NVIDIA、ロボット向け「Jetson Thor」にサイズ・電力を半減した新モジュールを追加。オンデバイス世界モデルも発表

NVIDIAは、Blackwell GPUアーキテクチャを量産型ロボット向けに展開する新しいコンピューティングモジュール「Jetson Thor T3000」および「T2000」を発表した。現行のフラッグシップモデル「T5000」の約半分のサイズと消費電力を実現し、クラウド接続なしで動作する40億パラメータのオンデバイス世界基盤モデル「Cosmos 3 Edge」も同時に提供される。本製品は2027年第1四半期に出荷が開始される予定で、開発コストの削減を迫られているロボット開発企業やスマートファクトリーのインテグレーターにとって重要な選択肢となることが期待されている。

■T3000とT2000：サイズを半減したBlackwellモジュール

NVIDIAが発表した「Jetson Thor T3000」は、1,536基のCUDAコアを搭載するBlackwell GPU、8コアのArm Neoverse V3AE CPU、32GBのLPDDR5Xメモリ（帯域幅273 GB/s）、および25 GbE接続を統合している（CNX Softwareのスペック比較による）。NVIDIAの公式発表によると、T3000は物理サイズおよび消費電力がT5000の約半分であるにもかかわらず、大規模言語モデル（LLM）やビジョン言語モデル（VLM）、ビジョン・ランゲージ・アクション（VLA）モデル、世界基盤モデルなどのマルチモーダルなワークロードにおいて、T5000と同等の推論性能を提供するという。ただし、この主張はNVIDIA独自の評価であり、第三者によるベンチマーク測定はまだ行われていない。

また、産業向けバリアントである「IGX Thor T3000」も用意されている。NVIDIAの発表によると、このモデルには機能安全（セーフティ）機能が統合されており、人間とロボットが協調して働く環境向けに、NVIDIAの「Halos for Robotics」フルスタック安全システムを実行できるように設計されている。

さらにエントリー向けの「Jetson T2000」もラインナップに加わる。CNX Softwareの比較表によると、T2000は1,024コアのBlackwell GPUから400 FP4 TFLOPSの演算性能、16GBのLPDDR5メモリ（帯域幅137 GB/s）、2x10 GbE接続を備える。T2000は、T3000ほどの大きなメモリや高い並列処理を必要としない、ビジュアルAIエージェント、自律移動ロボット（AMR）、産業用マニピュレータなどの用途を想定している。これら2つの新モジュールにより、Jetsonラインナップはローエンドの70 TOPSから、ハイエンドであるT5000の2,000 TFLOPS（2 PFLOPS）までシームレスにカバーされることになる。

両モジュールは2027年第1四半期に提供開始予定だ。開発者は現在提供されている「Jetson AGX Thor開発者キット」を使用して開発を始めることができる。T3000のエミュレーションサポートは今月後半に予定されている「JetPack 7.2.1」で提供され、T2000のエミュレーションは今後のリリースでサポートされる予定である。

■T3000に搭載されない機能：MIGの不在と未確定の消費電力仕様

T3000と、上位モデルであるT4000やT5000との重要な違いは、マルチインスタンスGPU（MIG）パーティショニングに対応していない点だ。CNX Softwareの比較表が示すように、T4000とT5000で利用可能なMIGは、単一のGPUをハードウェア的に隔離された複数のコンピューティングスライスに分割し、それぞれで個別のAIモデルを独立して実行できる。認識モデル、動作計画モデル、人間との対話モデルを厳格なリソース隔離のもとで同時に実行する必要があるロボットパイプラインでは、T3000においてソフトウェアレベルのスケジューリングが必要となり、遅延や複雑さが増すことになる。

また、NVIDIAはT2000の完全な電力仕様をまだ公開しておらず、T3000の熱設計電力（TDP）はT5000の40〜130Wの約半分と推定されているものの、本稿執筆時点では公式に確認されていない（ServeTheHomeの報道による）。

