Mengchen de aofeisi bits量子|官方帐户QBITAI NVIDIA直接在机器人主体中直接在服务器级别进行计算机功率。新型机器人计算机平台Jetson Thor已正式推出。根据Blackwell的最新GPU架构，AI计算能力直接以2070 Tflops拍摄。这是上一代的射顿元素的7.5倍，并将能源效率提高3.5倍。边缘计算机设备之前，128 GB超级内存配置未先于。在促销视频中，黄伦Xun将他视为所有机器人的礼物。 Huang Renxun说：无与伦比的性能和能源效率，以及在边缘设备上同时执行AI模型的能力。作为一名出色的超级计算机，Jetson Thor推动了物理时代和通用机器人的真正到来。 Jetson Thor基于Jetson的软件堆栈优化，并接受了流行生成的所有推理和AI推理模型的推理模型，包括常规LANguage模型，DeepSeek，视觉语言动作模型和视觉语言模型。 Jetson Agx Thor开发商Kit Cuesta 3,499美元（约25,000元人民币，但尚未宣布中国价格）。 T5000模块也已推出，购买超过1,000件的单位价格为2,999美元。其中，T5000模块是完整版本，T4000模块是一个简化的版本，对于想要从Orin进行更新的用户，其能耗也从130W下降到75W。性能爆炸背后的技术细节。 Thor的强度不仅对人工智能计算机技能很重要，而且对于类人体机器人，它们需要大量的真实时间控制和计算，并且CPU和AI的计算机功率同样重要。具体特征包括：GPU：接纳Blackwell建筑，最多2560 CUDA/9核心第五代张紧器和MIG（GPU多重）技术IS并行地构造GPU资源，并并行编程，并适应多种代理的多基流程方案。 CPU：14个核心的ARM NOOVERSE V3AE具有确定性执行和更高的实际时间控制和任务管理的性能。存储和带宽：128 GB的256位LPDDR5X，273GB/s视频记忆宽度。能源消耗：40-130W承认从移动平台到固定机器人的各种热/功率配置，开发套件集成了斑块和热风扇，以评估简单的热设计评级。视频编解码器：4K/8K多通道编码和编解码器功能得到了极大的改进，这鼓励了MultiCAM ConcurrenceIt和代理长期视频推理。网络和传感：高达4x25GBECAN传感器桥，再加上高速发动机卸载和HOROS，将GPU存储器直接发送到相机，雷达，激光雷达和其他延迟的数据，从而提高了多个传感器的融合和高频的稳定性封闭的加密控制。 E/S：开发套件和质量生产模块提供诸如QSFP28，RJ45，USB 3.X，PCIE GEN5等界面，适应机器人传感器/执行器，并加速外围扩张。 NVIDIA也在努力优化您的软件。 Jetson Thor与NVIDIA ISAAC（模拟/开发），Isaac Gr00t（基本人形机器人），大都市（Visual AI）和Holoscan（Sensor Workflow）（传感器工作流）具有统一的云-TO -EDGE -EDGE -EDGE开发/开发路线。 FP4中的量化和投机解码技术甚至可以作为模型的最佳性能。数据是200毫秒的数据，是令牌的第一个响应，表明它可以每秒产生超过25个令牌。这种速度已经可以实时承认人类计算机的相互作用。 Dvantech，Aetina，Connecttech，Miven Power，Tianzhun Technology和其他人创建了具有质量生产条件的Jetson Thor系统，具有灵活的输入和输出接口以及个性化的配置离子使他们能够提供各种形式和规格。传感器和执行器，例如Adeno半导体，ECN系统，Infineon，Leopard Imaging，Realsense和Senyun Intelligence，直接从相机，Radar，Lidar和其他设备发送传感器数据。在第一批供应中，中国玩家构成了采用雷神的第一批公司的很大一部分。 Lianying Medical，Wanji Technology，UBL，Galaxy General Motors，Yushu Technology，Zhongqing Robot和Zhiyuan机器人开始集成这个新平台。 Yushu Technology的创始人Wang Xingxing表示：“ Jetson Thor在计算机上取得了巨大的飞跃。最强的敏捷性，最快的决策和最高水平的自主权对于机器人而言对于在现实世界中达到旅行和互动的重要性很重要。” Galaxy General Motors CTO Wang透露，在高级G1机器人采用Thor之后，运动速度和流动的速度已得到显着改善。此外，波士顿动态ICS将Jetson Thor与人形机器人地图集集成在一起，从而允许Atlas运输以前仅在设备上的服务器上可用的计算机功率。 Agility Robotics使用Jetson Thor作为第六代数字的计算机核心来创建仓库和制造周期。工厂在边界上执行堆栈，负载和托盘等后勤任务。在他的演讲，Deepu的规模，副总裁Din Nvidia机器人和Edge AI中，他提出这种观点是用机器人制作物理AI的观点，三台计算机必须共同努力。第一个是用于训练AI的DGX系统，第二个是用于测试模拟环境中AI的Omniverse平台，第三个是安装在机器人中的“大脑”。这是今天发布的杰森·索尔（Jetson Thor）。特别是，我们强调模拟测试步骤很重要，因为模拟比在实际物理环境中更快，安全和便宜。这不是一个独特的过程。即使在实施机器人之后在该站点中，此训练仿真消除周期继续更新机器人的功能。 [1] https://blogs.nvidia.cn/blog/jet
特殊声明：先前的内容（包括fotyou和视频（如果有），如果有），已由NetEase Auto-Media平台的用户收取和发布。该平台仅提供信息存储服务。
注意：以前的内容（如果您有照片或视频）将由社交媒体平台NetEase Hao的用户收取和发布，仅提供信息存储服务。
价格为25,000！ NVIDIA推出了最强大的机器人大脑：AI计算能力增加了750％