تستهدف Nvidia الذكاء الاصطناعي الفيزيائي للمبتدئين، أداء Jetson Orin Nano 2 يتضاعف في الاستدلال واستهلاك الطاقة ينخفض بنسبة 40%

تقوم Nvidia بتوسيع قدرات الذكاء الاصطناعي (AI) بشكل أكبر من مراكز البيانات إلى الأجهزة الواقعية مثل الروبوتات.

في يوم الثلاثاء 25 بالتوقيت الشرقي للولايات المتحدة، أعلنت Nvidia عن إطلاق منصة الحوسبة الروبوتية الجديدة Jetson Orin Nano 2 الموجهة لتطبيقات الذكاء الاصطناعي الطرفية التي تتطلب حساسية عالية للتكلفة واستهلاك الطاقة وقدرات الحوسبة اللحظية، مثل الروبوتات والطائرات بدون طيار.

ذكرت Nvidia أنه مع الحفاظ على نفس الحجم الصغير، فإن أداء الاستدلال في Jetson Orin Nano 2 قد تضاعف مرتين مقارنة بالجيل السابق Jetson Orin Nano Super؛ وفي وضع استهلاك طاقة 15 واط، يمكن تحقيق نفس الأداء للجيل السابق باستهلاك أقل للطاقة بنسبة 40%.

من حيث الأجهزة، يأتي Jetson Orin Nano 2 بمعالج ثماني النواة وذاكرة 8GB، وتصل قوة حساب الذكاء الاصطناعي فيه إلى 780 تريليون عملية في الثانية. وأوضحت Nvidia أن المنصة الجديدة تعزز قدرات استدلال الذكاء الاصطناعي من خلال ترقية نواة التنسور وزيادة عرض نطاق الذاكرة، كما تظل متوافقة مع النظام البيئي البرمجي الخاص بـNvidia والمصمم للروبوتات والذكاء الاصطناعي الطرفي، ويمكنها تشغيل نماذج اللغة الكبيرة ونماذج اللغة البصرية المحسنة لكفاءة استخدام الذاكرة، بما في ذلك Cosmos وNemotron وGemma 4 وQwen 3.

لا تنحصر أهمية إصدار المنتج الجديد في طرح كمبيوتر AI صغير عالي الأداء، فمع استمرار تصغير نماذج AI وتحسن كفاءة الاستدلال، بدأت المهام التي كانت تعتمد في السابق على المعالجة السحابية مثل فهم الرؤية والتفاعل اللغوي واتخاذ القرار اللحظي، بالانتقال تدريجيًا إلى الأجهزة الطرفية مثل الروبوتات والطائرات بدون طيار. وتأمل Nvidia من خلال Jetson Orin Nano 2 في خفض عتبة دخول الذكاء الاصطناعي المادي إلى الأجهزة المبتدئة.

تسريع تطبيق نماذج الذكاء الاصطناعي الصغيرة وارتفاع الحاجة إلى الذكاء الطرفي في الروبوتات

يأتي إطلاق Jetson Orin Nano 2 في مرحلة انتقال صناعة الذكاء الاصطناعي من السحابة إلى الأجهزة الطرفية.

على عكس الذكاء الاصطناعي في مراكز البيانات، تفرض الروبوتات والطائرات بدون طيار قيودًا صارمة على منصات الحوسبة: حجم الجهاز محدود، وغالبًا لا يمكن تركيب معالجات عالية الاستهلاك للطاقة، كما يحتاج الجهاز بشكل متواصل لتأدية مهام الاستشعار البصري وفهم البيئة واتخاذ القرار أثناء الحركة. لذلك، مدى قدرة الذكاء الاصطناعي التي يوفرها كل واط طاقة غالبًا ما يكون أكثر أهمية من ملاحقة أقصى قوة حسابية فقط.

ذكرت Nvidia أن Jetson Orin Nano 2 يمكنه في وضع 15 واط أن يحقق نفس الأداء باستهلاك أقل للطاقة بنسبة 40% مقارنة بالجيل السابق. وهذا يعني لصانعي الروبوتات والطائرات بدون طيار العاملة على البطارية أنه يمكنهم تقليل استهلاك الطاقة مع الحفاظ على نفس الأداء، أو استغلال الطاقة التي تم توفيرها لتحسين عمر البطارية أو التبريد أو غيرها من تجهيزات الحساسات.

في الوقت نفسه، فإن القدرات المتزايدة لنماذج الذكاء الاصطناعي الصغيرة تحدث تغييرًا في حدود تطبيقات الذكاء الاصطناعي الطرفي.

