Nvidia ha presentado los módulos Jetson T3000 y T2000, dos nuevas variantes de su arquitectura Thor destinadas a llevar modelos de inteligencia artificial a robots, sistemas de visión y máquinas autónomas con menos memoria, consumo y tamaño que el actual Jetson T5000. Los equipos podrán emularse antes de su lanzamiento comercial, previsto para el primer trimestre de 2027.
Las claves de los nuevos Jetson Thor en 30 segundos
- El Jetson T3000 ofrece 865 teraflops FP4, 32 GB de memoria y una CPU Arm de ocho núcleos.
- El T2000 reduce la configuración a 400 teraflops FP4 y 16 GB.
- Nvidia sitúa al T3000 en aproximadamente la mitad de tamaño y consumo que el T5000.
- Cosmos 3 Edge permitirá ejecutar un modelo robótico de 4.000 millones de parámetros en el dispositivo.
- Los módulos llegarán durante el primer trimestre de 2027.
El fabricante quiere ampliar la familia Thor más allá de los robots humanoides y las plataformas industriales de mayor coste. Jetson T3000 se dirige a sistemas que necesitan ejecutar modelos multimodales y procesar sensores en tiempo real, pero no requieren los 128 GB de memoria ni los 2.070 teraflops FP4 del T5000. El T2000 ocupará un escalón inferior para robots móviles, manipuladores, agentes visuales y otros dispositivos de inteligencia artificial en el edge.
Nvidia no ha comunicado precios, dimensiones exactas ni intervalos de consumo para los dos nuevos módulos. Tampoco ha publicado todavía una ficha técnica completa con sus interfaces, número de núcleos de GPU, almacenamiento compatible o configuración de cámaras. Por ahora, sus especificaciones deben considerarse preliminares y limitadas a los datos facilitados en el anuncio.
T3000 reduce memoria y potencia frente al Jetson T5000
El Jetson T3000 combina una GPU basada en Blackwell, una CPU Arm Neoverse de ocho núcleos, 32 GB de memoria LPDDR5X y un ancho de banda de 273 GB/s. Nvidia declara 865 teraflops de cálculo FP4 y conectividad Ethernet de 25 Gbps.
La compañía sostiene que el módulo ocupa aproximadamente la mitad y consume cerca de la mitad que el T5000. No ofrece una medición exacta para respaldar esa comparación, por lo que no puede deducirse directamente un intervalo de potencia a partir de los 40-130 W del modelo superior.
| Característica | Jetson T2000 | Jetson T3000 | Jetson T4000 | Jetson T5000 |
|---|---|---|---|---|
| Arquitectura GPU | Blackwell | Blackwell | Blackwell | Blackwell |
| Rendimiento de IA anunciado | 400 TFLOPS FP4 | 865 TFLOPS FP4 | 1.200 TFLOPS FP4 dispersos | 2.070 TFLOPS FP4 dispersos |
| CPU | No detallada | Arm Neoverse, 8 núcleos | Arm Neoverse-V3AE, 12 núcleos | Arm Neoverse-V3AE, 14 núcleos |
| Memoria | 16 GB | 32 GB LPDDR5X | 64 GB LPDDR5X | 128 GB LPDDR5X |
| Ancho de banda | No detallado | 273 GB/s | 273 GB/s | 273 GB/s |
| Red | No detallada | 25 GbE | 3 × 25 GbE | 4 × 25 GbE |
| Consumo | No comunicado | Aproximadamente la mitad que T5000 | 40-70 W | 40-130 W |
| Formato | No comunicado | Aproximadamente la mitad que T5000 | 100 × 87 mm | 100 × 87 mm |
| Disponibilidad | Primer trimestre de 2027 | Primer trimestre de 2027 | Disponible | Disponible |
Las cifras del T4000 y T5000 proceden de las especificaciones oficiales actuales de Jetson Thor. Nvidia utiliza teraflops FP4 dispersos para expresar el rendimiento máximo de esos módulos. En el anuncio de T3000 y T2000 habla de teraflops FP4, sin detallar en el texto si las cifras se han calculado bajo exactamente las mismas condiciones.
Esta diferencia impide tratar la tabla como una comparación directa del rendimiento real. Los teraflops describen la capacidad teórica para determinadas operaciones matemáticas de cuatro bits, pero no anticipan por sí solos la velocidad de un robot, un modelo de visión o una aplicación de lenguaje.
El rendimiento final dependerá de la precisión utilizada, el tamaño del modelo, la memoria disponible, el movimiento de los datos, la optimización del software y la carga de sensores. Un módulo con menos teraflops puede resultar suficiente cuando el modelo cabe en memoria y la aplicación no mantiene ocupada toda la GPU.
