Por Canuto  

Nvidia presentó Jetson Orin Nano 2, una computadora compacta que, según la compañía, duplica el rendimiento de inferencia de su generación anterior y reduce el consumo energético. El dispositivo apunta a robots, drones y sistemas de visión capaces de procesar modelos de IA directamente en el borde, sin depender continuamente de la nube.
***

  • Jetson Orin Nano 2 ofrece 78 TOPS de cómputo de IA, 8 GB de memoria y una CPU Arm de ocho núcleos.
  • En modo de 15 vatios, Nvidia afirma que consume 40% menos energía para alcanzar un rendimiento máximo comparable al de su predecesor.
  • Wing, Matic Robotics, Cognex y Doosan Bobcat figuran entre los socios que evalúan o integran la plataforma para aplicaciones físicas de IA.

Nvidia presentó Jetson Orin Nano 2, una computadora de robótica orientada al segmento de entrada de la inteligencia artificial en el borde. La compañía sostiene que el dispositivo duplica el rendimiento de inferencia de Jetson Orin Nano Super, mientras conserva un formato compacto y reduce el consumo energético en determinadas condiciones, una combinación que busca ampliar el uso de modelos avanzados en robots, drones y sistemas de visión.

El anuncio llega en un momento en que los modelos fundacionales pequeños y medianos han ganado eficiencia, comprensión contextual y capacidad para procesar lenguaje, imágenes y audio. Nvidia afirma que estas versiones compactas ya pueden alcanzar la precisión que ofrecían modelos fronterizos más grandes el año anterior, lo que permite trasladar funciones de razonamiento y autonomía desde los centros de datos hacia dispositivos físicos con restricciones de espacio, energía y conectividad.

Más potencia para la inteligencia en el borde

Jetson Orin Nano 2 incorpora 78 billones de operaciones por segundo, o TOPS, de cómputo de IA, además de 8 GB de memoria y una CPU Arm de ocho núcleos. Nvidia describe estas especificaciones como un salto importante para la categoría de entrada, porque concentran capacidad de procesamiento de IA y video en una plataforma pensada para equipos pequeños que deben responder en tiempo real.

La compañía atribuye la mejora de inferencia a Tensor Cores actualizados y a un mayor ancho de banda de memoria, sin modificar el factor de forma compacto de la familia. Frente a Jetson Orin Nano Super, el nuevo dispositivo busca duplicar el rendimiento de inferencia, una diferencia relevante para aplicaciones que combinan percepción visual, reconocimiento de lenguaje y decisiones autónomas.

En el modo de 15 vatios, Jetson Orin Nano 2 consume 40% menos energía para ofrecer el mismo rendimiento máximo que su predecesor, según explicó Deepu Talla, vicepresidente de robótica e IA de borde de Nvidia. Esa eficiencia puede resultar especialmente importante en drones y robots ligeros, donde cada reducción de consumo puede ayudar a preservar autonomía sin sacrificar la capacidad de procesamiento local.

Talla resumió el atractivo del producto en una combinación de tamaño, eficiencia y potencia de cómputo. La meta consiste en que un dispositivo instalado dentro de un robot pueda analizar imágenes y señales del entorno, en lugar de enviar cada solicitud a la nube y esperar una respuesta a través de una conexión inalámbrica.

Del centro de datos al robot

El procesamiento en el borde permite que un sistema reaccione cerca del lugar donde se generan los datos. En un dron, por ejemplo, detectar un obstáculo y ajustar la trayectoria puede depender de milisegundos que una conexión remota no siempre garantiza, mientras que una computadora integrada puede ejecutar la percepción directamente durante el vuelo.

Nvidia presenta Jetson como el componente de ejecución de su estrategia de tres computadoras para robótica. En ese esquema, Omniverse y Cosmos ofrecen herramientas de simulación, DGX respalda el entrenamiento de modelos y Jetson funciona como el cerebro que despliega la inteligencia durante la operación cotidiana del robot.

La plataforma también conserva compatibilidad con la pila de software abierta existente de Nvidia, de acuerdo con la empresa, y utiliza una arquitectura de GPU compartida con sus soluciones para centros de datos. La intención es que clientes actuales de Orin puedan adoptar el nuevo módulo como reemplazo directo, aunque la utilidad concreta dependerá de los modelos, sensores y requisitos de cada sistema.

