英伟达明确机器人赛道定位，Jetson Thor成机器人最强大脑？

机器人的“新大脑”

在机器人赛道上，英伟达的定位很明确。“我们自己并不制造机器人，而是通过计算平台，支持机器人生态中的企业构建他们的机器人。”英伟达机器人与边缘计算副总裁Deepu Talla在沟通会上对21世纪经济报道等媒体表示。

Thor就是直接装入机器人的芯片算力产品。系列从2014年就开始迭代。在边缘终端运行实时机器人应用，需强大的AI计算能力和内存，以处理多个传感器的并发数据流，因此系列随着架构更新持续提升性能。

Thor堪称当前机器人的“最强大脑”，它能够把“大模型+实时传感+控制”整合到边缘。基于 GPU和128GB内存， Thor带来高达2070 FP4 的AI算力，可在机器人本体上并行运行视觉—语言—动作（VLA）等多模态模型，显著降低云依赖与往返时延。

这也意味着，搭载 Thor后，机器人的智能化程度将更进一步，能够高效应对代理式AI、高速传感器数据处理、通用机器人任务等复杂应用场景。

面向开发者，英伟达不仅有 Thor模组硬件，还有一整套软硬件生态。 Thor模组支持运行完整的 AI软件栈，基于此开发者可部署各类应用，例如，可在非结构化环境中执行操作任务的人形机器人，基于多摄像头流数据、为外科医生提供指导的智能手术室系统。

通过这种软硬件一体化的模式，英伟达在机器人领域构建起竞争壁垒。这一策略与英伟达通过CUDA技术和GPU芯片建立AI产业领先地位的路径高度相似。通过提供全面的软件工具链和硬件支持，英伟达不仅巩固了其市场地位，还为竞争对手设置了很高的进入门槛。

目前，头部机器人企业都和英伟达进行了合作，比如银河通用的G1 人形机器人，就是首批搭载 Thor 的人形机器人之一，在工业码垛、拆垛及物料箱搬运等复杂场景中展现出流畅性与作业速度。

除人形机器人外， Thor还将为各类机器人应用提速，包括手术辅助机器人、智能牵引车、配送机器人、工业机械臂及视觉AI智能体等，能在边缘端为规模更大、复杂度更高的AI模型提供实时推理能力。

“物理AI”雄心

“物理AI”是英伟达在机器人领域的核心叙事，让生成式与推理模型不仅理解与规划动作，更要在真实世界执行。

围绕这一目标，要推动机器人落地，英伟达提出必须构建三类计算机：一是嵌入机器人本体的计算机，例如人形机器人搭载的 Thor；二是AI工厂计算机，用于在部署前通过DGX、HGX系统处理海量数据、训练模型；三是仿真计算机，通过物理定律生成数据并提前测试机器人，测试速度可快于现实时间。

Thor正是把算力能力从云端下沉到机器人本体的关键一环。英伟达与仿真模拟技术副总裁Rev 谈道：“机器人往往在现场实时运行，需在紧凑的循环内完成计算，电力有限，因此要尽可能降低功耗以延长电池寿命，同时还要考虑散热等问题，这些因素都极大地增加了难度。”

他特别强调， Thor与之前版本最大的不同是，现在具备了足够的计算能力，能够运行更大、更强的神经网络和模型，支持更复杂的推理任务。此外， Thor拥有更大的带宽，能更快地处理来自各种传感器的大量信息，使机器人可以快速反应，在动态变化的环境中高速移动和操作。

市场观察人士认为， Thor能够在机器人本体上并行运行多种生成式与策略模型，支撑复杂任务切换和人机交互，其意义在于把机器人从“会看、会说”推向“会想、会做”。这意味着机器人向通用机器人目标更近了一步。

从商业角度看，这也被解读为英伟达的新增长曲线。虽然眼下通用机器人仍处在产业化的早期阶段，落地面临周期长、成本高等挑战，但资本市场普遍认为，这条赛道具备长期潜力。

集邦咨询表示， Thor的迭代，不仅是单纯的数字跃升，还帮助终端本体能即时处理庞大感测数据与大型语言模型，一定程度上让高阶人形机器人真正地看见、思考与行动。

可以说， Thor把“大模型的脑”装进“机器人的身”，并以统一软件栈与生态网络加速落地。这既是英伟达计算平台战略的自然延伸，也是黄仁勋“物理AI”愿景落地的一环。接下来，谁能率先跑通从小样本泛化到规模化部署的闭环，谁就有机会在通用机器人竞赛中拔得头筹。