メモリ効率を重視し、エッジでエージェント対応 AI を展開する NVIDIA JetPack 7.2 の発表
NVIDIA は JetPack 7.2 のリリースにより、AI エージェントのエッジへの展開を最適化し、メモリ効率の向上や NemoClaw スタックのサポートなど、実用性を大幅に高めた新機能を導入した。
キーポイント
NVIDIA NemoClaw とエージェント機能の強化
JetPack 7.2 は NVIDIA NemoClaw のワンコマンド展開をサポートし、プライバシーとセキュリティを強化する「NVIDIA agent skills」を Jetson Orin に導入した。
Jetson Thor と MIG サポートの追加
次世代プラットフォームである Jetson Thor において NVIDIA Multi-Instance GPU (MIG) をサポートし、決定論的なマルチワークロード実行を可能にした。
Yocto Project の公式サポートと Super Mode
カスタム Linux ディストリビューションの構築を可能にする Yocto Project への公式サポートに加え、Jetson AGX Orin 32GB 向けの「Super Mode」でコスト効率と AI パフォーマンスを向上させた。
Agentic AI とメモリ効率の最適化
JetPack 7.2 は、エッジデバイス上で動作する自律型（Agentic）AI アプリケーション向けに、メモリ使用効率を大幅に改善したソフトウェアスタックを提供します。
新ハードウェアとプラットフォーム対応の拡大
32GB の Jetson AGX Orin Super モジュールや Thor でのマルチインスタンス GPU（MIG）サポート、および公式 Yocto Project 対応により、開発の柔軟性とスケーラビリティが向上しています。
NemoClaw の即座の展開
JetPack 7.2 は NemoClaw に事前対応しており、単一のコマンドで依存関係やソフトウェアスタックを自動的に設定することで、物理 AI アプリケーションの開発を迅速に開始できます。
AI エージェントによる開発自動化
Jetson 向けエージェントスキルが提供され、Linux カスタマイズ、メモリ最適化、モデルベンチマークなどの複雑な開発タスクを AI エージェントが自動実行することで、プロトタイプから本番展開までの期間を短縮します。
影響分析・編集コメントを表示
影響分析
このリリースは、AI エージェントがクラウドからエッジデバイスへ移行する際のボトルネックであるメモリ制約やセキュリティ課題を解決し、産業用ロボットや自律走行車などの実世界での展開を加速させる重要な転換点となる。特に Jetson Orin と Thor の新機能により、開発者は既存ハードウェアの価値を最大化しつつ、より複雑なタスクを実行できる環境を低コストで構築できるようになる。
編集コメント
エッジ AI の実用化において、メモリ効率とセキュリティは長年の課題でしたが、NemoClaw や MIG サポートの導入により、これらの壁を崩す具体的な道筋が示されました。特に Jetson Thor の新機能は、次世代自律機械の開発スピードに大きく寄与するでしょう。
AI エージェントがデジタル世界から物理環境へと移行するにつれ、最適化されたメモリとパフォーマンスにより、NVIDIA Jetson を活用して現実世界の展開を加速させることが容易になります。
NVIDIA JetPack 7.2 は、プライバシーとセキュリティの制御機能を OpenClaw に追加するオープンソーススタックである NVIDIA NemoClaw のワンコマンド展開を直接サポートしています。これにより、Jetson 向けの NVIDIA エージェントスキル—具体的には Jetson デバイス側スキル と Jetson BSP スキル—が導入され、最新の計算スタックとエージェント機能が NVIDIA Jetson Orin へと拡張されます。この実現を可能にしているのは、Jetson のソフトウェア定義プラットフォームです：同じハードウェアが、ソフトウェアリリースごとにさらに多くの価値を提供し続けます。
本記事では、新しい JetPack 7.2 リリースの機能と能力について紹介します。これらには以下も含まれます:
- 決定論的なマルチワークロード実行のための NVIDIA Jetson Thor における NVIDIA Multi-Instance GPU (MIG) サポート
- システム効率をさらに向上させることができるカスタム Linux ディストリビューション向けの公式 Yocto Project サポート
- Jetson AGX Orin 32 GB 向けのスーパーモードにより、エッジにおける AI パフォーマンスの向上とコスト効率の改善を実現
これらのアップデートはすべて、開発者が既存の Jetson ハードウェアからより多くの価値を引き出し、市場投入までの時間を短縮し、総所有コスト（TCO）を削減することを支援します。
image*図 1. JetPack 7.2 は、エッジ AI の市場動向に対して最適化されたサポートを提供します*
NVIDIA JetPack 7.2 ソフトウェアはどのようにしてエージェント対応を実現しているのか？
JetPack 7.2 では、Jetson が箱から出したまま NemoClaw（※）に対応しています。JetPack 7.2 には必要な依存関係とソフトウェアスタックが事前に設定されているため、手動での環境構築を行わずに Jetson で NemoClaw ベースのワークフローをデプロイして実行できます。これにより、ロボティクス、産業用オートメーション、ビジョンエージェント、エッジ AI システムなど across において、エージェント対応の 物理 AI アプリケーションを容易に構築することが可能になります。