Entre los modelos que Nvidia menciona para inferencia eficiente en memoria aparecen Cosmos, Nemotron, Gemma 4 y Qwen 3, además de modelos de lenguaje y modelos de lenguaje con visión optimizados para ejecutarse en el borde. La empresa también destaca las habilidades de agente de Jetson, con las que busca combinar comprensión del entorno, interacción y capacidades autónomas en dispositivos físicos.

Deepu Talla afirmó que esta evolución abre una posibilidad que la industria de la IA en el borde había perseguido durante años: ejecutar modelos de frontera junto con las funciones autónomas tradicionales dentro de plataformas introductorias. Su expectativa es que el acceso a ese nivel de inteligencia acelere el desarrollo de aplicaciones para robots y otros sistemas de IA física.

Wing y Matic exploran nuevos usos

Wing, subsidiaria de Alphabet dedicada a las entregas mediante drones, ya utiliza Jetson Orin Nano Super y la pila de software de Nvidia en su flota. La compañía está evaluando Jetson Orin Nano 2 para reforzar la percepción y el razonamiento en tiempo real, con el objetivo de mejorar la navegación autónoma, la evasión de obstáculos y otras decisiones necesarias durante una entrega.

Dinuka Abeywardena, jefe de percepción de Wing, señaló que las entregas con drones requieren una comprensión rápida y confiable del mundo real. Según su planteamiento, la nueva plataforma podría ofrecer un camino hacia drones más receptivos y eficientes en consumo, capaces de contribuir a entregas más rápidas y confiables desde negocios locales hasta hogares.

Matic Robotics, por su parte, está utilizando Jetson Orin Nano 2 para desarrollar interacciones más intuitivas en sus robots de limpieza doméstica. La empresa trabaja con IA conversacional, detección de gestos, mapeo de precisión, comprensión semántica del hogar y mayores niveles de autonomía para que sus equipos operen en espacios dinámicos.

Navneet Dalal, cofundador y CEO de Matic Robotics, explicó que un robot doméstico debe reconocer a las personas, representar los espacios con precisión y comprender la disposición de objetos antes de actuar. A su juicio, la plataforma permite ejecutar modelos de IA de última generación en un diseño compacto, con percepción, interacción y navegación en tiempo real.

Nvidia también menciona a Cognex y Doosan Bobcat entre los socios que trabajan en integraciones para robótica inteligente. En paralelo, la compañía citó a Hugging Face y su Reachy Mini como ejemplo de sistemas que pueden emplear modelos pequeños para funciones como el reconocimiento de voz, aunque cada implementación dependerá de la optimización y de los recursos disponibles.

Un ecosistema que espera ampliar la IA física

Nvidia asegura que más de 3 millones de desarrolladores construyen actualmente sobre su pila de robótica, mientras más de 10.000 empresas envían o desarrollan productos basados en Jetson. La compañía añadió que miles de empresas ya comercializan productos con IA de borde de entrada, una base que pretende ampliar con el nuevo módulo y su compatibilidad de software.

El ecosistema incluye fabricantes de placas portadoras, proveedores de software especializado y desarrolladores de sistemas de referencia. Nvidia enumeró entre sus socios a AAEON, ADLINK, Advantech, Aetina, Antmicro, Aptiv, Auvidea, AVerMedia, Chuanglebo, Connect Tech, ForeCR, JWIPC, Neurealm, Plink, Realtimes, RidgeRun, RS, Seeed Studio, Tauro Tech, Twowin, TZTek y YUAN.

La estrategia refleja una competencia más amplia por convertir modelos de IA en capacidades útiles dentro del mundo físico. Mientras los centros de datos concentran el entrenamiento y las cargas más exigentes, los dispositivos periféricos deben equilibrar rendimiento, temperatura, autonomía, tamaño y seguridad operativa, especialmente cuando funcionan lejos de una conexión estable.

La disponibilidad comercial marcará el siguiente punto de evaluación para desarrolladores y fabricantes. Nvidia indicó que el módulo Jetson Orin Nano 2 y su kit de desarrollo estarán disponibles de forma general durante la primera mitad de 2027, por lo que las pruebas actuales de socios todavía deberán traducirse en productos y despliegues concretos.

Talla también expresó expectativas de largo plazo en áreas como la navegación generalizada, la manipulación diestra, el entrenamiento de robots, la seguridad y una mayor independencia operativa. El desafío será demostrar que la potencia adicional se convierte en sistemas confiables y accesibles, no solo en cifras superiores de procesamiento.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados