Nvidia heeft de modules Jetson T3000 en T2000 gepresenteerd, twee nieuwe varianten van hun Thor-architectuur. Ze zijn ontwikkeld om AI-modellen naar robots, vision-systemen en autonome machines te brengen met minder geheugen, energieverbruik en formaat dan de huidige Jetson T5000. Deze systemen kunnen al worden gesimuleerd voordat ze eind 2026 op de markt komen, met een verwachte lanceerdatum in het eerste kwartaal van 2027.
De kernpunten van de nieuwe Jetson Thor-modules in 30 seconden
- De Jetson T3000 biedt 865 teraflops FP4, 32 GB geheugen en een Octa-core Arm CPU.
- De T2000 reduceert dit naar 400 teraflops FP4 en 16 GB geheugen.
- Nvidia schat dat de T3000 ongeveer de helft van de grootte en het energieverbruik van de T5000 heeft.
- Cosmos 3 Edge maakt het mogelijk om een robotmodel met 4 miljard parameters op het apparaat uit te voeren.
- De modules worden verwacht in het eerste kwartaal van 2027.
De fabrikant wil de Thor-familie uitbreiden voorbij humanoïde robots en high-end industriële platforms. De Jetson T3000 richt zich op systemen die multimodale modellen en realtime sensordata verwerken, zonder de 128 GB geheugen of de 2.070 teraflops FP4 van de T5000 te hoeven benutten. De T2000 is bedoeld voor mobiele robots, manipulators, visuele agenten en andere edge-AI-toepassingen met minder geheugen en rekenkracht.
Nvidia heeft nog geen prijzen, exacte afmetingen of energieverbruikspecificaties voor de twee nieuwe modules gedeeld. Ook ontbreekt een volledige technische fiche met interfaces, GPU-kernen, opslagmogelijkheden of cameraconfiguraties. Voorlopig moeten de specificaties als voorlopig en voornamelijk gebaseerd op de informatie uit de aankondiging worden beschouwd.
T3000 biedt minder geheugen en energieverbruik dan de Jetson T5000
De Jetson T3000 combineert een Blackwell GPU, een acht-core Arm Neoverse CPU, 32 GB LPDDR5X geheugen en een bandwidth van 273 GB/s. Nvidia noemt 865 teraflops FP4 en een 25 Gbps Ethernet-verbinding.
Volgens Nvidia neemt de T3000 ongeveer de helft in grootte en verbruikt hij ongeveer de helft van de energie in vergelijking met de T5000. Exacte meetgegevens ontbreken, waardoor geen direct stroomverbruik- of prestatieberekeningen kunnen worden gemaakt op basis van de 40-130 W van de T5000.
| Kenmerk | Jetson T2000 | Jetson T3000 | Jetson T4000 | Jetson T5000 |
|---|---|---|---|---|
| GPU-architectuur | Blackwell | Blackwell | Blackwell | Blackwell |
| Gelieerde AI-prestaties | 400 TFLOPS FP4 | 865 TFLOPS FP4 | 1.200 TFLOPS FP4 | 2.070 TFLOPS FP4 |
| CPU | N.v.t. | Arm Neoverse, 8 kernen | Arm Neoverse-V3AE, 12 kernen | Arm Neoverse-V3AE, 14 kernen |
| Geheugen | 16 GB | 32 GB LPDDR5X | 64 GB LPDDR5X | 128 GB LPDDR5X |
| Bandbreedte | N.v.t. | 273 GB/s | 273 GB/s | 273 GB/s |
| Netwerk | N.v.t. | 25 GbE | 3 × 25 GbE | 4 × 25 GbE |
| Stroomverbruik | N.v.t. | Ongeveer de helft van T5000 | 40-70 W | 40-130 W |
| Formaat | N.v.t. | Ongeveer de helft van T5000 | 100 × 87 mm | 100 × 87 mm |
| Beschikbaarheid | Q1 2027 | Q1 2027 | Beschikbaar | Beschikbaar |
De specificaties van de T4000 en T5000 zijn gebaseerd op de huidige officiële specificaties van Jetson Thor. Nvidia gebruikt dispersie-teraflops FP4 om het maximale prestatieniveau van deze modules aan te geven. Voor de T3000 en T2000 worden ook teraflops FP4 genoemd, maar er wordt niet vermeld of deze onder precies dezelfde testcondities zijn gemeten.
Dit maakt een directe prestatievergelijking moeilijk, omdat teraflops slechts een theoretische maat zijn voor bepaalde vier-bits wiskundige operaties en geen garantie bieden voor de werkelijke snelheid van een robot, visie- of taalmodel.
De uiteindelijke prestaties hangen af van de gebruikte precisie, modelgrootte, beschikbare geheugen, datastroom, software-optimalisatie en sensorlading. Minder teraflops betekent niet automatisch minder nuttige capaciteit: als het model in het geheugen past en de GPU niet 100% wordt belast, kan een minder krachtige module nog steeds voldoen.
