Passa alle informazioni sul prodotto
1 su 15

Kit di Sviluppo NVIDIA Jetson AGX Thor 128GB LPDDR5x, 2070 FP4 TFLOPS, 1TB NVMe SSD, Wi‑Fi 6E

Kit di Sviluppo NVIDIA Jetson AGX Thor 128GB LPDDR5x, 2070 FP4 TFLOPS, 1TB NVMe SSD, Wi‑Fi 6E

Yahboom

Prezzo di listino $6,003.80 USD
Prezzo di listino Prezzo scontato $6,003.80 USD
In offerta Esaurito
Imposte incluse. Spese di spedizione calcolate al check-out.
SSD
Versione del Kit
Visualizza dettagli completi

Panoramica

Il kit di sviluppo NVIDIA Jetson AGX Thor è una piattaforma di calcolo basata sull'architettura Blackwell per lo sviluppo di robotica e AI edge. Fornisce fino a 2070 FP4 TFLOPS di calcolo AI ed è specificato come 7.5x prestazioni superiori rispetto alla generazione precedente Jetson AGX Orin, con 3.5x maggiore efficienza energetica. Il kit è dotato di 128GB LPDDR5x di memoria (256-bit) con 273GB/s di larghezza di banda per supportare grandi inferenze Transformer, codifica/decodifica video ad alta concorrenza e fusione di dati multi-sensore.

Il GPU multi-instance Blackwell (MIG) è supportato, consentendo a una singola GPU di essere suddivisa in più istanze isolate per carichi di lavoro concorrenti come consapevolezza ambientale, interazione linguistica e pianificazione delle azioni.La piattaforma si integra con l'ecosistema CUDA e supporta gli stack software NVIDIA inclusi Isaac, Isaac GR00T, Metropolis, e Holoscan.

Caratteristiche principali

  • Prestazioni AI: fino a 2070 FP4 TFLOPS
  • Architettura GPU: NVIDIA Blackwell
  • CPU: Arm Neoverse V3AE a 14 core
  • Memoria: 128GB LPDDR5x, 256-bit; larghezza di banda della memoria 273GB/s
  • Consumo energetico: 40–130W (130W indicato anche per l'operazione a 2070 FP4 TFLOPS)
  • Storage (notato): 1TB NVMe SSD; è fornito un alloggiamento SSD per scrivere un'immagine di sistema
  • Wireless (integrato): Wi‑Fi (2.4GHz/5GHz/6GHz) fino a 2402Mbps; Bluetooth 5.3; installato all'interno del dispositivo prima della spedizione
  • Immagine di sistema (annotata): SSD fornito con un'immagine di sistema pre-installata; l'immagine di sistema menziona funzioni visive AI, casi ROS, casi di modelli di grandi dimensioni offline e contenuti del corso OpenClaw

Specifiche

Prodotto Jetson AGX Thor Developer Kit
GPU NVIDIA Jetson T5000 con GPU Blackwell
Calcolo AI Fino a 2070 FP4 TFLOPS
CPU 14 core (Arm Neoverse V3AE)
Memoria 128GB LPDDR5x, 256-bit
Larghezza di banda della memoria 273GB/s
Consumo energetico 40–130W
Raffreddamento Dis dissipatore e ventola (ventola e radiatore)
Archiviazione (annotata)1TB NVMe SSD
Wireless Wi‑Fi 2.4GHz/5GHz/6GHz fino a 2402Mbps; BT 5.3; modulo Wi‑Fi 6E notato
Ingressi/uscite esterni (notato) 2x USB‑A; 2x USB‑C; connettore RJ45 (5GbE); connettore DP; connettore HDMI 2.1; connettore QSFP28
Pulsanti/indicatori Pulsante di accensione; pulsante lampeggiante; pulsante di reset; luce indicatore di alimentazione
Intestazioni/interfacce interne (notato) Audio (10Pin); Interfaccia di automazione (12Pin); Bus CAN (2x13Pin); Interfaccia di debug USB Type‑C; JTAG (10Pin); RTC (2Pin)
Dimensioni del chassis 243 x 112.40 x 56.88 mm (unità: mm); lunghezza notata 240.86 mm
modello 3D il file del modello 3D sarà fornito

