gewone rekenkernen.
- Geheugenbandbreedte
- De snelheid waarmee een chip gegevens kan uitwisselen met zijn geheugen; een hogere bandbreedte betekent minder wachttijd bij zware taken.
- Carrierboard
- Een kant-en-klare printplaat waarop een chipmodule wordt geplaatst, zodat fabrikanten niet zelf een volledig circuit hoeven te ontwerpen.
- Arm-architectuur
- Een veelgebruikt ontwerp voor energiezuinige processoren, te vinden in smartphones en steeds meer edge-apparaten.
- Beeld-taalmodel (VLM)
- Een AI-model dat zowel beelden als tekst kan interpreteren en combineren, bijvoorbeeld om een omgeving te beschrijven.
Bronnen
Dit artikel is met behulp van AI geschreven op basis van bovenstaande bronnen en is geen letterlijke vertaling. Zo werkt onze redactie.