Nvidia afirma que el T3000 alcanza un rendimiento de inferencia parecido al T5000 en cargas multimodales, entre ellas grandes modelos de lenguaje, modelos de visión y lenguaje, sistemas VLA (vision-language-action) y modelos fundacionales del mundo. Es una afirmación del fabricante que todavía no cuenta con pruebas independientes ni resultados detallados por modelo.
Qué lugar ocupa cada módulo dentro de Jetson Thor
| Módulo | Posicionamiento previsto | Ejemplos de aplicación |
|---|---|---|
| Jetson T2000 | Entrada a la arquitectura Thor | Agentes visuales, robots móviles y manipuladores industriales |
| Jetson T3000 | Robótica avanzada con menos memoria y consumo | Humanoides, sistemas multimodales y procesamiento de sensores |
| Jetson T4000 | Gama alta intermedia | Robótica compleja y varias cargas simultáneas |
| Jetson T5000 | Máxima configuración Thor | Humanoides avanzados, modelos grandes y fusión multisensor |
La reducción de memoria responde en parte al coste. La propia Nvidia relaciona el T3000 con la posibilidad de reducir el precio del sistema en un periodo de encarecimiento de la memoria. Pasar de 128 a 32 GB puede cambiar de forma importante el coste del módulo, pero también limita el tamaño de los modelos y la cantidad de tareas que pueden mantenerse activas simultáneamente.
T2000 baja hasta 16 GB y 400 teraflops FP4. Nvidia lo presenta como un punto de entrada para extender Thor a sistemas que hasta ahora podían utilizar Jetson Orin u otras plataformas de edge AI menos potentes. La compañía no ha aclarado qué modelos de Orin sustituirá ni si convivirá con ellos durante varios años.
Los agentes de software intentan compensar la reducción de memoria
Junto a los módulos, Nvidia ha publicado nuevas habilidades para agentes de desarrollo capaces de analizar y ajustar el uso de memoria, la configuración del sistema y el despliegue de aplicaciones Jetson.
La propuesta busca automatizar tareas que antes exigían revisar manualmente modelos, buffers, bibliotecas, procesos y aceleradores. Nvidia afirma que estas herramientas pueden permitir ejecutar la misma aplicación en un módulo con menos memoria, aunque el resultado dependerá de cada proyecto.
| Empresa o proyecto | Ahorro de memoria comunicado | Cambio conseguido |
|---|---|---|
| UBTech, Agile Robots y Connect Tech | Hasta 15 GB | Paso de Jetson AGX Orin de 64 a 32 GB |
| SandStar | Hasta 4 GB | Paso de Orin NX de 16 a 8 GB |
| NoTraffic | 30 % | Más espacio para añadir funciones en Jetson TX2 NX |
| GROOVE X | No cuantificado | Distribución de cargas entre aceleradores heterogéneos |
Todos estos resultados han sido facilitados por Nvidia y por las empresas participantes. No constituyen una garantía de que cualquier aplicación pueda reducir a la mitad su memoria sin perder rendimiento o funcionalidad.
Las técnicas posibles incluyen cuantización, eliminación de procesos innecesarios, reutilización de memoria, descarga de operaciones a aceleradores especializados y selección de versiones más pequeñas de los modelos. Algunas optimizaciones pueden mantener el rendimiento, mientras otras reducen precisión, contexto o capacidad.
El ahorro adquiere importancia con los T2000 y T3000. Para ejecutar modelos avanzados en 16 o 32 GB, los desarrolladores tendrán que controlar mejor la memoria que en un T5000 de 128 GB. La capacidad anunciada de cálculo no resulta útil cuando el modelo, el contexto o las imágenes intermedias no caben en el sistema.
Cosmos 3 Edge lleva un modelo robótico de 4.000 millones de parámetros
Nvidia también ha anunciado Cosmos 3 Edge, una versión de 4.000 millones de parámetros de su familia de modelos fundacionales del mundo. Está diseñada para ejecutarse en plataformas Thor y ayudar a un sistema físico a interpretar su entorno, razonar sobre lo observado y predecir o generar acciones sin depender continuamente de la nube.
La empresa asegura que los desarrolladores podrán adaptar el modelo a un tipo de robot y a sus sensores aproximadamente en un día. Esta estimación dependerá del volumen de datos, el hardware de entrenamiento, el grado de personalización y la complejidad del dispositivo.
| Componente de software | Función dentro del sistema robótico |
|---|---|
| Cosmos 3 Edge | Interpretación del entorno y generación de acciones |
| Isaac | Simulación, percepción y desarrollo de robótica |
| Isaac GR00T | Modelos y herramientas para robots humanoides |
| Nemotron | Modelos abiertos de lenguaje y razonamiento |
| Jetson Agent Skills | Ajuste de memoria, configuración y despliegue |
| NemoClaw | Coordinación y ejecución de agentes |
Cosmos 3 Edge intenta reducir la distancia entre la simulación y el mundo físico. Un desarrollador puede entrenar o adaptar comportamientos en un entorno virtual y llevar después el modelo al robot para inferencia local.
