中文内容
随着 AI 代理从数字世界走向物理环境，它们可以轻松利用 NVIDIA Jetson，通过优化的内存和性能加速现实世界部署。
NVIDIA JetPack 7.2 直接支持一键部署 NVIDIA NemoClaw，这是一个开源堆栈，为 OpenClaw 增加了隐私和安全控制。它为 Jetson 引入了 NVIDIA 代理技能——Jetson 设备端技能和 Jetson BSP 技能——并将最新的计算堆栈和代理能力扩展到 NVIDIA Jetson Orin。Jetson 软件定义平台使这一切成为可能：同一硬件会随着每次软件发布持续提供更多价值。
本文介绍新的 JetPack 7.2 版本特性和功能，其中还包括：
- 在 NVIDIA Jetson Thor 上支持 NVIDIA Multi-Instance GPU (MIG)，用于确定性的多工作负载执行
- Yocto Project 对定制 Linux 发行版的官方支持，可进一步提升系统效率
- 面向 Jetson AGX Orin 32 GB 的 Super Mode，可在边缘实现更高的 AI 性能和更高的成本效益
这些更新共同帮助开发者更充分地利用现有 Jetson 硬件，加快上市时间，并降低总体拥有成本。
NVIDIA JetPack 7.2 软件如何做到为智能体就绪？
借助 JetPack 7.2，Jetson 开箱即具备 NemoClaw 就绪能力。JetPack 7.2 预先配置了所需的依赖项和软件栈，因此你可以在 Jetson 上部署并运行基于 NemoClaw 的工作流，而无需手动设置环境。这使你能够轻松构建覆盖机器人、工业自动化、视觉智能体和边缘 AI 系统的智能体物理 AI 应用。
要在运行 JetPack 7.2 的 Jetson 设备上安装 NemoClaw，请运行以下单条命令：curl -fsSL https://www.nvidia.com/nemoclaw.sh | bash
JetPack 7.2 中面向 Jetson 的 NVIDIA 智能体技能
JetPack 7.2 还为开发者提供 Jetson 代理技能，用于借助 AI 代理构建和优化 Jetson 软件栈。代理技能是一组可重复执行、可由代理执行的指令，用于定义要调用哪些工具、生成哪些输出以及如何验证结果。开发者无需手动配置开发流程中的每个步骤，而是可以通过代理利用代理技能来自动处理这些任务。
Jetson 代理技能将这一模式专门应用于 Jetson 软件开发工作流。这些由代理驱动的工作流有助于自动化常见开发任务，例如 Jetson Linux 定制、内存优化、模型基准测试和部署配置。通过设备端和 BSP 端两种实现，开发者可以使用代理技能降低开发复杂性，并加快在 Jetson 平台上从原型开发到生产部署的进程。
JetPack 7.2 随附三类技能：
- Jetson Linux 定制技能：引导代理从零开始为定制载板构建和定制 BSP。这包括为特定硬件设计配置 I/O、时钟设置、风扇控制、电源配置文件或任何其他模块。以前需要数周手动工作的任务现在可由代理处理，从而缩短定制 Jetson 设计的上市时间。
- 内存优化技能：优化整个软件栈的内存使用。这些技能可以调优整个栈，从 bootloader 内存预留区开始，优化 kernel 内存预留，减少冗余的用户空间进程，并帮助为给定工作负载构建最具内存效率的软件配置。这通过使更强大的工作负载能够在更低内存配置上运行，直接降低 TCO。
- 模型基准测试技能：帮助你为自己的用例确定最佳模型配置。这些技能涵盖模型基准测试、推理优化和 Jetson 诊断。例如，构建基于 NemoClaw 的应用的开发者可以使用这些技能，确定哪个模型在其目标设备上针对其特定任务运行效率最高。
除了这三类技能外，NVIDIA 还推出了帮助智能体使用 NVIDIA DeepStream 和 NVIDIA Metropolis Blueprint for Video Search and Summarization (VSS) 构建视觉管线的技能。
