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

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。

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。

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。

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。

Jetson AGX Orin 32 GB**Jetson AGX Orin 32GB Super**Jetson 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。