NVIDIA Jetson T3000/T2000：边缘机器人计算的导入清单
NVIDIA 基于 Thor 架构公布的两款 Jetson 边缘 AI 模组，面向机器人、视觉代理与自主机器；量产前宜用开发套件仿真验证算力、内存、功耗和软件兼容。
NVIDIA Jetson T3000/T2000 nvidia edge-ai robotics ai-infrastructure NVIDIA 基于 Thor 架构公布的两款 Jetson 边缘 AI 模组，面向机器人、视觉代理与自主机器；量产前宜用开发套件仿真验证算力、内存、功耗和软件兼容。
NVIDIA Jetson T3000/T2000
1. 一句话结论
Jetson T3000 和 T2000 是 NVIDIA 于 2026 年 7 月公布的 Thor 架构边缘 AI 模组，分别面向较高性能机器人与更广泛的视觉 AI、移动机器人和工业设备。[S1] 两者当时仍计划在 2027 年第一季度供货，因此现阶段应将其当作导入路线，而不是已可交付的量产物料。[S1]
2. 发布与定位
T3000/T2000 与已上市的 Jetson AGX Thor 开发套件和 T5000 共用 Thor 架构与软件栈。[S1][S2] 官方定位包括边缘大语言模型、视觉语言模型、动作模型和多传感器处理。[S1][S2]
3. 核心能力
官方公布 T3000 提供 865 FP4 teraflops、32GB LPDDR5X、273GB/s 内存带宽和 25GbE；T2000 提供 400 FP4 teraflops 与 16GB 内存。[S1] T3000 还有面向功能安全的 IGX 形态。实际延迟、并发和可用内存仍取决于模型、精度和软件管线。
4. 适用场景
T3000 更适合多模态推理与多传感器融合的机器人；T2000 更适合内存边界更紧的视觉代理、移动机器人和工业设备。[S1] 若任务主要在云端批处理，则不必承担边缘集成工作。
5. 推荐部署路径
先在现有 Jetson AGX Thor 开发套件上固定操作系统、JetPack、CUDA、容器、模型版本和传感器输入。官方称 T3000 仿真模式将随 JetPack 7.2.1 提供，T2000 仿真支持在后续版本到来。[S1] 完成仿真后再冻结载板、散热、供电和产能方案，避免过早锁定未发布设计。
6. 主要风险
目标供货日不等于锁定产能。[S1] FP4 算力也不能直接换算为帧率或响应时间。机器人还需处理热设计、功耗、传感器、实时性和安全停机，单独 AI 跑分无法证明系统可上线。
7. 同类对比
与 T5000 相比，T3000 用更小内存档覆盖部分多模态负载；T2000 则向更低性能档下探。[S1] 与云端 GPU 相比，Jetson 在设备端处理传感器与低延迟决策；总成本还要纳入硬件设计和现场维护。
8. 成本与治理
官方未公布 T3000/T2000 量产价格，不应用旧型号代替报价。预算要列入载板、传感器、电源、散热、现场更新和备件。治理上保留软件物料清单、模型校验值、固件版本与回滚镜像。
9. 验收方法
用真实传感器数据连续运行模型，记录延迟、内存、功耗、温度、丢帧和异常恢复，再模拟断网、传感器故障与更新失败。只有在热设计内达到服务等级，且失效时进入安全状态，才可定型。
10. 来源与更新时间
调研截至 2026 年 8 月 13 日。T3000/T2000 尚处于供货前阶段，规格、仿真支持、供货日和价格均应在硬件定型前复核。