Nvidia beweert dat de T3000 vergelijkbare inference-prestaties kan leveren als de T5000 in multimodale taken, zoals grote taalmodellen, vision- en taalmodellen, VLA-systemen (vision-language-action) en foundation models. Deze uitspraak is nog niet onafhankelijk getest of gevalideerd.
De rol van elke module binnen de Thor-familie
| Module | Voorspelde positie | Voorbeeldtoepassingen |
|---|---|---|
| Jetson T2000 | Instapmodel voor Thor-architectuur | Visuele agenten, mobiele robots, industriële manipulators |
| Jetson T3000 | Geavanceerde robotica met minder geheugen en energie | Humanoïde robots, multimodale systemen, sensordata verwerking |
| Jetson T4000 | Intermediate high-end | Complexe robotica, meerdere gelijktijdige taken |
| Jetson T5000 | Top van de Thor-architectuur | Gevorderde humanoïden, grote modellen, multisensor fusie |
De reductie in geheugen voor de goedkopere modules is deels om kosten te besparen. Nvidia wijst erop dat het verlagen van het geheugen van 128 GB naar 32 GB het systeem goedkoper kan maken, vooral in een tijd waarin de geheugenprijzen stijgen. Wel betekent minder geheugen ook dat het omvangrijke models en gelijktijdige taken limitatie ondervinden.
De T2000 met 16 GB geheugen en 400 teraflops FP4 biedt een instap voor het gebruik van Thor in systemen die voorheen op Jetson Orin of andere edge-AI-platforms werden uitgevoerd. Nvidia heeft niet aangegeven welke modellen Orin hiermee vervangen worden of of ze willens en wetens naast elkaar blijven bestaan.
Software-agents proberen geheugenbeperkingen te compenseren
Naast de hardwaremodules introduceert Nvidia ook nieuwe vaardigheden voor ontwikkelaarsagents. Deze kunnen het gebruik van geheugen, systeemconfiguraties en toepassing uitrollen en optimaliseren.
Doel is om taken te automatiseren die voorheen handmatige aanpassingen vereisten, zoals het aanpassen van modellen, buffers, bibliotheken, processen en accelerators. Nvidia beweert dat deze tools het mogelijk maken om dezelfde applicatie met minder geheugen uit te voeren, afhankelijk van het project.
| Bedrijf of project | Gedeeld geheugenbesparingsresultaat | Bereikte verandering |
|---|---|---|
| UBTech, Agile Robots en Connect Tech | Tot 15 GB | Van Jetson AGX Orin 64 GB naar 32 GB |
| SandStar | Tot 4 GB | Van Orin NX 16 GB naar 8 GB |
| NoTraffic | 30% | Meer ruimte voor functionaliteiten op Jetson TX2 NX |
| GROOVE X | Niet gekwantificeerd | Verdeling van belasting over verschillende accelerators |
Deze resultaten komen van Nvidia en de deelnemende bedrijven en vormen geen garantie dat applicaties zonder verlies van prestaties of functionaliteit de geheugengrootte kunnen halveren.
Mogelijke optimalisatietechnieken omvatten kwantisatie, verwijdering van onnodige processen, geheugenhergebruik, offloading naar gespecialiseerde accelerators en het selecteren van kleinere modelversies. Sommige optimalisaties kunnen de prestaties handhaven, terwijl andere ten koste gaan van precisie, context of capaciteit.
Het belang van geheugenbesparingen wordt vooral duidelijk bij de T2000 en T3000: ontwikkelaars moeten beter sturen op geheugenbeheer, omdat minder geheugen betekent dat modellen en data strakker moeten worden afgesteld. De veronderstelde rekenkracht is nutteloos als het model of de tussenresultaten niet in het geheugen passen.
Cosmos 3 Edge brengt een robotmodel met 4 miljard parameters
Nvidia heeft ook Cosmos 3 Edge aangekondigd, een model met 4 miljard parameters dat is ontworpen voor gebruik op Thor-platforms. Het systeem ondersteunt lokale inferentie zodat robots de omgeving kunnen interpreteren, redeneert over waarnemingen en kan acties genereren zonder voortdurende cloud-connectie.
Het bedrijf zegt dat ontwikkelaars het model binnen ongeveer een dag kunnen aanpassen aan een specifiek robottype en sensors. Deze schatting hangt af van de hoeveelheid data, trainingshardware, mate van personalisatie en complexiteit van de robot.
| Softwarecomponent | Functie in het robotische systeem |
|---|---|
| Cosmos 3 Edge | Omgevingsinterpretatie en actiegeneratie |
| Isaac | Simulatie, perceptie en robotica-ontwikkeling |
| Isaac GR00T | Tools en modellen voor humanoïderobots |
| Nemotron | Open taalmethoden en redenering |
| Jetson Agent Skills | Memory- en deploymentbeheer |
| NemoClaw | Coördinatie en uitvoering van agenten |
Cosmos 3 Edge probeert de kloof tussen simulatie en realiteit te verkleinen. Ontwikkelaars kunnen systemen trainen in virtuele omgevingen en deze modellen vervolgens in het werkend apparaat implementeren voor inferentie, wat de latency verlaagt en operationele continuïteit verbetert.