JetPack 7.2 を実行する Jetson デバイスに NemoClaw をインストールするには、以下の単一コマンドを実行してください：
curl -fsSL nvidia.com/nemoclaw.sh | bash
JetPack 7.2 における Jetson 用の NVIDIA エージェントスキル
JetPack 7.2 はまた、開発者に対して AI エージェントを使用して Jetson ソフトウェアスタックを構築および最適化するための「Jetson エージェントスキル」も提供しています。エージェントスキルとは、どのツールを呼び出すか、どのような出力を生成するか、結果を検証する方法かを定義する、反復可能でエージェントが実行可能な指示のセットです。開発プロセスの各ステップを手動で設定するのではなく、開発者はエージェントを通じてエージェントスキルを活用し、これらのタスクを自動的に処理できます。
Jetson エージェントスキルは、このパターンを Jetson ソフトウェア開発ワークフローに特化して適用します。これらのエージェント駆動型ワークフローは、Jetson Linux のカスタマイズ、メモリ最適化、モデルベンチマーク、デプロイ設定など、一般的な開発タスクの自動化を支援します。デバイス側と BSP（Board Support Package）側の両方の実装により、開発者はエージェントスキルを使用して開発の複雑さを軽減し、Jetson プラットフォーム上でのプロトタイプから本番環境への展開までの期間を短縮できます。
JetPack 7.2 では、3 つのカテゴリのスキルが提供されます：
- Jetson Linux カスタマイズスキル：カスタムキャリアボード用にゼロから BSP を構築およびカスタマイズするようエージェントをガイドします。これには、特定のハードウェア設計向けに I/O、クロック設定、ファン制御、電源プロファイル、またはその他のモジュールを設定することが含まれます。以前は数週間の手動作業を要していたタスクをエージェントが処理できるため、カスタム Jetson デザインの市場投入までの時間を短縮できます。
- メモリ最適化スキル：ソフトウェアスタック全体にわたるメモリ使用量の最適化を行います。これらのスキルは、ブートローダーのメモリカーアウトから調整を開始し、カーネルメモリの予約を最適化し、冗長なユーザー空間プロセスを削減し、特定のワークロードに対して最もメモリ効率の高いソフトウェア構成を構築するのを支援します。これにより、より高度なワークロードが低いメモリ構成で実行可能になることで、TCO（総所有コスト）が直接的に削減されます。
- モデルベンチマークスキル：ユースケースに最適なモデル構成の特定を支援します。これらのスキルには、モデルベンチマーク、推論最適化、Jetson 診断が含まれます。例えば、NemoClaw ベースのアプリケーションを開発している開発者は、これらのスキルを使用して、特定のタスクに対してターゲットデバイス上で最も効率的に動作するモデルを決定できます。
これら 3 つのカテゴリのスキルに加え、NVIDIA は NVIDIA DeepStream や NVIDIA Metropolis Blueprint for Video Search and Summarization (VSS) を使用してエージェントがビジョンパイプラインを構築するのを支援するスキルも導入しています。
image*図 2. Jetson エージェントスキルは、エージェンティック開発を推進します*
詳しく知りたい方や始めたい方は、GitHub の Jetson device-side skills および Jetson BSP skills をご確認ください。
Jetson Thor における MIG は、混合クリティカル度のワークロード向けに GPU パーティショニングを可能にする
Jetson Thor 上の JetPack 7.2 では、MIG（Multi-Instance GPU）のサポートが導入され、統合された NVIDIA Blackwell GPU を、専用の計算能力、キャッシュ、メモリ帯域幅を持つ 2 つの独立した GPU インスタンスに分割することが可能になりました。これにより、複数の AI ワークロードを同時に実行しながら、予測可能なパフォーマンスと最小限の干渉を実現できます。
JetPack 7 のプリエンプティブル RT カーネルと組み合わせることで、MIG は混合クリティカル度システム向けにより決定論的な実行環境の構築を支援します。物理 AI システム（ヒューマノイドロボット、自律型マシン、産業用オートメーション、医療機器など）において、ワークロードの決定論性は極めて重要です。その理由は、知覚（perception）、計画（planning）、制御、生成 AI、および 安全性 関連のワークロードが、しばしば単一の SoC（System on Chip）上で共有され、リソース競合が時間敏感パイプラインにレイテンシジッターをもたらす可能性があるからです。
Jetson Thor 上の MIG を利用することで、開発者は GPU リソースをレイテンシ敏感なロボットワークロードに専念させつつ、別のパーティションでベストエフォート型の AI 推論や生成 AI モデルを実行できます。これにより、知覚、センサー融合（sensor fusion）、モーションプランニング、安全性モニタリングなどのワークロードに対して、予測可能なレイテンシとサービス品質を維持することが可能になります。JetPack 7.2 は Jetson Thor 上で 2 つの MIG パーティションをサポートしています:
- 推論、レンダリング、可視化、および一般的な NVIDIA CUDA ワークロード向けのより大規模な AI およびグラフィックスパーティション（12 SMs、1536 CUDA コア）
- ロボティクス、制御、知覚、または安全性クリティカルなワークロード用の 2 つ目の分離された計算パーティション（8 SMs、1024 CUDA コア）
アプリケーション、コンテナ、およびサービスは、標準的な CUDA Runtime コントロールと NVIDIA Container Toolkit 統合を使用して、特定の MIG パーティションに割り当てることができます。これは、制御ループ、AI 知覚、生成 AI の推論が単一の組み込みプラットフォーム上で確実に共存する必要がある、複数の異なるタイミングドメインにわたって複数の AI パイプラインを実行する次世代のヒューマノイドロボティクスにおいて、特に重要です。
データセンタークラスの GPU パーティショニングを組み込み AI 計算にもたらすことで、JetPack 7.2 は、実世界での展開における予測可能性と信頼性が向上した、より能力の高いエッジ AI システムを可能にします。Jetson Thor 上の MIG に関する詳細はこちら。
NVIDIA Jetson における Yocto Project サポートの紹介
JetPack 7.2 から、NVIDIA は公式に Yocto Project support on Jetson を提供しています。これには、Jetson デベロッパーキット向けの検証済みレシピとリファレンスイメージが含まれます。Yocto Project は、組み込みハードウェアアーキテクチャ向けにカスタム Linux ディストリビューションを構築するためのツールを提供する、Linux Foundation のオープンソースプロジェクトです。
NVIDIA は現在、OE4T レイヤーに対するロードマップへの貢献を主導し、定期的なリリースサイクルを提供しています。NVIDIA は CI/CD パイプライン、ソフトウェア品質保証（SQA）、および Jetson 開発者キット向けの検証済みリファレンスイメージの提供を担っています。また、開発者は技術ドキュメントと専用フォーラムサポートへのアクセス権を得られます。
Yocto Project は、Jetson 開発者に以下の3 つのコアメリットをもたらします:
- カスタマイズ性：NVIDIA の Ubuntu L4T イメージに適応するのではなく、必要なサービス、ドライバ、ライブラリのみを含む、きめ細かく調整されたイメージを構築できます。これによりメモリフットプリントが削減され、ターゲットアプリケーション向けのシステムパフォーマンスが最適化されます。
- 再現性：Yocto Project は実行ごとに同一のイメージビルドを生成するため、デバッグ、テスト、認証ワークフローが簡素化されます。これは医療や産業分野など規制の厳しい領域において特に価値があります。
- オープンエコシステム：AI フレームワーク、産業用プロトコル、カスタムミドルウェア向けの数千ものレシピとコミュニティレイヤーにアクセスできます。
L4T/JetPack と OE4T/Yocto Project のどちらを使用すべきか判断する際は、図 3 に示す開発者決定ガイドを参照してください。
image*図 3. L4T/JetPack と OE4T/Yocto Project のどちらを使用すべきか判断する際に、この開発者決定ガイドをご活用ください*
Jetson における Yocto Project の公式サポートに伴い、NVIDIA は Jetson プラットフォームでの Yocto Project 開発を加速し簡素化するため、堅牢なディストリビューションパートナー、独立系ソフトウェアベンダー (ISV)、および ODM からなるエコシステムも構築しました。これらのパートナーは、本番環境対応の Linux ディストリビューション、BSP(ボードサポートパッケージ) カスタマイズ、長期サポート、フリート管理ソリューション、マルチメディアおよび ISP(イメージ信号処理) に関する専門知識、セキュリティに焦点を当てた統合など、多様な提供物を展開しています。
Konsulko Group や Peridio といった企業は、Konsulko Orca OS や Avocado OS のような完全な OS ソリューションを提供しており、一方 Balena はコンテナベースのフリート管理と大規模展開に注力しています。その他の NVIDIA パートナーには、Neurealm、RidgeRun、および Wind River が含まれ、これらは組み込み Linux、BSP カスタマイズ、マルチメディアパイプライン、長期プラットフォームサポートにおける深い専門知識を背景に、広範なエンジニアリングサービスと NRE(新規開発費) サービスを提供しています。このエコシステム全体により、開発者は Jetson 上で Yocto ベースのソリューションを迅速に展開、カスタマイズ、スケールすることが可能になります。