Dati sulle prestazioni (come indicato)

note di confronto sul ragionamento generativo

  • Rispetto a Jetson AGX Orin, Jetson AGX Thor offre fino a 5x più veloce per il ragionamento generativo.
  • Con FP4 e decodifica speculativa, si afferma che gli sviluppatori possono ottenere un ulteriore 2x accelerazione delle prestazioni su Jetson AGX Thor.
  • Esempi di AI multimodale in tempo reale: utilizzando Qwen2.5‑VL‑3B VLM e Llama3.2 3B LLM, si afferma che le risposte iniziali del Token (TTFT) siano inferiori a 200 ms, e che il tempo di output di ciascun Token (TPOT) sia ben al di sotto di 50 ms.

Tabella Tokens/s (Jetson AGX Orin vs Jetson AGX Thor)

Famiglia Modello Jetson AGX Orin (Tokens/s) Jetson AGX Thor (Tokens/s) Moltiplicatore di Accelerazione
Llama Llama 3.1 8B 112.33 150.8 1.34
Llama Llama 3.3 70B 7.38 12.64 1.71
Qwen Qwen3-30B-A3B 76.69 226.42 2.95
Qwen Qwen3-32B 16.84 79.1 4.7
DeepSeek DeepSeek-R1-Distill-Qwen-7B 180.41 304.76 1.69
DeepSeek DeepSeek-R1-Distill-Qwen-32B 16.96 82.63 4.87
Qwen (VLM) Qwen2.5-VL-3B 216 356.86 1.65
Qwen (VLM) Qwen2.5-VL-7B 154.02 252 1.64
Llama (VLM) Llama 3.2 11B Vision 44.22 69.63 1.57
GR00T (VLA) GR00T N1 18.5 46.7 2.52
GR00T (VLA) GR00T N1.5 15.2 41.5 2.74

Porti & Distribuzione Funzionale (come etichettato)

  • Alimentazione DC
  • Interfaccia USB Type‑C (può essere utilizzata come interfaccia di ingresso per l'alimentazione)
  • HDMI
  • Interfaccia USB Type‑A
  • Interfaccia DP
  • Porta Ethernet
  • Connettore QSFP28
  • Ventola e radiatore

Immagine di Sistema & Ambiente Software (come dichiarato)

  • SSD ha un'immagine di sistema pre-installata.
  • Jetson AGX Thor viene fornito con un SSD vuoto da 1TB prima della spedizione e un involucro SSD è fornito per scrivere il file dell'immagine di sistema.
  • Un SSD da 2TB con un file di immagine di sistema è anche menzionato.Se si sceglie il kit con SSD da 2TB, si afferma che l'SSD originale da 1TB fornito con il kit ufficiale sarà mantenuto; l'SSD da 2TB nel pacchetto deve essere sostituito dall'utente e l'imballaggio originale non verrà rimosso per impostazione predefinita.
  • Immagine di sistema Jetson basata su Ubuntu 24.04 con supporto per NVIDIA CUDA 13.0, TensorRT 10.13, cuDNN 9.12, e OpenCV 4.13.

Moduli opzionali / supportati (come descritto)

Modulo vocale per modelli AI di grandi dimensioni (supporto dichiarato)

  • Microfono ad alte prestazioni e altoparlante a cavità
  • Raccolta a lungo raggio, cancellazione dell'eco e riduzione del rumore ambientale

Camera industriale USB (supporto dichiarato)

  • 5MP
  • Supporta un'uscita stabile di 30fps a 2592 x 1944
  • Campo visivo diagonale di 105° (orizzontale 81.8°, verticale 66°C come indicato)
  • Immagini senza distorsioni; guscio a prova di polvere (come indicato)

Video tutorial

Supporto

Per domande tecniche o aiuto nella scelta della configurazione giusta per il kit di sviluppo Jetson AGX Thor, contattare il supporto a https://rcdrone.top/ o [email protected].

Dettagli