2026 年 7 月 16 日，英伟达宣布给 Jetson Thor 机器人边缘 AI 产品线添了两款中端板子，T3000 和 T2000，2027 年一季度上市，多两款便宜的板子，让更多机器人用得起 Blackwell。

T3000 的内存只有 T4000 的一半，GPU 算力也只有后者的 72%，英伟达却敢说它"对多模态负载，推理性能和 T5000 接近"。T5000 是当前 Thor 家族的顶配。

算力只是门票，机器人大脑最重要的是算力，FLOPS 越高越聪明。英伟达这次的产品排列，聚焦重点是是内存带宽、内存容量、能在边缘端跑起来的软件栈，功耗和成本。

Part 1Jetson Thor 是什么

Jetson 是英伟达面向机器人和边缘 AI 的嵌入式计算平台。Thor，是这个平台最新一代，基于 Blackwell 架构。

Thor 的核心是一颗 SoC，同源给到整个 Thor 家族，一边是 Arm Neoverse-V3AE 的 CPU 集群，负责系统调度、非神经网络任务、安全；另一边是一颗 Blackwell 架构的 iGPU，负责跑神经网络推理。两者共享板上的 LPDDR5X 内存。

这颗芯片用在机器人、机械臂、自主设备的里，靠电池或机载电源供电，实时处理摄像头、激光雷达、麦克风喂进来的数据，再给出动作指令，Jetson Thor 干的是把数据中心那套 Blackwell 能力，放在机器人上。

Thor 产品线有四款板子，CPU、GPU、内存、带宽、功耗，构成了一条清晰的阶梯。

◎最高端是 T5000。14 颗 Neoverse-V3AE CPU 核心，2048 个 CUDA 核心的 Blackwell iGPU，稀疏 FP4 算力 2070 TFLOPS，配 128GB 内存，273GB/s 带宽，4 路 25GbE 网络，最大功耗 130 瓦，2025 年三季度已经上市。

◎往下是 T4000。12 颗 CPU 核心，1536 个 CUDA 核心，1200 TFLOPS，64GB 内存，237GB/s 带宽，3 路 25GbE，功耗 70 瓦，2026 年一季度上市，定价大约 3000 美元。

◎新来的 T3000 排中间。8 颗 CPU 核心，1536 个 CUDA 核心，865 TFLOPS，32GB 内存，带宽保住 273GB/s，25GbE 网络，功耗约 65 瓦，2027 年一季度上市。

◎最入门的 T2000。6 颗 CPU 核心，1024 个 CUDA 核心，400 TFLOPS，16GB 内存，带宽掉到 137GB/s，网络降到 10GbE，同样 2027 年一季度上市。

T3000 和 T4000 ，两块板子用的 GPU 配置完全一样，都是 1536 个 Blackwell CUDA 核心。

性能差到 72%，GPU 硬件本身没动，差距来自时钟频率压低。英伟达在 T3000 上几乎没动图形部分的"骨架"，只调了频率、砍了内存、降了功耗。

T3000 的内存从 64GB 砍到 32GB，容量只剩一半。但内存带宽保住了：它依然跑在 256 位的 LPDDR5X-8500 总线上，带宽 273GB/s，和 T4000、T5000 的 237GB/s 处在同一量级。

带宽为什么这么金贵？因为推理每一步都在搬数据。

模型越大，要搬的越多。通道窄，GPU 就饿着。饿着的算力，再高也白搭。这是机器人脑子最容易被忽视的命门。把这点想通，后面三节才看得明白。

为什么英伟达宁可砍内存容量、砍 GPU 频率，也要保住内存带宽？

多模态推理，也就是同时处理视觉、语言、触觉、动作这些信号，对硬件的压力，主要来自"内存带宽受限"。内存容量受限，是另一回事。

机器人脑子每做一次推理，要从内存里不断搬模型的权重和中间激活值。带宽，就是这条搬运通道的宽窄。通道窄，搬得慢，推理就卡。容量，则是仓库大小，决定你能同时囤多少东西。

对很多机器人任务，尤其是持续感知、实时决策这类负载，瓶颈落在搬运通道的宽窄上，不取决于仓库的大小。峰值 FLOPS 衡量的是 GPU 算得多快，但如果数据喂不进来，算力再高也空转。

T3000 内存只有 T4000 一半、GPU 算力 72%，却被定位成"对多模态负载提供与 T5000 相似的推理性能"。因为这类负载卡在带宽上，而 T3000 的带宽没砍。