さらに、NVIDIAが公表しているT3000の「865 FP4 TFLOPS」という性能数値は、FP4精度におけるピーク時のスパース演算値である。SpheronのFP4分析が示すように、実際の推論スループットは、メモリ帯域幅の利用率、アクティベーション精度、モデルアーキテクチャ、バッチサイズに依存する。ロボット工学で一般的な視覚認識やマニピュレーションのタスクでは、FP4による精度低下が数学的推論よりも小さいため、T3000とT5000の実環境におけるスループット差はわずかであると予想されるが、精度に敏感なワークロードを扱うチームは、モジュールの選定前に実際のユースケースで性能を検証する必要がある。

■Cosmos 3 Edge：ロボット内部で動作する世界基盤モデル

ハードウェアと同時に、NVIDIAは「Cosmos 3 Edge」を発表した。これはJetson Thorプラットフォーム上で動作するように設計された、40億パラメータの軽量な世界基盤モデルである。MarkTechPostの解説によると、このモデルは大型のCosmos 3モデルと同じ「Mixture-of-Transformers」アーキテクチャを採用しており、視覚と言語を理解する「Reasoner（推論）」タワーと、世界のシミュレーションおよび行動軌道を予測する「Generator（生成）」タワーを組み合わせている。これをエッジデバイスで推論を実行できるパラメータ数に圧縮することで、データセンターとの往復通信を不要にした。

2026年6月のGTC Taipeiで発表された親モデルのCosmos 3ファミリーには、「Super」（320億パラメータ）と「Nano」（80億パラメータ）のバリアントがあるが、Cosmos 3 EdgeはJetsonデバイスへのオンデバイス展開向けに特別に設計された新しい最小ティアとなる。

NVIDIAのブログによると、開発者はオープンなCosmosフレームワークを使用することで、特定のロボットの形状やセンサー構成に合わせて、Cosmos 3 Edgeの事後学習（ポストトレーニング）を約1日で行うことができるという。これにより、従来はシミュレーションと現実のギャップ（Sim-to-Realギャップ）を埋めるために数週間を要していたシミュレーションの反復作業が大幅に短縮される。摩擦や接触力学、センサーノイズがシミュレータのモデルとは異なる挙動を示すために発生するSim-to-Realギャップは、ロボット開発における中心的な課題の一つである（PatSnapの分析による）。なお、この「1日でのファインチューニング」という見積もりはNVIDIA独自の予測であり、生産規模での独立した検証はまだ行われていない。

■Jetson Agent Skills：メモリ最適化の期間を数週間から数日へ短縮

NVIDIAはまた、開発者向けツール群「Jetson agent skills」を発表した。これは、従来は数週間の手作業と深い専門知識を必要としていたメモリ最適化、システム構成、デプロイタスクを自動化するAI搭載ツールである。

これにより、開発チームはソフトウェアスタックを書き換えることなく、より少ないメモリ構成のハードウェア上で高度なワークロードを実行できるようになる。NVIDIAによると、このツールはThorおよびOrinファミリーを含むJetsonポートフォリオ全体をサポートする。

NVIDIAのブログによると、すでにこのソフトウェア最適化を活用してメモリ構成を1ティア下げた企業として、人型ロボットメーカーのUBTechやAgile Robots、産業用ソリューションプロバイダーのConnect Techなどが挙げられている。これらの企業はメモリ使用量を最大15GB削減し、NVIDIA Jetson AGX Orinの64GBモジュールから32GB構成へと移行した。また、スマートリテール分野のコンピュータビジョン企業SandStarは、メモリ使用量を最大4GB削減し、Orin NXの16GB版ではなく8GB版での展開を可能にした。インテリジェント交通システムのNoTrafficは、Jetson TX2 NX上でのメモリ要件を30%削減し、スマート交通プラットフォームにさらなるAI機能を追加する余力を生み出した。家族型ロボット「LOVOT」を開発するGROOVE Xは、JetsonのヘテロジニアスAIアクセラレータを使用して、異なるメモリ構成間でのワークロード分散を最適化した。これらの数値はNVIDIAが発表したパートナー企業での実績であり、第三者による独立した監査によるものではない。