要了解更多信息并开始使用，请查看 GitHub 上的 Jetson device-side skills 和 Jetson BSP skills。
Jetson Thor 上的 MIG 可为混合关键性工作负载实现 GPU 分区
Jetson Thor 上的 JetPack 7.2 引入了对 MIG 的支持，允许将集成的 NVIDIA Blackwell GPU 划分为两个相互隔离的 GPU 实例，并为其分配专用的计算、缓存和内存带宽。这使多个 AI 工作负载能够以可预测的性能并发运行，同时将相互干扰降至最低。
结合 JetPack 7 中的 Preemptible RT kernel，MIG 有助于为混合关键性系统创建更具确定性的执行环境。工作负载确定性对于人形机器人、自动驾驶机器、工业自动化和医疗设备等物理 AI 系统至关重要。这是因为感知、规划、控制、生成式 AI 和安全工作负载通常共享单个 SoC，在这种情况下，资源争用可能会给时间敏感型流水线带来延迟抖动。
借助 Jetson Thor 上的 MIG，开发者可以将 GPU 资源专门分配给对延迟敏感的机器人工作负载，同时在单独的分区上运行尽力而为的 AI 推理或生成式 AI 模型。这有助于为感知、传感器融合、运动规划和安全监控等工作负载保持可预测的延迟和服务质量。JetPack 7.2 在 Jetson Thor 上支持两个 MIG 分区：
- 一个更大的 AI 和图形分区，用于推理、渲染、可视化和通用 NVIDIA CUDA 工作负载（12 个 SM，1536 个 CUDA 核心）
- 第二个隔离的计算分区，用于机器人、控制、感知或安全关键型工作负载（8 个 SM，1024 个 CUDA 核心）
可以使用标准 CUDA Runtime 控制和 NVIDIA Container Toolkit 集成，将应用程序、容器和服务分配给特定的 MIG 分区。对于运行跨不同时间域的多个 AI 流水线的下一代人形机器人而言，这一点尤为重要；在这种场景下，控制环路、AI 感知和生成式 AI 推理必须在单一嵌入式平台上可靠共存。
通过将数据中心级 GPU 分区引入嵌入式 AI 计算，JetPack 7.2 使边缘 AI 系统具备更强能力，并提升了面向真实世界部署的可预测性和可靠性。阅读更多关于 Jetson Thor 上 MIG 的内容。
在 NVIDIA Jetson 上引入 Yocto Project 支持
从 JetPack 7.2 开始，NVIDIA 在 Jetson 上提供官方 Yocto Project 支持，包括针对 Jetson 开发者套件经过验证的 recipes 和参考镜像。Yocto Project 是一个开源 Linux Foundation 项目，提供用于为嵌入式硬件架构构建自定义 Linux 发行版的工具。
NVIDIA 现在以定期发布节奏主导对 OE4T 层的路线图贡献。NVIDIA 拥有 CI/CD 流水线、SQA，并为 Jetson 开发者套件发布经过验证的参考镜像。开发者还可以访问技术文档并获得专门的论坛支持。
Yocto Project 为 Jetson 开发者带来三大核心优势：
- 可定制性：使你能够构建高度定制的镜像，仅包含所需的服务、驱动程序和库，而不是去适配 NVIDIA Ubuntu L4T 镜像。这可以减少内存占用，并针对目标应用优化系统性能。
- 可复现性：Yocto Project 可在多次运行中生成一致的镜像构建，简化调试、测试和认证流程。这在医疗和工业部署等受监管领域尤其有价值。
- 开放生态系统。可访问数千个用于 AI 框架、工业协议和自定义中间件的配方与社区层。
要帮助你决定何时使用 L4T/JetPack 与何时使用 OE4T/Yocto Project，请参考图 3 中的开发者决策指南。
