NVIDIA verdubbelt rekenkracht van kleinste robotchip

NVIDIA kondigde op 25 augustus de Jetson Orin Nano 2 aan, de nieuwe instapversie van zijn computerkaartjes voor robots en drones. Het bordje haalt 78 biljoen AI-bewerkingen per seconde, twee keer zoveel als de Orin Nano Super van vorig jaar, in precies dezelfde behuizing. Dat staat in het persbericht van NVIDIA en werd bevestigd door SiliconANGLE.

Dubbele rekenkracht, 40 procent minder stroom

Aan de buitenkant verandert er weinig. Nog steeds 8 GB geheugen, een Arm-processor met acht kernen, hetzelfde formaat als de vorige generatie. De winst zit in wat er per watt uit komt. Zet je het kaartje in de stand van 15 watt, dan doet het volgens NVIDIA hetzelfde werk als zijn voorganger met 40 procent minder verbruik. Voor een drone die op accu vliegt betekent dat simpelweg langer in de lucht blijven.

De Orin Nano 2 draait modellen als Gemma 4 en Qwen 3 lokaal, naast NVIDIA’s eigen Cosmos- en Nemotron-modellen. Er komt geen datacenter aan te pas. Dezelfde redenering zag je eerder bij Xiaomi, dat drie eigen chips inzet voor lokale AI: rekenwerk dat op het apparaat zelf gebeurt, is sneller en lekt minder data.

Wing, Cognex en Doosan Bobcat testen mee

Tot de eerste gebruikers horen machinevisiebedrijf Cognex, machinebouwer Doosan Bobcat, huisrobotmaker Matic en Wing, het bezorgdronebedrijf van Alphabet. Dinuka Abeywardena van Wing zegt in het persbericht dat bezorging per drone staat of valt met AI die de omgeving snel en betrouwbaar kan lezen. Die markt groeit hard: Amazon breidt zijn Prime Air-vloot uit naar bijna 500 Amerikaanse steden.

Daarnaast bouwen partijen als AAEON, ADLINK, Advantech, Seeed Studio en Connect Tech carrier boards rond de module. NVIDIA telt inmiddels meer dan 3 miljoen ontwikkelaars op zijn roboticasoftware.

Kleine modellen halen de grote in

Deepu Talla, verantwoordelijk voor robotica en edge AI bij NVIDIA, legt de timing uit met een observatie over modelgroottes: de kleine en middelgrote frontier-modellen van nu halen volgens hem de nauwkeurigheid van de grootste modellen van vorig jaar. Daardoor past bruikbare intelligentie ineens binnen het stroom- en geheugenbudget van een apparaat ter grootte van een creditcard.

Die verschuiving zie je breder terug in de robotica. Skild AI liet robots leren van één video en Gatik haalde 200 miljoen dollar op voor vrachtwagens zonder chauffeur. In al die gevallen moet het model draaien waar de machine staat, niet in een serverrack honderden kilometers verderop.

Wat betekent dit

Wie nu een robot of drone ontwerpt, krijgt meer speelruimte in het ontwerp: minder koeling, kleinere accu, of gewoon een groter model aan boord. Het addertje zit in de planning. De module en de developer kit komen pas in de eerste helft van 2027 breed beschikbaar, en NVIDIA noemt nog geen prijs. Dat is ruim een halfjaar wachten voor iedereen die vandaag een prototype bouwt.

Voor NVIDIA zelf is het een zet in een hoek waar het minder vanzelfsprekend domineert dan in datacenters, waar het bedrijf onlangs nog zijn serverprijzen met ruim 15 procent verhoogde. Aan de rand van het netwerk telt vooral prestatie per watt, en daar zijn Qualcomm en een reeks Chinese chipmakers wel degelijk in beeld. De prijs die NVIDIA volgend jaar noemt, wordt daarmee minstens zo belangrijk als de 78 TOPS op het datablad.