配布パートナーや ISV のほか、NVIDIA はまた、Jetson プラットフォーム上での製品開発と展開の加速を顧客が支援するため、強力なパートナーエコシステムとも緊密に連携しています。AAEON、Advantech、Antmicro、ASUS、AVerMedia、Connect Tech、EDOM、そして YUAN は、Jetson 向けに最適化されたキャリアボード、エッジ AI システム、産業用組み込みプラットフォーム、ビデオキャプチャソリューション、およびリファレンスデザインなど、幅広いハードウェアソリューションを提供しています。これらのパートナーにより、開発者はロボット工学、産業自動化、スマートシティ、ヘルスケア、小売業、その他の組み込み AI アプリケーション向けに設計されたハードウェアプラットフォーム上で、迅速なプロトタイピングと生産準備完了の AI・エッジコンピューティングソリューションのスケーリングを可能にします。
Jetson スタックの統合とパフォーマンスのさらなる解放
JetPack 7.2 は、Ubuntu 24.04、カーネル 6.8、および CUDA Toolkit 13.0 ベースの計算スタック（Jetson Thor で導入）を Jetson Orin シリーズに拡張し、両プラットフォームを単一の統一されたソフトウェア基盤上に統合しました。Orin と Thor の間で共通のスタックを採用することで、最新の CUDA 機能、ライブラリ、パフォーマンス最適化を活用しながら、最新の AI アプリケーションを Jetson ポートフォリオ全体でシームレスに展開することが可能になります。
この統一アプローチにより、複数のハードウェアプラットフォームをサポートするために必要なエンジニアリング努力が大幅に削減され、アプリケーション開発、検証、展開、および長期的なフリートメンテナンスが簡素化されます。
JetPack 7.2 はまた、Jetson AGX Orin 32 GB のために新しいスーパーモードを導入し、GPU と電力構成をより高いレベルに解放することで、そのパフォーマンスを Jetson AGX Orin 64 GB に近づけます。GPU 周波数を 930 MHz から 1.3 GHz に引き上げ、最大 60W のより高い電力エンベロープを有効化することで、スーパーモードは AI パフォーマンスを 200 TOPS から 241 TOPS に向上させ、標準的な AGX Orin 32 GB 構成と比較して 20% 以上の増加を実現します。
この強化により、顧客は Jetson AGX Orin 32 GB を使用しながら、ほぼフラッグシップ級の AGX Orin 64 GB のパフォーマンスを達成でき、モジュールコストを 45% 削減できます。新しいスーパーモードにより、32 GB モジュールは生成 AI、ロボット工学、およびエッジ AI デプロイメントにとって費用対効果の高い選択肢となります。
image*図 4. JetPack 7.2 における Jetson AGX Orin モジュールの比較*
image*図 5. Jetson AGX Orin モジュール上でのモデル性能比較*
Jetson AGX Orin 32 GBJetson AGX Orin 32GB SuperJetson AGX Orin 64 GB
Nemotron3 Nano 30B A3B313740
Cosmos Reason 2 8B91010
Qwen 3.5 4B242728
Qwen 3.5 9B131517
Qwen 3.6 27B457
Gemma 4 E4B252932
*表 1. Jetson AGX Orin 32 GB、Orin 32 GB Super、および Orin 64 GB における生成 AI モデルの性能（トークン/秒）*
NVIDIA JetPack 7.2 の始め方
JetPack 7.2 は、ソフトウェアを通じて同じ Jetson ハードウェアからより多くの価値を引き出します。エージェント型 AI がエッジへ移行し、メモリコストが生産環境での展開における現実的な制約となり続ける中、今回のリリースはこれらの両方に直接対応しています。
主な機能には、NVIDIA NemoClaw のワンコマンドデプロイメント、Jetson 向けのメモリおよびワークフロー最適化エージェントスキル、軽量で再現性の高い生産向けビルドのための公式 Yocto Project サポート、そして確定的なマルチワークロード実行を実現する Jetson Thor 上の MIG（Multi-Instance GPU）が含まれます。JetPack 7.2 を用いれば、既存のハードウェア上でより多くのことが可能になりつつ、エッジにおけるますます高度なエージェント型ワークロードの構築へと進むことができます。
NVIDIA JetPack 7.2 をダウンロードして、エッジでのエージェント型 AI の展開を開始しましょう。ご質問やコミュニティサポートについては、NVIDIA Developer Forum へアクセスしてください。
NVIDIA の創設者兼 CEO ジェンスン・ファン氏による NVIDIA GTC Taipei 2026 キーノート にご参加いただき、関連する セッション を通じてさらに詳しく学んでください。
原文を表示
As AI agents move from the digital world to the physical environment, they can readily use NVIDIA Jetson to accelerate real-world deployment with optimized memory and performance.
NVIDIA JetPack 7.2 directly supports one-command deployment of NVIDIA NemoClaw, an open source stack that adds privacy and security controls to OpenClaw. It introduces NVIDIA agent skills for Jetson—Jetson device-side skills and Jetson BSP skills—and extends the latest compute stack and agentic capabilities to NVIDIA Jetson Orin. The Jetson software-defined platform makes this possible: the same hardware continues to deliver more value with every software release.
This post introduces new JetPack 7.2 release features and capabilities, which also include:
- NVIDIA Multi-Instance GPU (MIG) support on NVIDIA Jetson Thor for deterministic multiworkload execution
- Official Yocto Project support for custom Linux distributions that can further improve system efficiency
- Super Mode for Jetson AGX Orin 32 GB for higher AI performance and greater cost efficiency at the edge
Together, these updates help developers get more out of existing Jetson hardware, accelerate time to market, and lower total cost of ownership.
How is NVIDIA JetPack 7.2 software agentic-ready?
With JetPack 7.2, Jetson is NemoClaw-ready out of the box. JetPack 7.2 comes preconfigured with the required dependencies and software stack, so you can deploy and run NemoClaw-based workflows on Jetson without manual environment setup. This enables you to easily build agentic physical AI applications across robotics, industrial automation, vision agents, and edge AI systems.
To install NemoClaw on a Jetson device running JetPack 7.2, run the following single command:
curl -fsSL nvidia.com/nemoclaw.sh | bash
NVIDIA agent skills for Jetson in JetPack 7.2
JetPack 7.2 also provides developers with Jetson agent skills to build and optimize Jetson software stacks using AI agents. The agent skills are a set of repeatable, agent-executable instructions that define which tools to call, what outputs to produce, and how to validate results. Rather than manually configuring each step of the development process, developers can leverage agent skills through an agent to handle these tasks automatically.
Jetson agent skills apply this pattern specifically to Jetson software development workflows. These agent-driven workflows help automate common development tasks such as Jetson Linux customization, memory optimization, model benchmarking, and deployment configuration. With both device-side and BSP-side implementations, developers can use agent skills to reduce development complexity and accelerate the path from prototyping to production deployment on Jetson platforms.
