Оглавление

На выставке COMPUTEX компания NVIDIA представила обновление программного стека JetPack 7.2 и поддержку фреймворка NemoClaw для платформы Jetson. Как сообщает NVIDIA Blog, это событие знаменует собой важный этап переноса «агентных» способностей искусственного интеллекта из облачных дата-центров непосредственно в физические устройства, такие как промышленные роботы и системы автоматизации.

Ключевым новшеством стала интеграция NemoClaw — специализированной среды для разработки автономных агентов. Теперь разработчики могут развертывать сложные ИИ-системы, способные не просто обрабатывать данные, но и самостоятельно принимать решения в реальном времени, прямо на граничных устройствах NVIDIA Jetson, минуя необходимость постоянной связи с мощными серверами.

Технологические слои и производительность

Обновление структурировано в виде трехслойного пирога, где фундаментом служит JetPack 7.2. В этом слое появилась поддержка проекта Yocto, что позволяет создавать максимально легкие и кастомизированные сборки Linux. Для индустриальных систем с жесткими ограничениями по памяти это решение выглядит как долгожданный ответ на запросы рынка, позволяя отсечь все лишнее в операционной системе.

Средний слой системы теперь включает в себя «навыки агентов» (agent skills), которые автоматизируют рутинные задачи самих разработчиков: от настройки Linux до бенчмаркинга моделей. На вершине этой структуры находится NemoClaw, обеспечивающий логику управления. Важным дополнением стала поддержка CUDA 13 на модулях Orin и внедрение технологии MIG (Multi-Instance GPU) на платформе Thor, что позволяет жестко изолировать вычислительные ресурсы для критически важных задач.

Перенос NemoClaw на Jetson — это грамотный ход по превращению «умных» коробок в автономных субъектов, но за маркетинговым блеском скрывается суровая реальность дефицита памяти в мобильных чипах. Успех будет зависеть не от громких лозунгов, а от того, насколько эффективно разработчики смогут «упаковать» тяжелые LLM в 32 ГБ, не превратив робота в медлительного мыслителя. NVIDIA дает отличные инструменты, но ответственность за то, чтобы агент не завис в раздумьях перед препятствием, все еще лежит на оптимизации кода.

Практическое применение в индустрии

Примеры реального внедрения показывают, что индустрия уже начала осваивать новые возможности. Компания Solomon использует NemoClaw для координации действий гуманоидного робота, объединяя восприятие, планирование движений и манипуляцию в единый рабочий процесс. Это позволяет машине динамически адаптироваться к сложной обстановке на складах или производстве.

  • SandStar внедрила решения на базе Jetson Orin NX в умные торговые автоматы в 30 странах, добившись 40% оптимизации памяти.
  • NoTraffic оптимизировала библиотеки CUDA, снизив потребление памяти на 29% для систем управления городским трафиком.
  • Zipline использует Jetson для обеспечения автономности своих дронов-доставщиков, полагаясь на кастомизацию через Yocto.

Интересно наблюдать, как фокус смещается в сторону эффективности. Например, производитель роботов-компаньонов GROOVE X активно переносит нагрузку с центрального процессора на специализированные ИИ-ускорители Jetson. Это не просто экономит заряд батареи, но и делает взаимодействие с роботом более естественным, сокращая задержки в реакциях на действия человека.

Завершая обзор, стоит отметить, что расширение экосистемы за счет партнеров вроде ASUS, Advantech и Wind River подтверждает зрелость платформы. Переход агентного ИИ в физический мир — это не просто смена локации вычислений, а попытка дать машинам ту степень самостоятельности, которая раньше была доступна только программным ботам в цифровой среде.