El procesamiento en el dispositivo disminuye la latencia y permite seguir operando cuando la conexión es limitada. También evita enviar continuamente vídeo y datos de sensores a un centro remoto, aunque no elimina la necesidad de proteger la información almacenada o transmitida por el robot.
Jetson e IGX T3000 no son exactamente el mismo producto
Nvidia prepara dos versiones del T3000. Jetson T3000 está orientado a robótica y sistemas integrados de propósito general. IGX T3000 incorpora la misma capacidad de cálculo, pero añade funciones de seguridad funcional y compatibilidad con Nvidia Halos for Robotics.
| Plataforma | Orientación | Diferencia principal |
|---|---|---|
| Jetson T3000 | Robots y máquinas autónomas | Módulo integrado de IA y procesamiento |
| IGX T3000 | Industria y robots que operan junto a personas | Seguridad funcional integrada |
| Jetson T2000 | Sistemas edge de menor coste | Menos memoria y capacidad de cálculo |
La seguridad funcional resulta relevante en fábricas, logística, medicina y espacios compartidos. No equivale a la ciberseguridad: busca que el sistema responda de forma predecible ante errores de hardware o software y reduzca el riesgo de provocar daños físicos.
Nvidia no ha detallado todavía las certificaciones, niveles de integridad ni configuraciones finales del IGX T3000. Su compatibilidad con Halos debe entenderse como parte del anuncio y no como una certificación universal para cualquier robot construido con el módulo.
Los desarrolladores podrán empezar mediante emulación
Los módulos físicos no estarán disponibles hasta el primer trimestre de 2027, pero Nvidia permitirá comenzar el desarrollo mediante el kit Jetson AGX Thor existente.
El modo de emulación del T3000 llegará durante julio con JetPack 7.2.1. La emulación del T2000 se añadirá en una versión posterior todavía sin fecha. De este modo, los equipos podrán limitar los recursos del kit actual para aproximarse al comportamiento de las futuras configuraciones.
La emulación ayuda a comprobar si una aplicación cabe en memoria y alcanza el rendimiento necesario, pero no sustituye todas las pruebas sobre hardware final. Temperatura, consumo, interfaces, latencia de entrada y salida y comportamiento sostenido pueden variar cuando lleguen los módulos comerciales.
Nvidia cuenta ya con fabricantes de sistemas como ADLINK, Advantech, AAEON, Aetina, Seeed Studio, Connect Tech y AVerMedia trabajando sobre Thor. También cita a 1X, Agile Robots, Amazon Robotics, Boston Dynamics, FANUC, Hitachi y Techman Robot entre las compañías que utilizan o desarrollan sobre la plataforma.
El lanzamiento refleja un cambio dentro del mercado de la robótica. Nvidia comenzó Thor por la parte alta, con una plataforma de 128 GB y hasta 2.070 teraflops FP4. T3000 y T2000 reducen las especificaciones para entrar en sistemas donde coste, tamaño y consumo pesan más que la capacidad máxima.
Todavía faltan datos importantes: precio, consumo exacto, dimensiones, número de interfaces y rendimiento con modelos concretos. Hasta que se publiquen las fichas técnicas y lleguen las primeras pruebas independientes, los nuevos Jetson deben entenderse como una ampliación prometida de la familia Thor, no como productos disponibles para despliegues inmediatos.
Preguntas frecuentes
¿Cuándo estarán disponibles los Jetson T3000 y T2000?
Nvidia prevé comercializar ambos módulos durante el primer trimestre de 2027. Antes permitirá emular sus configuraciones sobre el kit Jetson AGX Thor.
¿Qué diferencia hay entre T3000 y T5000?
El T3000 reduce la memoria de 128 a 32 GB y el rendimiento anunciado de 2.070 a 865 teraflops FP4. Nvidia afirma además que ocupa y consume aproximadamente la mitad, aunque no ha publicado cifras exactas.
¿Para qué sirve el Jetson T2000?
Está dirigido a agentes visuales, robots móviles, manipuladores y sistemas edge que necesitan Thor, pero no la memoria ni la capacidad de los módulos superiores.
¿Qué es Cosmos 3 Edge?
Es un modelo de 4.000 millones de parámetros diseñado para que robots y sistemas físicos interpreten el entorno, razonen y generen acciones mediante inferencia local sobre Nvidia Thor.
vía: blogs.nvidia