JetPack 7.2 ships three categories of skills:
- Jetson Linux customization skills: Guide an agent to build and customize a BSP from scratch for custom carrier boards. This includes configuring I/Os, clock settings, fan control, power profiles, or any other module for a specific hardware design. Tasks that previously required weeks of manual effort can be handled by an agent, reducing time to market for custom Jetson designs.
- Memory optimization skills: Optimize memory usage across the software stack. These skills can tune the whole stack starting bootloader memory carveouts, optimize kernel memory reservation, reduce redundant user space processes, and help build the most memory-efficient software configuration for a given workload. This directly reduces TCO by enabling more capable workloads to run on lower memory configurations.
- Model benchmarking skills: Help you identify the best model configuration for your use case. These skills cover model benchmarking, inference optimization, and Jetson diagnostics. For example, a developer building a NemoClaw-based application can use these skills to determine which model runs most efficiently on their target device for their specific task.
Along with these three categories of skills, NVIDIA is also introducing skills that help agents build vision pipelines using NVIDIA DeepStream and NVIDIA Metropolis Blueprint for Video Search and Summarization (VSS).
To learn more and get started, check out Jetson device-side skills and Jetson BSP skills on GitHub.
MIG on Jetson Thor enables GPU partitioning for mixed-criticality workloads
JetPack 7.2 on Jetson Thor introduces support for MIG, allowing the integrated NVIDIA Blackwell GPU to be partitioned into two isolated GPU instances with dedicated compute, cache, and memory bandwidth. This enables multiple AI workloads to run concurrently with predictable performance and minimal interference.
Combined with the Preemptible RT kernel in JetPack 7, MIG helps create a more deterministic execution environment for mixed-criticality systems. Workload determinism is critical for physical AI systems such as humanoid robots, autonomous machines, industrial automation, and medical devices. This is because perception, planning, control, generative AI, and safety workloads often share a single SoC, where resource contention can introduce latency jitter into time-sensitive pipelines.
With MIG on Jetson Thor, developers can dedicate GPU resources to latency-sensitive robotics workloads while running best-effort AI inference or generative AI models on a separate partition. This helps maintain predictable latency and quality of service for workloads such as perception, sensor fusion, motion planning, and safety monitoring. JetPack 7.2 supports two MIG partitions on Jetson Thor:
- A larger AI and graphics partition for inferencing, rendering, visualization, and general NVIDIA CUDA workloads (12 SMs, 1536 CUDA cores)
- A second isolated compute partition for robotics, control, perception, or safety-critical workloads (8 SMs, 1024 CUDA cores)
Applications, containers, and services can be assigned to specific MIG partitions using standard CUDA Runtime controls and NVIDIA Container Toolkit integration. This is especially important for next-generation humanoid robotics running multiple AI pipelines across different timing domains, where control loops, AI perception, and generative AI reasoning must reliably coexist on a single embedded platform.
By bringing data-center-class GPU partitioning to embedded AI computing, JetPack 7.2 enables more capable edge AI systems with improved predictability and reliability for real-world deployment. Read more about MIG on Jetson Thor.
Introducing Yocto Project support on NVIDIA Jetson
Starting with JetPack 7.2, NVIDIA provides official Yocto Project support on Jetson, including validated recipes and reference images for Jetson developer kits. The Yocto Project is an open source Linux Foundation project that provides tools to build custom Linux distributions for embedded hardware architectures.
NVIDIA now leads roadmap contributions with a regular release cadence to the OE4T layer. NVIDIA owns the CI/CD pipeline, SQA, and releases validated reference images for Jetson developer kits. And developers have access to technical documentation and dedicated forums support.
The Yocto Project brings three core benefits to Jetson developers:
- Customizability: Enables you to build tightly tailored images that include only the required services, drivers, and libraries, rather than adapting the NVIDIA Ubuntu L4T image. This reduces memory footprint and optimizes system performance for the target application.
- Reproducibility: Yocto Project produces identical image builds across runs, simplifying debugging, testing, and certification workflows. This is especially valuable in regulated fields such as medical and industrial deployments.
- Open ecosystem. Access thousands of recipes and community layers for AI frameworks, industrial protocols, and custom middleware.
To help you decide when to use L4T/JetPack versus OE4T/Yocto Project, refer to the Developer Decision Guide in Figure 3.
