算力，作为人形机器人的核心动力，其重要性不言而喻。

8月25日，英伟达正式发布了最新的机器人AI芯片——Jetson Thor。这款芯片提供高达2070 FP4 TFLOPS的AI算力，被称为人形机器人“最强大脑”。

根据公开消息，目前国内波士顿动力、Figure AI等国外知名机器人公司，以及优必选、银河通用、宇树科技、众擎机器人和智元机器人等国内厂商已率先部署Thor芯片。

在人形机器人规模化量产元年的关键节点，毫无疑问，“最强大脑”Thor正在改变人形机器人的产业进展，与此同时，也暴露了英伟达在人行机器人领域的“野心”。

“最强大脑”，专为物理AI和机器人打造

人形机器人要实现真正意义上的“通用”，就必须在动态环境中实现多模态感知、实时决策和精准的身体控制。

而这背后，则是海量的数据处理和复杂的AI推理任务——从视觉和力觉信息的同步处理，到全身运动规划的毫秒级响应，再到自然语言交互的实时理解，无一不是算力密集型的挑战。

不过，传统机器人控制器往往难以兼顾算力与能效，尤其在边缘部署环境下，既要完成复杂计算，还要控制功耗与散热，这对硬件提出了极为苛刻的要求。

英伟达的Jetson Thor正是瞄准这一痛点，专为物理 AI 和机器人打造。

根据英伟达官方提供的信息，基于NVIDIA Blackwell GPU并配备128GB内存，Jetson Thor提供高达2070 FP4 TFLOPS的AI算力，可以轻松运行最新AI模型，所有这些都在130瓦的功率范围内实现。

与NVIDIA Jetson AGX Orin?相比，Jetson Thor的AI计算性能提高至7.5倍，能效提高至3.5倍，能够运行各种生成式AI模型——从NVIDIA Isaac? GR00T N1.5等视觉语言动作模型到主流大语言模型和视觉语言模型等。

可以看到，这款全新系统模组解决了机器人技术最重要的挑战之一，即运行多个AI工作流，使机器人能够与人类和物理世界进行实时、智能的交互。这对于人形机器人、农业、手术辅助等高性能物理AI应用至关重要。

搭载Thor的人形机器人，可以更流畅地完成复杂场景中的自主导航、物体抓取和人机互动，真正从“演示可行”走向“实用可靠”。

TrendForce集邦咨询表示，这不仅是单纯的数字跃升，还是帮助终端本体能即时处理庞大感测数据与大型语言模型，一定程度上让高阶人形机器人真正的看见、思考与行动。

宇树科技创始人兼首席执行官王兴兴表示:“Thor芯片可以给机器人带来更强的敏捷性、更快的决策制定以及更高的自主水平，这对于机器人在现实世界中实现导航与交互至关重要。”

银河通用创始人兼首席技术官王鹤则提到:“采用Jetson Thor后，我们的G1 Premium在运动速度和动作流畅性方面已取得了显著提升，我们渴望在VLA 大型模型中释放更强大的潜力。”

英伟达实现“野心”，并不容易

盖世汽车研究院指出，随着2025年多家人形机器人公司开始量产，综合特斯拉、Figure AI、优必选、智元机器人、宇树科技等各方发展态势，预计到2029年，全球人形机器人产量将超百万台，市场规模将超1500亿元，市场潜力巨大。

作为全球领先的AI芯片企业，英伟达创始人黄仁勋看好机器人成为下一波AI浪潮，但其公司并不直接下场研发人形机器人。

不过，算力作为大模型发展的底座，是具身智能机器人发展的核心关键支撑点。有行业人士提到，此次英伟达的做法，延续了AIGC爆发前夜的那套逻辑:抢先把基础设施搭好，并力图在行业爆发前影响行业标准。根据TrendForce集邦咨询最新研究，预估人形机器人芯片市场规模有望于2028年突破4800万美元。

据悉，英伟达除了专为机器人打造计算芯片硬件，还提供多款软件平台，如机器人基础模型Isaac GR00T、机器人仿真开发平台Isaac Sim等。

早在今年5月，黄仁勋亮相COMPUTEX 2025发表主题演讲时，已经透露了未来的发展方向:英伟达已不仅是一家科技公司，而是一家关键的基础设施公司。

与此同时，国内很多厂商也已经开始在“脑”环节展开部署。比如，今年6月，地瓜机器人发布了RDK S100开发套件，采用了“大小脑”异构架构设计，主打兼顾推理和实时运动控制，减少控制系统的体积和复杂度。有行业人士指出，国产芯片的优势，在于更高的性价比和更贴近市场的定制化服务。

此外，NVIDIA Jetson Thor系列提供强大效能，开发套件价格达3499美元，相较于前代Jetson Orin的1499美元大幅提高。

对此，TrendForce集邦咨询指出，因产业趋势希望通过降低人形机器人价格以利推广，对于短、中期仅规划人形机器人执行相对单纯作业的厂商而言，一般较平价的芯片即可满足需求。在此前提下，英伟达或将再次善用其软硬件绑定之优势，后续为Jetson Thor推出更多能发挥其效能之软件平台，达到缩短开发时间、执行特定任务等之效益，以提升垫高AI算力成本的价值。

郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。