Nvidia, insansı robotlar uç yapay zekâ sistemlerine yönelik Jetson Thor T3000 Jetson Thor T2000 platformlarını duyurdu. Şirket, Blackwell mimarisini temel alan yeni modülleri 2027 yılının ilk çeyreğinde ticari olarak sunacağını açıklarken geliştiriciler JetPack 7.2.1 üzerinden T3000 için emülasyon çalışmalarına kısa süre içinde başlayabilecek. Yeni ürün ailesi, farklı güç seviyelerine sahip iki donanımla robotik uygulamaların aynı yazılım ekosisteminde ölçeklenmesini hedefliyor.
Jetson Thor Ailesi Robotik Geliştirme Sürecini GenişlettiNvidia, Jetson Thor serisini yalnızca yeni donanım ailesi olarak sunmadı. Şirket, platformları CUDA, TensorRT, JetPack Isaac Robot Platform ekosistemi üzerine inşa ederek geliştiricilerin mevcut yazılımlarını büyük ölçüde koruyabilmesini amaçladı. Böylece robot üreticileri yeni platformlara geçiş yaparken uygulamalarını baştan geliştirmek yerine mevcut yapay zekâ modellerini daha kısa sürede uyarlayabilecek.
Robotik sistemlerde yüksek yapay zekâ performansı kadar düşük gecikme süresi önem taşıyor. Nvidia, Jetson Thor ailesini gerçek zamanlı görüntü işleme, çevre algılama, hareket planlama üretken yapay zekâ iş yüklerini aynı platform üzerinde çalıştırabilecek şekilde tasarladı.
Jetson Thor T3000, serinin üst segmentinde konumlanırken Nvidia Blackwell GPU mimarisi üzerine kuruldu. Platform, FP4 hassasiyetinde 865 TFLOPS yapay zekâ performansı üretirken sekiz adede kadar Arm Neoverse işlemci çekirdeği, 32 GB LPDDR5X bellek, 273 GB/sn bellek bant genişliği, 25 GbE Ethernet bağlantısı 70 watt güç tüketimi sunuyor.
Şirket, T3000 modelinin büyük dil modelleri, görsel dil modelleri World Foundation Model tabanlı çok modlu yapay zekâ uygulamalarında Jetson Thor T5000’e yakın çıkarım performansı sergileyebildiğini belirtiyor. Aynı donanım üzerinde farklı yapay zekâ modellerinin birlikte çalışabilmesi, insansı robotların çevrelerini analiz ederken doğal dil komutlarını yorumlayabilmesini, nesneleri tanıyabilmesini, hareket planlarını anlık olarak güncelleyebilmesini destekliyor.
Yazılım Optimizasyonları Bellek Kullanımını DüşürdüNvidia, donanım tanıtımı sırasında Jetson Agent Skills adını taşıyan yeni yazılım araçlarını duyurdu. Şirketin tığı test sonuçlarına göre geliştiriciler bazı insansı robot projelerinde yaklaşık 15 GB daha düşük bellek tüketimi elde. Endüstriyel yapay zekâ uygulamalarında Jetson AGX Orin platformu üzerinde yaklaşık yüzde 50 daha az bellek kullanılırken akıllı ulaşım senaryolarında bellek ihtiyacı yaklaşık yüzde 30 gerilediği için aynı donanım üzerinde daha fazla yapay zekâ iş yükü çalıştırılabiliyor.
Bellek optimizasyonu yalnızca performansı artırmıyor. Robotların aynı anda daha fazla sensörden veri işlemesi, daha büyük yapay zekâ modellerini kullanabilmesi, sistem kaynaklarını daha verimli değerlendirmesi iyileştirmelerden doğrudan etkileniyor.
Jetson Thor T2000, serinin giriş seviyesindeki yeni modeli olarak geliştirildi. Platform, FP4 hassasiyetinde 400 TFLOPS yapay zekâ performansı üretirken 16 GB bellek kapasitesi 40 watt güç tüketimi sunuyor. Nvidia, sistemi özellikle görsel yapay zekâ ajanları, otonom mobil robotlar, servis robotları Edge AI uygulamalarını hedefleyen geliştiriciler için konumlandırıyor. Enerji tüketiminin düşmesi, batarya çalışan mobil robotların daha uzun süre görev yapmasına katkı sağlarken üretim maliyetlerini kontrol altında tutabiliyor. Aynı yaklaşım, fabrika otomasyonu depo robotları gibi kesintisiz çalışan sistemlerde operasyonel verimliliği artıran önemli unsurlar arasında yer alıyor.
Nvidia, Jetson Thor ailesinin Amazon Robotics, Boston Dynamics, FANUC, Hitachi, Medtronic, Agility Robotics Techman Robot tarafından geliştirilen projelerde kullanılacağını açıkladı. Farklı sektörlerden gelen şirketlerin aynı platform etrafında buluşması, fiziksel yapay zekâ ekosisteminin yalnızca insansı robotlardan oluşmadığını ortaya koyuyor. Sağlık teknolojileri, üretim hatları, depo otomasyonu, lojistik sistemleri akıllı fabrikalar aynı mimariden yararlanabilecek kullanım alanları arasında bulunuyor.
Şirketlerin ortak geliştirme yaklaşımı, yapay zekâ modellerinin yalnızca veri merkezlerinde değil cihazın üzerinde gerçek zamanlı çalışmasına yönelik eğilimin güçlendiğini gösteriyor. Edge AI mimarisi sayesinde görüntü, sensör hareket verilerinin bulut bağlantısına ihtiyaç duymadan yerel olarak işlenebilmesi, gecikme süresini azaltırken kritik görevlerde daha kararlı çalışma ortamı oluşturuyor.
Nvidia’nın 2027 takvimi doğrultusunda Jetson Thor ailesini ticari kullanıma açması, robotik donanım pazarındaki rekabeti farklı seviyeye taşıyabilir. Özellikle üretken yapay zekâ modellerinin fiziksel sistemlerle daha sık kullanılmaya başlaması, geliştiricilerin yalnızca işlem gücüne değil yazılım optimizasyonuna, enerji verimliliğine, bellek yönetimine gerçek zamanlı çıkarım performansına odaklanmasını gerektiriyor. Türkiye’ sanayi otomasyonu, savunma teknolojileri, akıllı üretim sistemleri robotik girişimler açısından değerlendirildiğinde yeni platformların önümüzdeki dönemde farklı projelerde test edilmesi bekleniyor.