In-device verwerking beperkt het dataverkeer en zorgt dat systemen blijven functioneren bij gebrekkige netwerkverbindingen. Het biedt ook meer databeveiliging door gegevens lokaal te verwerken, al blijft bescherming van opgeslagen en verzonden informatie belangrijk.
Jetson- en IGX T3000 zijn niet exact hetzelfde
Nvidia ontwikkelt twee varianten van de T3000. Jetson T3000 is gericht op robotica en algemene embedded toepassingen, terwijl IGX T3000 dezelfde rekenkracht biedt maar extra functionaliteit voor veiligheids- en industrietoepassingen met Nvidia Halos for Robotics geïntegreerd.
| Platform | Focus | Belangrijkste verschil |
|---|---|---|
| Jetson T3000 | Robots en autonome systemen | Geïntegreerd AI- en verwerkingsmodule |
| IGX T3000 | Industrie en mens-robot samenwerking | Veiligheidsfuncties en Halos for Robotics |
| Jetson T2000 | Edge-systemen met lagere kosten | Meer beperkte capaciteit |
Veiligheid is cruciaal in fabrieken, logistiek, gezondheidszorg en gedeelde ruimtes. Het garandeert voorspelbaar gedrag bij hardware- of softwarefouten en minimaliseert fysiek gevaar, maar is geen vervanging voor cyberbeveiliging.
Nvidia heeft nog geen details gegeven over certificeringen of veiligheidsniveaus voor de IGX T3000. De vermelding van Halos betekent dat de module via die technologie compatibel is met bepaalde veiligheidsstandaarden, maar geen volledige certificering garandeert voor alle robottoepassingen.
Ontwikkelaars kunnen starten met emulatie
De fysieke modules verschijnen pas begin 2027, maar Nvidia maakt het mogelijk om al te ontwikkelen via een simulatie in het bestaande Jetson AGX Thor kit.
De emulatie voor de T3000 komt in juli met JetPack 7.2.1. Een latere versie zal ook de T2000-simulatie introduceren, maar een exacte datum is nog niet bekend. Hierdoor kunnen ontwikkelaars al simulaties uitvoeren die het gedrag van de uiteindelijke hardware nabootsen.
Deze simulaties zijn nuttig om te testen of applicaties passen in het geheugen en voldoen aan prestatiewaarden, maar vervangen niet volledig testen op het echte hardware. Temperatuur, energieverbruik, interfaces, latentie en gedrag onder langdurige belasting kunnen variëren bij de daadwerkelijke modules.
Nvidia werkt al samen met systemfabrikanten zoals ADLINK, Advantech, AAEON, Aetina, Seeed Studio, Connect Tech en AVerMedia. Daarnaast worden bedrijven als 1X, Agile Robots, Amazon Robotics, Boston Dynamics, FANUC, Hitachi en Techman Robot genoemd als gebruikers of ontwikkelaars van de Thor-architectuur.
De introductie onderstreept een marktverschuiving. Nvidia begon Thor met de high-end oplossing van 128 GB en 2.070 teraflops FP4, terwijl de nieuwe modellen T3000 en T2000 lagere specificaties hebben om kosten, formaat en energie te reduceren, en zo breder inzetbaar te worden.
Belangrijke ontbrekende gegevens zijn prijs, exacte energie-inname, afmetingen, aantal interfaces en prestaties met concrete modellen. Totdat de technische fiches en onafhankelijke tests beschikbaar zijn, worden de nieuwe Jetson-modules vooral gezien als een veelbelovende uitbreiding van de Thor-familie en niet als direct beschikbare producten.
Veelgestelde vragen
Wanneer zijn de Jetson T3000 en T2000 beschikbaar?
Nvidia verwacht deze modules in het eerste kwartaal van 2027 op de markt te brengen. Voor die tijd kunnen ontwikkelaars al simulaties uitvoeren op de bestaande Jetson AGX Thor kits.
Wat is het verschil tussen T3000 en T5000?
De T3000 heeft 32 GB geheugen (tegenover 128 GB) en een gereduceerde prestatiewaarde van 865 naar 2.070 teraflops FP4. Nvidia beweert dat hij ongeveer de helft van het formaat en energieverbruik van de T5000 heeft, maar concrete cijfers ontbreken.
Wat is de toepassing van de Jetson T2000?
Dit model is geschikt voor visuele agenten, mobiele robots, manipulators en edge-systemen die Thor nodig hebben, maar niet de maximale capaciteit van duurdere modules.
Wat is Cosmos 3 Edge?
Een 4 miljard parameters model, ontworpen voor lokale inferentie op robots, waarmee ze de omgeving kunnen interpreteren, redenaties uitvoeren en acties genereren zonder voortdurende cloudverbinding.
vía: blogs.nvidia