峰值算力高，机器就聪明吗？未必。

带宽不够，算力就是摆设，这对理解机器人大脑很关键。所谓机器人大脑的核心，正跳出那颗纸面上最亮的 FLOPS 数字。它看的是模型权重和激活值能不能在毫秒级被搬进算力单元。带宽，决定了一个机器人能多快地"想"。

Part 2 机器人大脑的核心，内存容量与软件栈补位

带宽保住，不等于容量不重要。

有些任务就是要容量。大模型权重越做越大，多任务并行时上下文越堆越多，机器人想在本地同时跑感知、规划、对话，内存容量迟早是墙。

T3000 的 32GB、T2000 的 16GB，对轻量应用够，对复杂应用紧。英伟达的解法有意思。它没只在硬件上做文章，而是从软件侧下手。

这次官宣同时发布了"内存优化的 Jetson Skills"，一组高度优化的 agent 技能，比过去更省内存。让客户在同一硬件层，降到更低内存配置，还能跑出相似性能。等于说，软件把硬件的"内存墙"往后推了一步。

有几个例子能说明这套打法的老练。有客户在老一代 Orin 平台上，靠省内存挪到了更小的内存配置；更夸张的是，有人在一块好几年前的 Jetson TX2 上，省出内存来，反而多加了功能。

机器人大脑的核心，不只是板子上的硅，还包括能在边缘端高效跑起来的模型与软件栈。

硬件定了一个上限，软件决定你能逼近上限多少。硬件不够，软来补。这一招，是英伟达在机器人上的深层护城河。

打个比方。硬件是发动机，软件是变速箱。发动机排量小一点，变速箱调得好，车照样跑得顺。英伟达现在做的，就是给同一台小发动机配一套更聪明的变速箱。省下的内存，变成了能多装的功能。

机器人不是数据中心。它没有无限电力，没有机房空调，没有随便堆散热的空间。

T5000 的 130 瓦，对一台大型人形机器人也许能接受，对无数轻型自主设备就是负担。更小的机器、更便宜的机器、靠电池跑更久的机器，扛不起顶配板子的功耗和价格。

T3000 把功耗压到约 65 瓦，差不多是 T5000 的一半。T2000 进一步下探，网络砍到 10GbE，带宽掉到 137GB/s，明确主打轻量边缘 AI。复杂机器人不在它的目标里。

用 T5000 和 T4000 占高端机器人，用 T3000 占主流机器人，用 T2000 占轻量边缘，底下再保留上一代 Orin（AGX Orin、Orin NX、Orin Nano）填更低的价位。这是一座从几百美元到数千美元、从十几瓦到一百多瓦的完整金字塔。

功耗和成本，正是机器人大脑必须装进去的"身体约束"。

装不进身体，再聪明的脑子也没用。电池就那么大。散热就那么薄。价格就那么敏感。这三道墙，比算力墙更早挡住产品。一个脑子再聪明，塞不进身体、耗光电、贵到卖不动，就没有意义。所谓机器人大脑的核心，正是一组在功耗、成本、体积硬约束下做权衡后的综合结果。

AI 热潮把元器件成本推高了，内存价格尤其高，还在涨。这股涨价，既伤消费端，也伤工业端。对 Jetson 这种靠 LPDDR5X 内存定价的板子，内存贵，顶配就更贵，客户就被挡在门外。

英伟达的应对是双管齐下。

◎硬件上，推出更便宜的 T3000、T2000，把 Thor 能力的入门价拉低；

◎软件上，用更省内存的 agent 技能，让客户在同档硬件上能选更小内存版本。

两条路，都指向同一个目标：在高内存价时代，让 Thor 机器人方案依然买得起、用得动。

需要注意的是，T4000 目前定价约 3000 美元。T3000、T2000 虽未公布价格，但定位明确低于它。英伟达同时保留上一代 Orin 产品线不变，让低价位段不空档。这是一场围绕"买得起"的产品矩阵重排。

小结

英伟达用 T3000 ，同样一颗 Thor GPU、砍半内存、压低频率，只要带宽保住，多模态推理就能接近顶配。机器人大脑的核心，正是带宽、容量、软件栈与功耗成本包络在边缘端的综合平衡。

       原文标题 : 英伟达 Jetson Thor 扩容：机器人大脑的命门是内存带宽