随着 Jetson 正式支持 Yocto Project，NVIDIA 还构建了一个由发行版合作伙伴、ISV 和 ODM 组成的强大生态系统，以加速并简化 Jetson 平台上的 Yocto Project 开发。这些合作伙伴提供一系列产品和服务，包括可用于生产的 Linux 发行版、BSP 定制、长期支持、设备群管理解决方案、多媒体和 ISP 专业能力，以及注重安全的集成。
Konsulko Group 和 Peridio 等公司提供完整的操作系统解决方案，例如 Konsulko Orca OS 和 Avocado OS，而 Balena 则专注于基于容器的大规模设备群管理和部署。其他 NVIDIA 合作伙伴包括 Neurealm、RidgeRun 和 Wind River，他们提供广泛的工程和 NRE 服务，并在嵌入式 Linux、BSP 定制、多媒体流水线以及长期平台支持方面具备深厚专业能力。通过协作，这一生态系统使开发者能够在 Jetson 上快速部署、定制并扩展基于 Yocto 的解决方案。
除了分销合作伙伴和 ISV 之外，NVIDIA 还与强大的合作伙伴生态系统密切合作，帮助客户在 Jetson 平台上加速产品开发和部署。例如 AAEON、Advantech、Antmicro、ASUS、AVerMedia、Connect Tech、EDOM 和 YUAN 提供广泛的硬件解决方案，包括载板、边缘 AI 系统、工业嵌入式平台、视频采集解决方案以及针对 Jetson 优化的参考设计。这些合作伙伴使开发者能够利用面向机器人、工业自动化、智慧城市、医疗健康、零售和其他嵌入式 AI 应用定制的硬件平台，快速进行原型开发并扩展到可投入生产的 AI 和边缘计算解决方案。
统一 Jetson 软件栈并释放更多性能
JetPack 7.2 将基于 Ubuntu 24.04、kernel 6.8 和 CUDA Toolkit 13.0 的计算软件栈（随 Jetson Thor 引入）扩展到 Jetson Orin 系列，使两个平台建立在统一的软件基础之上。借助 Orin 和 Thor 之间通用的软件栈，你可以在整个 Jetson 产品组合中无缝部署最新的 AI 应用，同时利用最新的 CUDA 功能、库和性能优化。
这种统一的方法显著减少了支持多个硬件平台所需的工程工作量，简化了应用开发、验证、部署以及长期设备群维护。
JetPack 7.2 还为 Jetson AGX Orin 32 GB 引入了新的 Super Mode，解锁更高的 GPU 和功耗配置，使其性能更接近 Jetson AGX Orin 64 GB。通过将 GPU 频率从 930 MHz 提高到 1.3 GHz，并启用最高达 60W 的更高功耗范围，Super Mode 将 AI 性能从 200 TOPS 提升到 241 TOPS，相比标准 AGX Orin 32 GB 配置提升超过 20%。
这一增强使客户能够使用 Jetson AGX Orin 32 GB 实现接近旗舰级 AGX Orin 64 GB 的性能，同时将模块成本降低 45%。新的 Super Mode 使 32 GB 模块成为生成式 AI、机器人和边缘 AI 部署中具有成本效益的选择。
开始使用 NVIDIA JetPack 7.2
JetPack 7.2 通过软件在同一 Jetson 硬件上提供更多价值。随着智能体 AI 向边缘端迁移，而内存成本在生产部署中仍是真实的限制因素，此版本直接应对了这两个问题。
功能包括 NVIDIA NemoClaw 的一键部署、面向 Jetson 的内存与工作流优化代理技能、官方 Yocto Project 支持以实现精简且可复现的生产构建，以及 Jetson Thor 上的 MIG，用于确定性的多工作负载执行。借助 JetPack 7.2，你可以在现有硬件上实现更多功能，同时面向边缘端日益强大的代理式工作负载进行构建。
下载 JetPack 7.2，开始在边缘端部署代理式 AI。如有问题或需要社区支持，请访问 NVIDIA Developer Forum。
加入 NVIDIA 创始人兼 CEO Jensen Huang 的 NVIDIA GTC Taipei 2026 主题演讲，并通过相关会议了解更多信息。
标签