قالت تارا، رئيسة أعمال الروبوتات والذكاء الاصطناعي الطرفي في Nvidia، أن بعض النماذج المتوسطة والصغيرة المتقدمة اليوم وصلت مستويات دقة كانت مخصصة للنماذج الكبيرة في العام الماضي، وهذا يهيئ الظروف لتحقيق الذكاء اللحظي على الأجهزة الطرفية.

في الماضي كانت مهام الذكاء الاصطناعي الطرفي تقتصر غالبًا على اكتشاف الأهداف وتصنيف الصور؛ ومع تعزيز قدرات النماذج، بدأت الأجهزة الطرفية تكتسب قدرات فهم لغوي واستدلال بصري وتفاعل متعدد الأوضاع أكثر تعقيدًا.

وهذا يقود الروبوتات للانتقال من "القدرة على استشعار البيئة" إلى "القدرة على فهم البيئة واتخاذ الإجراءات".

من التعرف البصري إلى الفهم متعدد الأوضاع، وأهمية اتخاذ القرار اللحظي

تسعى Nvidia لجعل منصة Jetson أساسًا حسابيًا هامًا لحصول الروبوتات على "الذكاء الفيزيائي".

حاليًا، لم تعد المعلومات التي يجب أن يتعامل معها الروبوت محصورة في الصور التي تلتقطها الكاميرا، بل تشمل أيضًا الأوامر اللغوية الطبيعية والصوت والمعلومات المكانية وبيانات من حساسات مختلفة. إن دمج هذه المعلومات بسرعة على الجهاز والاستجابة بشكل منخفض التأخير هو شرط أساسي لتحقيق التشغيل الذاتي للروبوت.

لذلك يستهدف Jetson Orin Nano 2 العديد من السيناريوهات النموذجية، بما في ذلك الروبوتات المنزلية وأنظمة الذكاء الاصطناعي البصرية والطائرات بدون طيار للتوصيل والدوريات.

فعلى سبيل المثال، كانت شركة Wing، التابعة لـGoogle، قد اعتمدت بالفعل Jetson Orin Nano Super وتقنيات البرمجيات من Nvidia ضمن طائرات التوصيل بدون طيار لديها، وتخطط لتقييم Jetson Orin Nano 2 أيضًا. وأوضحت Nvidia أن زيادة الأداء وكفاءة الطاقة من شأنه أن يساعد Wing على تعزيز قدرات الاستشعار والاستدلال الذكي اللحظي للطائرات بدون طيار.

ومن جانبها، تعتزم شركة Matic للروبوتات المنزلية الاستفادة من Jetson Orin Nano 2 لتعزيز قدرات الروبوتات في التفاعل اللغوي الطبيعي، والتعرف على الإيماءات، ورسم الخرائط المكانية، وفهم الدلالات، لتمكين الروبوتات من إكمال مهام التنظيف بشكل أكثر استقلالية.

بالإضافة إلى ذلك، عرضت Nvidia حالة تشغيل روبوت Reachy Mini بمنصة Jetson Orin Nano 2، وأكدت أن المنصة قادرة على معالجة نماذج لغوية وصوتية ومهام ذكاء اصطناعي بصري في الوقت الحقيقي معًا، مما يظهر قدرة منصات الحوسبة الطرفية المبتدئة على تشغيل نماذج الذكاء الاصطناعي المتعددة.

وهذا النوع من القدرة له أهميته لمصنعي الروبوتات، إذ لم يعد الروبوت مقتصرًا على تنفيذ حركات محددة وفق برامج معدة سلفًا، بل أصبح قادرًا على فهم البيئة من خلال المعلومات البصرية والتوجيهات اللغوية ثم تعديل أفعاله بشكل ديناميكي.

وهذا أيضًا هو السبب في إصرار Nvidia في السنوات الأخيرة على التأكيد على "الذكاء الاصطناعي الفيزيائي": فالذكاء الاصطناعي ينتقل تدريجيًا من الخدمات البرمجية عبر الشاشات إلى العالم الحقيقي، ليقود الأجهزة المادية مثل الروبوتات والسيارات والطائرات بدون طيار.

توسيع قاعدة المطورين والشركاء، Nvidia تعزز النظام البيئي الروبوتي

بخلاف أداء الرقائق، شكّل النظام البيئي البرمجي دائمًا إحدى المزايا التنافسية الهامة لمنصة Jetson من Nvidia.

