A medida que los modelos de IA se vuelven más eficientes, más dispositivos pueden volverse autónomos, pero los desarrolladores necesitan computadores compactos y eficientes en energía construidos para IA de borde. Con ese argumento, NVIDIA presentó el Jetson Orin Nano 2, un nuevo computador de nivel de entrada para IA de borde que, según la compañía, habilita a millones de desarrolladores en todo el mundo para construir sistemas de IA física.
"Los modelos de frontera pequeños y medianos de hoy han alcanzado la precisión de los modelos de frontera más grandes del año pasado, lo que desbloquea inteligencia en tiempo real para dispositivos de borde", declaró Deepu Talla, vicepresidente de robótica e IA de borde en NVIDIA. "El computador Jetson Orin Nano 2 pone ese avance al alcance de millones de desarrolladores, entregando el rendimiento y la eficiencia energética necesarios para razonamiento en tiempo real en drones inteligentes, robots y sistemas de visión con IA."
"En los últimos tres meses hemos visto la evolución de los modelos abiertos que impulsan la IA física y lo importantes que se han vuelto", agregó durante una sesión con la prensa. "Hace un año, los modelos de frontera eran modelos de 600 mil millones o un billón de parámetros. Un año después, podemos llevar ese nivel de precisión hasta productos de IA de borde de nivel de entrada en el Orin Nano 2."
El Jetson Orin Nano 2 forma parte del enfoque de "tres computadores, pila completa" que la empresa aplica a la robótica: Omniverse con Cosmos aporta la simulación para pruebas, DGX sostiene el entrenamiento, y Jetson actúa como "cerebro del robot" para el despliegue en ejecución.
¿Qué mejora exactamente frente al Orin Nano Super?
"El Jetson Orin Nano 2 entrega un salto significativo en rendimiento de IA y procesamiento de video en un sistema costo-efectivo y eficiente en energía", señaló NVIDIA. El sistema ofrece 78 billones de operaciones por segundo (TOPS) de cómputo de IA, 8 GB de memoria y una CPU Arm de ocho núcleos.
El módulo duplica el rendimiento de inferencia del Jetson Orin Nano Super gracias a núcleos Tensor mejorados y mayor ancho de banda de memoria, y lo hace manteniendo el mismo formato compacto. En modo de 15 watts, el Orin Nano 2 consume 40% menos energía para entregar el mismo rendimiento pico a pico que su antecesor, según explicó Talla a The Robot Report.
| Dato | Jetson Orin Nano 2 |
|---|---|
| Cómputo de IA | 78 TOPS |
| Memoria | 8 GB |
| CPU | Arm de ocho núcleos |
| Inferencia vs Orin Nano Super | El doble |
| Consumo en modo 15 W | 40% menos a igual rendimiento pico a pico |
| Formato físico | Idéntico al del antecesor |
| Disponibilidad | Primer semestre de 2027 |
NVIDIA destacó que su pila de software abierto actual corre sobre el Nano 2, que está construido sobre la misma arquitectura de GPU que sus productos de centro de datos. El diseño busca ser un reemplazo directo para clientes que ya usan Orin.
¿Qué modelos corren sobre la placa?
En combinación con las habilidades de agente para Jetson y el ecosistema tecnológico de la compañía, los desarrolladores pueden correr los modelos de lenguaje y los modelos de visión y lenguaje más recientes, optimizados para inferencia de borde eficiente en memoria. Entre ellos hay modelos abiertos como NVIDIA Cosmos y Nemotron, Gemma 4 y Qwen 3.
"Esto desbloquea de golpe un nivel de inteligencia que era imposible, algo con lo que llevamos una década soñando en IA de borde", dijo Talla. "Es un momento significativo, donde ahora, para todas estas aplicaciones de robótica e IA física, podemos poner modelos de frontera como LLM y VLM encima de las demás capacidades autónomas."
NVIDIA ya había renovado su oferta Jetson de gama más alta, incluidos los Orin NX, Orin y T3000/T2000 para aplicaciones convencionales, y los Jetson T5000/T4000 para usos avanzados.
Quién lo está probando
La compañía afirma que más de 3 millones de desarrolladores ya construyen sobre su pila de robótica, y que más de 10.000 empresas están despachando o desarrollando productos basados en Jetson. Socios como Cognex, Doosan Bobcat, Matic y Wing están evaluando o usando el Orin Nano 2.
Wing, filial de Alphabet, usa el Jetson Orin Nano Super y la pila de software de NVIDIA en su flota de drones de reparto, y planea evaluar el Nano 2 para mejorar la percepción y el razonamiento en tiempo real.
"El reparto con drones depende de una IA que permita entender el mundo real de forma rápida y confiable", señaló Dinuka Abeywardena, jefe de percepción de Wing. "Wing está explorando el Jetson Orin Nano 2 para tener un camino hacia drones más receptivos y eficientes en energía."
Matic Robots lo está usando para lograr interacciones más intuitivas con sus robots de limpieza domésticos, sumando IA conversacional, detección de gestos, mapeo de precisión y comprensión semántica del entorno del hogar.
"Los robots domésticos necesitan entender a las personas, mapear espacios con precisión, comprender la disposición de objetos y limpiar de forma autónoma en entornos dinámicos y en constante cambio", explicó Navneet Dalal, cofundador y director ejecutivo de Matic Robotics.
Talla también mencionó el Reachy Mini de Hugging Face, que usa un modelo de lenguaje pequeño para reconocimiento de voz. NVIDIA citó además a AAEON, ADLINK, Advantech, Aetina, Antmicro, Aptiv, Auvidea, AVerMedia, Connect Tech, RidgeRun, RS, Seeed Studio y TZTek, entre otros socios que construyen placas portadoras, hardware y software de IA personalizado.
El módulo Jetson Orin Nano 2 y su kit de desarrollo estarán disponibles en el primer semestre de 2027.
¿Qué cambia para quien desarrolla en Chile?
El dato que más se nota en la práctica no son los 78 TOPS sino el consumo. Un robot móvil o un dron alimentado por batería vive o muere según el presupuesto de watts, y bajar 40% el consumo a igual rendimiento significa, en términos gruesos, extender la autonomía de una plataforma de forma directa sin tocar el paquete de baterías.
El segundo punto relevante es que mantiene el mismo formato físico. Quien ya tenga una placa portadora diseñada para Orin Nano, un chasis impreso en 3D o un arnés de cables armado, no necesita rehacer nada mecánico. Para laboratorios universitarios y equipos de competencia de robótica en la región, eso convierte la actualización en un cambio de módulo, no en un rediseño.
