Nvidia a présenté les modules Jetson T3000 et T2000, deux nouvelles variantes de son architecture Thor pensées pour faire tourner des modèles d’intelligence artificielle sur des robots, des systèmes de vision et des machines autonomes avec moins de mémoire, de consommation et d’encombrement que le Jetson T5000 actuel. Ces modules pourront être simulés avant leur lancement commercial prévu au premier trimestre 2027.
Les clés des nouveaux Jetson Thor en 30 secondes
- Le Jetson T3000 offre 865 téraflops FP4, 32 Go de mémoire et un CPU Arm à huit cœurs.
- Le T2000 réduit la configuration à 400 téraflops FP4 et 16 Go.
- Nvidia estime que le T3000 est environ deux fois plus petit et économe en énergie que le T5000.
- Cosmos 3 Edge permettra de faire tourner un modèle robotique de 4 milliards de paramètres sur l’appareil.
- Les modules seront disponibles au premier trimestre 2027.
Nvidia veut faire sortir la famille Thor du seul cercle des robots humanoïdes et des plateformes industrielles à coût élevé. Le Jetson T3000 vise les systèmes qui doivent faire tourner des modèles multimodaux et traiter des capteurs en temps réel, sans atteindre les 128 Go de mémoire ni les 2 070 téraflops FP4 du T5000. Le T2000, lui, sert de point d’entrée pour robots mobiles, manipulateurs, agents visuels et autres dispositifs d’IA en edge.
Nvidia n’a pas encore communiqué les prix, les dimensions exactes ni les plages de consommation de ces deux modules, ni publié de fiche technique complète sur les interfaces, le nombre de cœurs GPU, le stockage compatible ou la configuration des caméras. Leurs spécifications restent donc préliminaires, limitées aux données fournies dans l’annonce.
Le T3000 réduit mémoire et puissance face au Jetson T5000
Le Jetson T3000 combine un GPU basé sur Blackwell, un CPU Arm Neoverse à huit cœurs, 32 Go de mémoire LPDDR5X et une bande passante de 273 Go/s. Nvidia annonce 865 téraflops de calcul FP4 et une connectivité Ethernet de 25 Gbps.
La société affirme que le module fait environ moitié moins gros et consomme à peu près moitié moins que le T5000, sans fournir de mesure précise pour vérifier cette comparaison, ce qui empêche d’en déduire directement la consommation électrique, située entre 40 et 130 W pour le modèle supérieur.
| Caractéristique | Jetson T2000 | Jetson T3000 | Jetson T4000 | Jetson T5000 |
|---|---|---|---|---|
| Architecture GPU | Blackwell | Blackwell | Blackwell | Blackwell |
| Performance IA annoncée | 400 TFLOPS FP4 | 865 TFLOPS FP4 | 1 200 TFLOPS FP4 dispersés | 2 070 TFLOPS FP4 dispersés |
| CPU | Non détaillé | Arm Neoverse, 8 cœurs | Arm Neoverse-V3AE, 12 cœurs | Arm Neoverse-V3AE, 14 cœurs |
| Mémoire | 16 Go | 32 Go LPDDR5X | 64 Go LPDDR5X | 128 Go LPDDR5X |
| Bande passante | Non détaillée | 273 Go/s | 273 Go/s | 273 Go/s |
| Réseau | Non détaillé | 25 GbE | 3 × 25 GbE | 4 × 25 GbE |
| Consommation | Non communiquée | Environ la moitié du T5000 | 40-70 W | 40-130 W |
| Format | Non communiqué | Environ la moitié du T5000 | 100 × 87 mm | 100 × 87 mm |
| Disponibilité | Premier trimestre 2027 | Premier trimestre 2027 | Disponible | Disponible |
Les chiffres du T4000 et du T5000 viennent des spécifications officielles actuelles de Jetson Thor, exprimées en téraflops FP4 dispersés. Pour le T3000 et le T2000, Nvidia parle simplement de téraflops FP4, sans préciser si le calcul suit les mêmes conditions, ce qui complique toute comparaison directe des performances réelles. Les téraflops indiquent une capacité théorique à exécuter certaines opérations en 4 bits, mais ne prédisent pas seuls la vitesse d’un robot, d’un système de vision ou d’une application de langage.
La performance finale dépend de la précision, de la taille du modèle, de la mémoire disponible, du flux de données, de l’optimisation logicielle et de la charge des capteurs : un module avec moins de téraflops peut suffire si le modèle tient en mémoire et que le GPU n’est pas saturé. Nvidia affirme que le T3000 atteint une capacité d’inférence comparable à celle du T5000 sur des charges multimodales incluant grands modèles de langage, vision, systèmes VLA (vision-language-action) et modèles fondamentaux. C’est une déclaration du fabricant, pas encore confirmée par des tests indépendants.
