Nvidia、物理 AI 実現へ新エッジプラットフォーム「Jetson Orin Nano 2」を発表

4 分

Jetson Orin モジュール（Nvidia 提供）

Nvidia は、ロボットやドローン、リアルタイムのビジョン AI システムを構築するための新しいエッジ AI プラットフォーム「Jetson Orin Nano 2」を発表しました。同社は引き続き、物理的な AI を現実世界へ展開する取り組みを進めています。

火曜日に発表されたこのプラットフォームは、Nvidia の Ampere アーキテクチャの新しいバージョンを搭載した silicon（半導体）を基盤としており、2027 年後半までの導入が予定されています。Nvidia は、Cognex、Doosan Bobcat、Matic を初期顧客として挙げています。

Nvidia によると、Nano 2 は前世代と比較して性能が倍増しており、同等の性能であれば消費電力を最大 40% 削減できるとのことです。

メディア向けブリーフィングで、Nvidia のロボットおよびエッジ AI 担当バイスプレジデントである Deepu Talla 氏は、今回の発表はモデルの精度が「転換点」に達したことに応えるものだと述べました。

「かつては大規模なデータセンターと多数の GPU を必要としていた処理も、現在は Nvidia Jetson で実行可能になりました。昨年の最大規模のモデルと同じ最先端の精度を達成できるようになったのです。」

関連記事：中国におけるヒューマノイドの競争優位性は AI ではなくハードウェア

高性能な AI モデルへのアクセスが容易になったことは、ロボット業界にとって朗報です。タラ氏は、これによりエッジでの高度な物理的 AI の実用化がついに実現されつつあると述べています。

「ロボット工学は 3 つのコンピューターを必要とする問題なのです」と彼は説明します。「最初のコンピューターは知能の学習を行う場所、2 つ目の中間のコンピューターはテストやポリシー評価を行う場所です。そして最後の 3 つ目のコンピューターが、ランタイム、つまりロボットの脳となる部分で、それが Nvidia Jetson です」。

Nvidia によると、Orin Nano 2 は最新の小型・中規模言語モデルやビジョン・ランゲージモデルをリアルタイムで実行可能です。タラ氏は、Nvidia 自社製の Nemotron モデルを例に挙げ、最新バージョンの「Nemotron 3.5 Lightning」が Jetson 上で約 115 トークン/秒の速度で動作できると指摘しています。

この性能はハードウェアの改良だけでなく、モデル学習技術の進歩によっても実現されています。タラ氏は、その進展要因として、より良質なトレーニングデータの活用、モデルアーキテクチャの改善、そして大規模なモデルを用いて小規模なモデルを学習・蒸留（distill）できる能力の向上を挙げています。

その結果、従来システムよりも高速かつ容易にロボットを訓練できるフレームワークが実現したと彼は語った。

ロボット開発コストの削減

「かつてロボットのプログラミングは極めて時間がかかり、高価なものだった」とタラ氏は語る。「しかし今では自律機能により、ロボットのプログラミングは劇的に簡単になる。すでにエントリーレベルでも AI アプリケーションが爆発的に増えているのが確認されている」

この転換により、AI モデルがプログラミング業務を自動化することで、ロボット技術が高頻度の産業用途以外でも経済的実現が可能になる。

ペンシルベニア大学工学応用科学部のベン・リー教授は、Nvidia が既に エッジ AI で確固たる地位を築いている点を指摘。「ロボットがローカルで動作するには、ますます高度なモデルが必要となるため、これは強力なスタート地点になる」と述べた。

関連記事：投資後の XPeng ロボティクス部門評価額 63 億ドル

「Nvidia は Jetson プラットフォームを通じてエッジ AI チップ市場で大きなシェアを握っている」とリー教授は続ける。「より高性能な AI プロセッサの統合と、推論のための追加ソフトウェアサポートを提供することで、ロボットや他の自律システムにおいて最新 AI モデルの活用が可能になる」

リー氏はまた、従来の産業環境を超えたロボット導入の経済性についても言及しました。より成熟したソフトウェアスタックが、歴史的に低価値な用途においてロボットの導入を正当化しにくくしてきたエンジニアリング上の負担を軽減できると述べています。

「ロボット分野における課題は、汎用的で低価値なユースケースに対してエンジニアリングコストを正当化することが難しい点にあります」とリー氏は話しました。「これらのロボットやプロセッサのプログラミングを容易にする成熟したソフトウェアスタックがあれば、エンジニアリングの手間が減り、コストも低下します。」

小型モデルが広げる大きな足跡

オムディア（Informa TechTarget の部門）のアナリストであるアレクサンダー・ハロウェル氏によると、Nvidia がロボット市場に提示する戦略は、そもそも「小型モデル」とは何を指すのかという広い文脈での転換期に位置しています。

「間違いなく、AI はロボットへより多く組み込まれており、その分野ではマルチモーダルなトランスフォーマーが小型化されつつあります」とハロウェル氏は語っています。

関連記事：Nvidia の SONIC が人間型ロボットの動きを教える

この区別は、業界が Nvidia の仕様をどう読み解くべきかという点において重要だと、ハロウェル氏は示唆しています。

小規模な AI モデルの性能は向上し、重要性も増していますが、「小規模モデル」の定義自体が変わりつつあります」と彼は指摘しました。Hugging Face 上で公開されている一般的なモデルのパラメータ数は、かつては数千万から 1 億程度でしたが、現在は 30 億〜80 億にまで拡大しているというのです。

一方、ハロウェル氏は Orin Nano 2 のハードウェアが実際に何を実現できるかについては懐疑的な見方を示しています。「Nano 2 の仕様を見ると、最大のボトルネックはメモリの容量です」と彼は述べています。

About the Author