NVIDIA Jetson 把 Agentic AI 推向物理世界

NVIDIA Jetson 将 Agentic AI 推向物理世界：JetPack 7.2 和 NemoClaw 接入边缘机器人栈

NVIDIA 在 2026 年 6 月 1 日发布文章，介绍 Jetson 平台如何承接物理世界中的 Agentic AI。按照 NVIDIA 的说明，在 COMPUTEX 期间，公司宣布 NVIDIA JetPack 7.2 和 NVIDIA NemoClaw 支持 NVIDIA Jetson，让开发者可以在机器人、视觉检查和工业自动化中部署更生产级的 Agentic AI stack。

这条动态的重点不只是 Jetson 软件版本更新，而是将 Agentic AI 从服务器、工作站和个人电脑推进到真实边缘设备。NVIDIA 在文中写到，NemoClaw 登陆 production-grade Jetson stack，把 agentic AI 带入 robotics、inspection 和 industrial automation。

JetPack 7.2 提供物理 Agent 的底层软件基础

NVIDIA 文章说明，JetPack 7.2 带来 agentic AI skills、Yocto project 支持、Jetson Orin 上的 CUDA 13、Jetson AGX Orin 32GB 的性能提升，以及 Jetson Thor 上的 Multi-Instance GPU（MIG）支持。

这些更新针对的是边缘和机器人系统中的现实需求。Yocto-based OS 支持可以让工业客户构建更轻、更可定制的 Linux 基础；CUDA 13 让已有 Jetson Orin 设备获得更新计算栈；MIG 与 real-time kernel 则帮助 Jetson Thor 为确定性工作负载预留专用 GPU 资源，例如不能被其他 AI 推理暂停的机器人感知系统。

文章还提到，Jetson AGX Orin 32GB 的 AI compute 提升到 241 TOPS，比原规格提高 20%。这类算力和确定性支持，直接影响机器人是否能在现场稳定运行。

NemoClaw 把 Agent 能力放进机器人和视觉 AI 栈

NVIDIA 将这一版本描述为三层结构：底层是 JetPack 7.2，提供操作系统、计算和确定性性能；中间是 agent skills，用于自动化开发者任务；顶层是 NemoClaw。

Agent skills 包括 Linux customization、memory optimization、model benchmarking 等开发者任务。NVIDIA 称，这些 skills 来自 NVIDIA 文档和设计指南，可以把过去需要数周的任务缩短到数天。

NemoClaw 则可以用单条命令部署到 Jetson。它把 agentic AI 接入生产级 robotics 和 vision AI stack，帮助开发者自动化工业系统任务。开发者还可以进一步使用 NVIDIA Metropolis VSS blueprint skills，构建能够观察、解释并基于视觉结果采取行动的 visual reasoning agents。

物理 Agent 已经进入多个边缘场景

NVIDIA 文章列出多个 Jetson 和 NemoClaw 的应用案例。Solomon 使用 NemoClaw 在人形机器人上协调 AI agents，把 reasoning、perception、sensor fusion、locomotion 和 manipulation 放进一个 workflow。Advantech 则在自己的制造设施中构建 agentic factory brain，使用 NemoClaw、NVIDIA Nemotron 3 和 Jetson Thor，实现机器人 fleet management、智能缺陷检测和 autonomous decision-making。

文章还提到 Rebotnix 的 smart city cameras、Spingence 的制造缺陷 agents，以及 ANIWEAVE 和 Avalanche Computing 的 3D 房地产体验。这些例子说明，物理 Agent 的落点不只是机器人本体，也包括城市摄像头、工厂质检、零售、交通和空间数字化。

在 memory optimization 部分，SandStar 使用 Jetson Orin NX 和 NemoClaw 驱动 AI vending machines 和 smart retail operations，覆盖 30 多个国家，并通过接近 40% 的内存优化从 16GB 设备迁移到 8GB 设备。NoTraffic 通过优化 CUDA library overhead 将内存使用降低 29%，提升实时交通推理效率。

这次更新的实际看点

Jetson 这次更新说明，Agentic AI 正在从数字任务进入物理系统。软件 Agent 主要处理文档、代码、网页和应用；Jetson 上的物理 Agent 则需要面对传感器、实时性、边缘算力、内存限制、硬件安全和现场部署。

这也是 JetPack 7.2、Yocto、CUDA 13、MIG、real-time kernel 和 NemoClaw 被放在一起的原因。物理 Agent 不只是模型能力问题，而是完整边缘系统工程问题。

对机器人和工业团队来说，后续值得关注的是：NemoClaw 在真实生产环境中的稳定性，Jetson Thor 的确定性工作负载支持，agent skills 是否能真正降低系统集成难度，以及视觉推理 Agent 能否安全地进入工业和城市现场。

参考来源

本文为公开资料整理与技术学习参考，不提供采编、转载或发布服务。