ذكرت Nvidia أن هناك أكثر من 3 ملايين مطور يعملون على تطوير منتجاتهم استنادًا إلى نظامها التقني للروبوتات. ومع إطلاق Jetson Orin Nano 2، تعمل Nvidia أيضًا على توسيع النظام البيئي للبرمجيات والأجهزة والمطورين حول الذكاء الاصطناعي للروبوتات بشكل أكبر. Cognex, وMatic

على الصعيد البرمجي، يواصل Jetson Orin Nano 2 دعم منصة تطوير الروبوتات من Nvidia، ويمكنه تشغيل نماذج اللغة الكبيرة ونماذج الرؤية البصرية المحسنة لكفاءة الذاكرة والموائمة للأجهزة الطرفية، بما في ذلك Cosmos وNemotron من Nvidia، بالإضافة إلى Gemma 4 وQwen 3 وغيرها.

يُمَكِّن ذلك المطورين من نشر قدرات فهم اللغة والرؤية والاستدلال مباشرة إلى أجهزة الروبوت الطرفية حتى في ظل موارد الأجهزة المحدودة، بدون الاعتماد الكلي على الخوادم السحابية.

وقد توسع النظام البيئي للأجهزة بالتوازي مع ذلك.

كشفت Nvidia أن شركات شريكة مثل Airborne، Advantech، Aetina، Antmicro، Aptiv، Connect Tech، Seeed Studio، وغيرهم، يطورون لوحات حاملية وأنظمة أجهزة وبرمجيات ذكاء اصطناعي وتصاميم مرجعية حول Jetson Orin Nano 2، لدعم مصنعي الروبوتات في تقليل زمن التطوير وطرح المنتجات في السوق.

كما أفادت Nvidia أن الشركات التي بدأت بالفعل باستخدام أو استكشاف Jetson Orin Nano 2 تشمل Cognex، Doosan Bobcat، Matic وغيرها، وWing تخطط أيضًا لتقييم هذه المنصة.

على مدى فترة أطول، تحاول Nvidia بناء نظام بيئي شامل يغطي نماذج الذكاء الاصطناعي، وأدوات البرمجيات، ومنصات الحوسبة، والأجهزة الطرفية للروبوتات، وليس مجرد أعمال شرائح الروبوت الفردية.

وهذا النموذج يشبه إلى حد ما الميزة التنافسية التي بنتها Nvidia في مجال الذكاء الاصطناعي بمراكز البيانات: خلق تأثيرات تآزرية عبر الأداء العالي للأجهزة والبرمجيات، ثم توسيع جاذبية المنصة من خلال مجتمع مطورين ضخم.

من المتوقع أن تطرح المنتجات الجديدة في النصف الأول من العام القادم، والمساهمة التجارية لا تزال قيد التحقق

مع ذلك، يجب الملاحظة أن Jetson Orin Nano 2 لا يزال في مرحلة الإعلان، وهناك بعض الوقت قبل طرحه فعليًا في الأسواق.

وقالت Nvidia إن وحدات Jetson Orin Nano 2 والعدة التطويرية من المتوقع أن تطرح في الأسواق في النصف الأول من عام 2027. لذلك، لا تزال المساهمة المباشرة للمنتج الجديد في نتائج Nvidia قصيرة الأجل مسألة تخضع للمراقبة.

وبالنظر إلى خريطة المنتجات، تواصل Nvidia تحسين منظومة منتجات الذكاء الاصطناعي الفيزيائي والروبوتات: فمن جهة، تلبّي منصات الحوسبة الروبوتية ذات الأداء العالي احتياجات التطبيقات المعقدة؛ ومن جهة أخرى، يقود Jetson Orin Nano 2 الذكاء الاصطناعي إلى أجهزة طرفية أكثر حساسية من ناحية التكلفة واستهلاك الطاقة.

إذا استمرت نماذج اللغة الصغيرة ونماذج الرؤية اللغوية في التحسن السريع، بينما تنخفض تكلفة الاستدلال، فقد يتزايد الطلب على قدرات الحوسبة الذكية الطرفية لدى الروبوتات والطائرات بدون طيار والأجهزة المماثلة.

وبالنسبة إلى Nvidia، فهذا يعني أن السوق الذي تتنافس عليه ينتقل تدريجيًا من الذكاء الاصطناعي التقليدي بمراكز البيانات إلى "العقل الذكي" خلف الأجهزة الواقعية مثل الروبوتات والطائرات بدون طيار. Jetson Orin Nano 2 يعتبر خطوة هامة نحو التوسع أكثر في سوق الأجهزة الطرفية.