Jetson Thor 正式发售：新一代人形机器人“大脑”出世
8 月 25 日，英伟达宣布基于 Blackwell 架构的 Jetson Thor 正式面向开发者开放，把原本高度依赖云端的通用机器人智能，沉到机身。
与上一代 Orin 相比，Jetson Thor 给出的是一组足够“过线”的门槛：在约 130W 的功耗包内，提供最高 2,070 FP4 TFLOPS 的推理能力，AI 性能约提升 7.5 倍、能效约提升 3.5 倍；开发者套件 3,499 美元，量产模组（T5000）千片价 2,999 美元。更重要的是，它把多模态传感、并发多模型和低时延控制这些“通用机器人三件套”，做成了机身端的默认能力。
在很多机器人团队眼中，这是首次在端侧真正意义上“跑得起”复杂生成式模型的计算平台。过去几年，“云 + 背包算力箱”是不少人形与移动机器人项目的现实解法。云端强，但时延、带宽、隐私与稳定性都可能成为规模化的拦路虎；端侧轻，往往又缺“跑大模型”的底气。
Jetson Thor 的出现，让这对矛盾第一次得到系统级的缓解：它并不是单点“更快”，而是把数据路径拉直——摄像头、雷达、激光雷达等传感器数据，经由高速 I/O 与 Holoscan 传感器桥，几乎“直达” GPU 内存，绕过 CPU 瓶颈和驱动碎片；同时借助 Blackwell 的多实例 GPU（MIG），把一块 GPU 切成多个“隔离工位”，关键任务有“硬件级保底”，非关键任务并发不互拖。对工程团队来说，这三件事叠在一起，意味着可预测的实时性终于有了抓手。
Jetson Thor 也几乎重新定义了“边缘 AI 推理能力”的上限。在业内早就形成“快系统在端、慢系统在云”的临时共识：端侧负责即时感知与控制，云端承担更重的理解与推理。Jetson Thor 正在悄悄改变这条“分水线”——把一些原本只能在云里做的事，拉回机身，让高节拍、复杂交互类场景的落地不再被网络条件“卡住”。
这一次，“算力天花板”先到位了，生态和软件栈也紧跟其后。
Jetson Thor 支持运行英伟达从云到边的完整 AI 软件栈，包括机器人仿真与开发平台 Isaac、人形机器人基础模型 Isaac GR00T、视觉 AI 框架 Metropolis 和实时传感器处理平台 Holoscan。它原生支持 FP4 精度与推测解码，可在边缘侧高效运行 Cosmos Reason、Llama、Qwen、DeepSeek 等主流模型，也能同时处理多模态输入和多个生成式任务——比如同时跑 VLM 和 LLM，响应时间依然低于 200 毫秒。
这意味着，在 Jetson Thor 上训练和部署未来的物理智能体模型，不再需要从云端迁移，而是可以原地迭代、原地推理。在边缘端模型落地尚属难题的今天，这种“生成式原生”的设计对开发者而言，是一剂提振士气的强心针。
对于研发节奏快、系统复杂度高的机器人项目来说，Jetson Thor 提供了新的开发方式：不必等系统集成完成，就能借助开发者套件先构建和验证关键工作流；高带宽 I/O、MIG、Holoscan 这些能力也为平台化架构奠定了基础，方便在后续阶段扩展更多感知源或模型任务。
从“会动”到“会适应”，从“能工作”到“能协作”，Thor 提供的是一次针对“物理 AI”难点的全栈响应：低延迟控制、传感器融合、环境感知、多模态理解、自然语言交互、复杂任务规划……开发者不再需要为每项能力单独定制，而是可以在 Jetson Thor 上，拉起一个具备全套感知—理解—行动链条的具身智能体。
市场也迅速跟上。宇树科技、银河通用、优必选、智元机器人、联影医疗等公司已率先宣布接入 Jetson Thor。银河通用表示，其 G1 Premium 机器人在接入 Thor 后，“运动速度和动作流畅性已显著提升”，并期待在 VLA 模型上的进一步能力释放；宇树科技则提到，Thor 的边缘推理能力，为机器人在现实环境中的高频导航与交互提供了关键支撑。
而在全球范围，Agility Robotics 已宣布将在第六代 Digit 上搭载 Jetson Thor；波士顿动力也已开始将其集成进人形机器人 Atlas。Thor 让这些原本依赖服务器的 AI 工作流，真正落地到设备端。
Thor 推出的背后，是英伟达对未来十年机器人技术的判断：一切智能体的演化，都绕不开边缘 AI 的性能跃迁。DGX 训练模型，Omniverse 做仿真和数据生成，而 Jetson 系列，正在成为实际部署的执行核心。
Thor 不只是芯片，它更像是英伟达给通用机器人架起的一座“本地智能桥梁”。在开发门槛、系统复杂度和部署成本三者交织的通用机器人时代，它可能不是完美答案，但它提供了第一个具备实用性和生态完备度的起点。