Quelle place occupe chaque module dans la famille Thor ?
| Module | Position prévue | Exemples d’application |
|---|---|---|
| Jetson T2000 | Entrée dans la famille Thor | Agents visuels, robots mobiles, manipulateurs industriels |
| Jetson T3000 | Robots avancés avec moins de mémoire et de consommation | Humanoïdes, systèmes multimodaux, traitement de capteurs |
| Jetson T4000 | Milieu de gamme haute | Robots complexes, charges multiples simultanées |
| Jetson T5000 | Configuration maximale de Thor | Humanoïdes avancés, grands modèles, fusion multisensorielle |
La réduction de mémoire tient en partie au coût. Nvidia explique que le T3000 pourrait faire baisser le prix des systèmes, dans un contexte de hausse du prix de la mémoire. Passer de 128 à 32 Go pèse lourd sur le coût, mais limite aussi la taille des modèles et le nombre de tâches exécutables en même temps. Le T2000 descend à 16 Go et 400 téraflops FP4 : Nvidia le présente comme un point d’entrée pour faire migrer vers Thor des systèmes qui tournaient jusqu’ici sur Jetson Orin ou d’autres plateformes edge AI moins puissantes, sans préciser quels modèles Orin seront remplacés ni si les deux technologies cohabiteront longtemps.
Les agents logiciels tentent de compenser la réduction de mémoire
En parallèle des modules, Nvidia a publié de nouvelles fonctionnalités pour les agents de développement, capables d’analyser et d’ajuster l’utilisation de la mémoire, la configuration système et le déploiement d’applications Jetson. L’idée est d’automatiser des tâches jusqu’ici manuelles, comme la revue des modèles, buffers, bibliothèques, processus et accélérateurs. Nvidia affirme que ces outils permettent parfois de faire tourner la même application avec moins de mémoire, mais le résultat dépend du contexte et du projet.
| Entreprise ou projet | Économies de mémoire déclarées | Changement obtenu |
|---|---|---|
| UBTech, Agile Robots et Connect Tech | Jusqu’à 15 Go | Passage de Jetson AGX Orin de 64 à 32 Go |
| SandStar | Jusqu’à 4 Go | Passage de Orin NX de 16 à 8 Go |
| NoTraffic | 30 % | Plus d’espace pour ajouter des fonctionnalités sur Jetson TX2 NX |
| GROOVE X | Non quantifié | Répartition des charges entre accélérateurs hétérogènes |
Ces résultats viennent de Nvidia et de ses entreprises partenaires : ils ne garantissent pas que toute application réduira de moitié sa consommation mémoire sans perdre en performance ou en fonctionnalités. Les techniques employées incluent la quantification, la suppression de processus inutiles, la réutilisation de la mémoire, le déchargement d’opérations vers des accélérateurs spécialisés, ou le choix de versions plus petites des modèles. Certaines optimisations préservent la performance, d’autres réduisent la précision, le contexte ou la capacité.
Cette économie de mémoire devient particulièrement critique avec les T2000 et T3000. Pour faire tourner des modèles avancés dans 16 ou 32 Go, les développeurs devront optimiser la gestion de la mémoire bien plus qu’avec un T5000 de 128 Go : la puissance de calcul annoncée ne sert à rien si le modèle, le contexte ou les images intermédiaires ne tiennent pas en mémoire.
Cosmos 3 Edge intègre un modèle robotique de 4 milliards de paramètres
Nvidia a aussi annoncé Cosmos 3 Edge, une version de 4 milliards de paramètres de sa famille de modèles fondamentaux, conçue pour tourner sur les plateformes Thor et aider un système physique à interpréter son environnement, raisonner sur ce qu’il perçoit et prédire ou générer des actions sans dépendre en permanence du cloud. Les développeurs pourront adapter le modèle à un type précis de robot et à ses capteurs en environ une journée, un délai qui dépend du volume de données, du matériel d’entraînement, du degré de personnalisation et de la complexité du dispositif.
| Composant logiciel | Rôle dans le système robotique |
|---|---|
| Cosmos 3 Edge | Interprétation de l’environnement et génération d’actions |
| Isaac | Simulation, perception, développement robotique |
| Isaac GR00T | Modèles et outils pour robots humanoïdes |
| Nemotron | Modèles open source de langage et de raisonnement |
| Jetson Agent Skills | Ajustement de mémoire, configuration et déploiement |
| NemoClaw | Coordination et exécution des agents |
Cosmos 3 Edge vise à réduire l’écart entre simulation et réalité physique. Un développeur pourra entraîner ou ajuster un comportement en environnement virtuel avant de transférer le modèle sur le robot pour une inférence locale. Traiter les données sur l’appareil réduit la latence et assure la continuité des opérations même avec une connexion limitée, tout en évitant d’envoyer en permanence vidéos et données de capteurs vers un centre distant — ce qui déplace la question de la protection des données vers l’appareil lui-même.
