NVIDIA je objavila novi prikaz Jetson platforme, namenjene razvoju AI rešenja na uređajima koji rade na ivici mreže, odnosno tamo gde se podaci obrađuju lokalno, a ne u data centru. U fokusu su robotika, autonomne mašine i drugi sistemi koji moraju da kombinuju računarsku snagu, malu potrošnju i prenosivost.
Kompanija kroz primer AI investitorke Sare Guo poručuje da je Jetson dovoljno kompaktan da stane u torbu, ali i dovoljno snažan da pokreće razvojne projekte u učionicama, laboratorijama i makerspace okruženjima. U tekstu se Jetson opisuje kao platforma koja pomaže developerima da grade AI za fizički svet, uz podršku za tzv. agentički AI, odnosno sisteme koji mogu da donose i izvršavaju zadatke u okviru definisanih ciljeva.
U objavi se navode tri ključne Jetson konfiguracije. Jetson Orin Nano Super namenjen je onima koji prvi put ulaze u robotiku i pruža do 67 TOPS AI performansi. TOPS označava bilione operacija u sekundi i koristi se kao gruba mera koliko brzo čip može da izvršava AI zadatke. Jetson AGX Orin ide korak dalje sa 275 TOPS i cilja zahtevnije projekte, dok je Jetson AGX Thor pomenut kao naredna opcija za naprednije razvojne scenarije.
Za Jetson Orin Nano Super NVIDIA navodi i nekoliko projekata koji prikazuju kako platforma može da se koristi u praksi. Među njima su autonomno upravljanje malim električnim vozilom, lokalni glasovni i vizuelni asistent za robot Reachy Mini Lite, kao i robot napravljen uz Mistral, otvoreni model sa otvorenom težinom. Posebno je istaknuto da jedan od asistentskih projekata radi potpuno lokalno, uz GPU ubrzanje, bez potrebe za oblakom, API ključevima ili internet konekcijom tokom rada.
U delu posvećenom Jetson AGX Orin, NVIDIA naglašava da veći računarski kapaciteti otvaraju prostor za složenije zadatke, uključujući računarski vid, generativni AI, autonomnu navigaciju i obrazovne ili istraživačke projekte. Platforma je prikazana kao rešenje koje omogućava da se prototipovi testiraju u realnim uslovima, a zatim ponovo ponesu u učionicu, laboratoriju ili na demonstraciju.
U tekstu su pomenuti i primeri poput live VLM interfejsa, gde VLM znači vision language model, odnosno model koji kombinuje vizuelni unos i jezičku obradu, kao i studentskog tima sa Carnegie Mellon University koji koristi Jetson za 3D mapiranje prostora i pretragu preživelih u spasilačkim scenarijima. NVIDIA time pozicionira Jetson kao platformu za fizički AI, kategoriju u kojoj softver mora da funkcioniše u stvarnom okruženju, a ne samo u simulaciji.
Za razvojnu zajednicu kompanija upućuje i na Jetson Device Skills i Jetson BSP Skills, alate koji olakšavaju rad sa AI agentima i sistemskim komponentama potrebnim za implementaciju na samom uređaju. Poruka je jasna: Jetson treba da olakša prelazak od ideje do prototipa, posebno u robotici i edge AI projektima gde su veličina, potrošnja i lokalna obrada ključni faktori.
Za čitaoce u Srbiji i regionu ovakve objave su značajne jer pokazuju u kom pravcu ide razvoj AI hardvera za obrazovanje, istraživanje, startape i industrijske primene. Umesto velikih serverskih sistema, sve veći deo AI razvoja seli se na kompaktne uređaje koji mogu da rade na mestu gde se podaci i koriste.