■日本国内のエコシステム：20社以上が「Cosmos Coalition」に参画

今回のハードウェアおよびソフトウェアの発表は、日本市場に焦点を当てたエコシステムの拡大と合わせて行われた。NVIDIAの日本向けプレスリリースによると、AIRoA、ファナック、富士通、日立製作所、川崎重工業、クボタ、三井物産、三菱商事、Mujin、NEC、Preferred Networks、ソフトバンク、ソニーグループ、Telexistence、TIER IV、安川電機など、日本のフィジカルAI関連企業20社以上が「NVIDIA Cosmos Coalition」への参画意向を表明した。富士通はフィジカルAI向けの協調制御プラットフォームを模索しており、ファナック、安川電機、川崎重工業はNVIDIAのテクノロジーを自社の生産システムに統合しつつある。

Cosmos Coalitionの枠組みにより、参画企業はCosmos 3の技術やトレーニングツール、NVIDIA DGX Cloudインフラを利用して大規模なトレーニングを行いながら、独自のモデルや研究、評価手法を提供することができる。世界の主要な産業用ロボットメーカーを含む日本の産業界にとって、このアライアンスへの参画は、独自の代替手段ではなく、NVIDIAのモデルエコシステム上に構築された共通のフィジカルAIソフトウェアレイヤーを早期に採用することを意味している。

NVIDIAのロボティクスおよびエッジAI担当バイスプレジデントであるディープ・タラ（Deepu Talla）氏は、Jetsonプラットフォームの開発者が現在250万人を超え、1万社以上の企業がロボティクスやビジュアルAIアプリケーションを出荷または開発中であると言及した。すでにJetson AGX Thorを採用して開発を進めている主要なロボティクス企業には、1X、Agile Robots、Amazon Robotics、Boston Dynamics、ファナック、日立製作所、Techman Robotなどが含まれる。

■NVIDIAスタックの深層：プラットフォーム囲い込みのコスト

T3000とT2000の発表の本質は、単なるハードウェアの性能向上ではなく、垂直統合のストーリーである。NVIDIAのロボティクスプラットフォームに垂直統合されることのメリットを理解すると同時に、それに伴うコスト（囲い込みの影響）を理解することも同様に重要だ。

NVIDIAは現在、物理シミュレーション環境（Isaac Sim）、並列トレーニングプラットフォーム（Isaac Lab）、世界基盤モデルファミリー（Cosmos 3およびCosmos 3 Edge）、エッジ推論ハードウェア（Jetson ThorのT2000からT5000までの各ティア）、機能安全スタック（Halos for Robotics）、自動デプロイツール（agent skillsおよびNeMoクラウBlueprint）、そして開発者向けSDK（JetPack）をすべて一社で提供している。このフルスタックを採用するロボット開発チームは、Isaac ROS、NVIDIAのモデルフォーマット、Cosmosのファインチューニングパイプライン、そしてJetPack SDKのバージョンに深く依存することになり、これらの投資を競合他社のプラットフォームへ簡単に移行することはできない。

競合する選択肢も存在する。たとえば、2026年3月に発表されたQualcommの「Arduino Ventuno Q」は、300ドル（約4万8,600円、1ドル=162円換算）未満で40 TOPSのAI演算性能を提供し、Jetson Thorよりも大幅に低いコストでエッジAIを必要とする開発者をターゲットにしている（Futurum Groupの分析による）。また、Hailo、Axelera、Google Coralなどは、ビジョン特化型のエッジワークロードにおいて高い電力効率（TOPS/W）を提供している（chip.computerの比較による）。しかし、これらのプラットフォームはいずれも、Jetson Thorが提供するようなマルチモーダルモデル（LLM、VLM、VLA、世界モデルの同時推論）のサポートを実現していない。