Jetson et IGX T3000 ne sont pas tout à fait identiques
Nvidia prépare deux versions du T3000. Le Jetson T3000 vise la robotique et les systèmes intégrés généralistes, tandis que l’IGX T3000 garde les mêmes capacités de calcul mais ajoute des fonctionnalités de sécurité fonctionnelle et la compatibilité avec Nvidia Halos for Robotics.
| Plateforme | Orientation | Différence principale |
|---|---|---|
| Jetson T3000 | Robots et machines autonomes | Module intégré d’IA et de traitement |
| IGX T3000 | Systèmes industriels et robots collaboratifs | Sécurité fonctionnelle intégrée |
| Jetson T2000 | Systèmes edge de moindre coût | Moins de mémoire et de puissance de calcul |
La sécurité fonctionnelle compte particulièrement dans l’industrie, la logistique, la médecine ou les espaces partagés avec des humains. Elle n’a rien à voir avec la cybersécurité : son rôle est de garantir une réponse prévisible en cas d’erreur matérielle ou logicielle, pour réduire le risque de dommage physique. Nvidia n’a pas encore publié les certifications, niveaux d’intégrité ou configurations finales de l’IGX T3000 : sa compatibilité avec Halos reste, pour l’instant, un élément de l’annonce et non une certification générale.
Les développeurs pourront commencer par la simulation
Les modules physiques n’arriveront pas avant le premier trimestre 2027, mais Nvidia veut permettre de démarrer le développement via le kit Jetson AGX Thor actuel, qui bénéficie déjà du support Ubuntu apporté par l’alliance entre Canonical et Nvidia. La simulation du T3000 arrive dès juillet avec JetPack 7.2.1 ; celle du T2000 suivra plus tard, sans date précise.
La simulation permet de vérifier si une application tient en mémoire et offre les performances requises, mais ne remplace pas totalement les tests matériels finaux : température, consommation, interfaces, latence et comportement soutenu peuvent varier à la livraison des modules commerciaux.
Nvidia travaille déjà avec des fabricants comme ADLINK, Advantech, AAEON, Aetina, Seeed Studio, Connect Tech et AVerMedia sur la plateforme Thor, ainsi qu’avec 1X, Agile Robots, Amazon Robotics, Boston Dynamics, FANUC, Hitachi et Techman Robot. Ce lancement marque un changement de logique pour le secteur : Nvidia avait démarré la famille Thor comme une plateforme haut de gamme, avec 128 Go et jusqu’à 2 070 téraflops FP4. Les versions T3000 et T2000 adaptent ces spécifications pour les systèmes où le coût, la taille et la consommation comptent plus que la capacité maximale.
Il manque encore des données importantes : prix, consommation précise, dimensions, interfaces et performance avec des modèles spécifiques. En attendant les fiches techniques complètes et des tests indépendants, ces nouveaux Jetson restent une extension future de la famille Thor, pas encore des produits prêts pour un déploiement immédiat.
Questions fréquentes
Quand seront disponibles les Jetson T3000 et T2000 ?
Nvidia prévoit leur commercialisation pour le premier trimestre 2027, après avoir ouvert leur simulation sur le kit Jetson AGX Thor actuel.
Quelle différence entre T3000 et T5000 ?
Le T3000 réduit la mémoire de 128 à 32 Go et la performance annoncée de 2 070 à 865 téraflops FP4. Nvidia précise aussi qu’il occupe et consomme environ la moitié, sans donner de chiffres exacts.
À quoi sert le Jetson T2000 ?
Il cible les agents visuels, robots mobiles, manipulateurs et autres systèmes edge qui ont besoin de Thor, mais avec moins de mémoire et de puissance que les modules haut de gamme.
Qu’est-ce que Cosmos 3 Edge ?
Un modèle de 4 milliards de paramètres destiné à faire interpréter l’environnement, raisonner et agir localement sur Nvidia Thor, sans dépendre du cloud pour chaque décision.
Source : blogs.nvidia