With the official support of Yocto Project on Jetson, NVIDIA has also built a robust ecosystem of distribution partners, ISVs, and ODMs to accelerate and simplify Yocto Project development on Jetson platforms. These partners provide a range of offerings including production-ready Linux distributions, BSP customization, long-term support, fleet management solutions, multimedia and ISP expertise, and security-focused integrations.
Companies such as Konsulko Group and Peridio offer complete OS solutions like Konsulko Orca OS and Avocado OS, while Balena focuses on container-based fleet management and deployment at scale. Other NVIDIA partners include Neurealm, RidgeRun, and Wind River, who provide extensive engineering and NRE services with deep expertise in embedded Linux, BSP customization, multimedia pipelines, and long-term platform support. Together, this ecosystem enables developers to rapidly deploy, customize, and scale Yocto-based solutions on Jetson.
In addition to distribution partners and ISVs, NVIDIA also works closely with a strong ecosystem of partners to help customers accelerate product development and deployment on Jetson platforms such as AAEON, Advantech, Antmicro, ASUS, AVerMedia, Connect Tech, EDOM, and YUAN provide a wide range of hardware solutions including carrier boards, edge AI systems, industrial embedded platforms, video capture solutions, and reference designs optimized for Jetson. These partners enable developers to rapidly prototype and scale production-ready AI and edge computing solutions with hardware platforms tailored for robotics, industrial automation, smart cities, healthcare, retail, and other embedded AI applications.
Unifying the Jetson stack and unlocking more performance
JetPack 7.2 extends the Ubuntu 24.04, kernel 6.8 and CUDA Toolkit 13.0-based compute stack (introduced with Jetson Thor) to the Jetson Orin family, bringing both platforms onto a single unified software foundation. With a common stack across Orin and Thor, you can seamlessly deploy the latest AI applications across the entire Jetson portfolio while taking advantage of the newest CUDA capabilities, libraries, and performance optimizations.
This unified approach significantly reduces the engineering effort required to support multiple hardware platforms, simplifying application development, validation, deployment, and long-term fleet maintenance.
JetPack 7.2 also introduces a new Super Mode for Jetson AGX Orin 32 GB, unlocking higher GPU and power configurations that bring its performance much closer to Jetson AGX Orin 64 GB. By increasing GPU frequencies from 930 MHz to 1.3 GHz and enabling higher power envelopes up to 60W, Super Mode boosts AI performance from 200 TOPS to 241 TOPS, a more than 20% increase over the standard AGX Orin 32 GB configuration.
This enhancement enables customers to achieve near-flagship AGX Orin 64 GB performance using Jetson AGX Orin 32 GB, while reducing module cost by 45%. The new Super Mode makes the 32 GB module a cost-effective choice for generative AI, robotics, and edge AI deployments.
Get started with NVIDIA JetPack 7.2
JetPack 7.2 delivers more value from the same Jetson hardware through software. As agentic AI moves to the edge and memory costs remain a real constraint in production deployments, this release directly addresses both.
Features include one-command deployment of NVIDIA NemoClaw, memory and workflow optimization agent skills for Jetson, official Yocto Project support for lean and reproducible production builds, and MIG on Jetson Thor for deterministic multiworkload execution. With JetPack 7.2, you can do more on existing hardware while building toward increasingly capable agentic workloads at the edge.
Download JetPack 7.2 to get started deploying agentic AI at the edge. For questions and community support, visit the NVIDIA Developer Forum.
Join NVIDIA founder and CEO Jensen Huang for theNVIDIA GTC Taipei 2026 Keynote and learn more with related sessions.
関連記事
これがあなたの AI ラップトップである
The Verge は、大手テック企業が AI があらゆる作業方法を変えるという確信を強めている現状を報じています。特に Nvidia のジェンソン・フアングは、ラップトップの使い方を根本から変える新しい方法を提示しました。
共存と共知能の終焉
著者のアイリーン・アサロは、AI を巡る世界がチャットボットとの協働から「共存」へと移行し、従来の「共知能」概念が終焉を迎える可能性を論じています。
リアリティ：最終評価 — Andon Labs のルカス・ペターソンとアクセル・バックランド
Andon Labs のルカス・ペターソン氏とアクセル・バックランド氏が、従来のスコアベースの評価指標では捉えきれない現実世界でのモデル性能を測る新しい評価手法「リアリティ」について議論する。