この差は極めて大きい。そしてこれこそが、NVIDIAのエコシステムから抜け出すコストを高くしている要因でもある。Jetson Thor上で「Isaac GR00T」のファインチューニングや「Cosmos 3 Edge」の追加学習にエンジニアリングリソースを投資した企業は、別のプラットフォームに移行する際、それらをゼロから再構築しなければならない。メモリ最適化を自動化する「agent skills」も、JetPackエコシステム内でのみ動作する。ロボット業界がこの統合を受け入れつつある現状（ディープ・タラ氏が言及した250万人の開発者という数字が示す通り）は、NVIDIAの統合スタックが実現するものと、他社の単一コンポーネントの組み合わせとの間にある格差の大きさを反映している。

2027年の生産用コンピューティングプラットフォームとしてT3000やT2000を検討しているチームにとって、意思決定の基準はハードウェア性能が十分かどうかだけではない。自社の製品ロードマップの期間中、このプラットフォームへの囲い込み（ロックイン）を受け入れられるかどうかも重要な判断材料となる。

■注目ポイントQ&A

●Jetson T3000とJetson T5000の主な違いは何ですか？

T3000は、T5000（2,070 FP4 TFLOPS）の約半分のサイズと消費電力で、865 FP4 TFLOPSのAI演算性能を提供します。T5000が2,560コアのBlackwell GPUと128GBのメモリを搭載しているのに対し、T3000は1,536コアのGPUと32GBのメモリを搭載しています。また、上位のT4000およびT5000は、単一のGPUで複数の独立したAIモデルを同時に実行できる「マルチインスタンスGPU（MIG）」に対応していますが、T3000およびT2000は非対応です。

●Jetson T3000とT2000はいつ入手可能になりますか？ また、今すぐ開発を始める方法はありますか？

両モジュールは2027年第1四半期に提供開始予定です。開発者は、同じBlackwellアーキテクチャとソフトウェアスタックを実行する「Jetson AGX Thor開発者キット」を使用して、今すぐ開発を開始できます。T3000のエミュレーションサポートは今月後半に予定されている「JetPack 7.2.1」で提供され、T2000のエミュレーションは今後のJetPackリリースでサポートされる予定です。また、ハードウェアパートナーのConnect Techは、モジュールの発売に合わせてT3000およびT2000用のキャリアボードを提供する予定であると表明しています。

●Cosmos 3 Edgeとは何ですか？ 既存のCosmos 3モデルと何が違いますか？

Cosmos 3 Edgeは、クラウド接続なしでJetson Thorモジュール上で直接動作するように設計された、40億パラメータの軽量な世界基盤モデルです。サーバーやワークステーションクラスのハードウェアを必要とする既存の「Cosmos 3 Nano」（80億パラメータ）や「Cosmos 3 Super」（320億パラメータ）よりも小型化されています。他のモデルと同様に、視覚と言語を理解する推論タワーと、世界のシミュレーションおよび行動生成を行うタワーを組み合わせた「Mixture-of-Transformers」アーキテクチャを採用しています。

●Jetson Thorを採用すると、NVIDIAのプラットフォームに囲い込まれることになりますか？

はい、その可能性は十分にあります。NVIDIAのロボティクススタック（シミュレーション用のIsaac Sim、世界モデル用のCosmos、エッジ推論用のJetson、安全用のHalos、SDKのJetPack、デプロイ最適化用のagent skillsなど）は深く統合されています。Cosmos 3 EdgeのファインチューニングやIsaac ROSベースの認識パイプラインに投資した成果は、Qualcommなどの他社プラットフォームにそのまま移行することはできません。他社製品には安価な選択肢もありますが、現時点でNVIDIAと同等の統合されたマルチモーダルモデルのサポートは提供されていません。

元記事: NVIDIA Shrinks Blackwell AI Compute to Half the Size for Mass-Market Robots