地表最强机器人“大脑”，又易主了！

今日，英伟达推出专为物理AI和人形机器人打造的NVIDIA Jetson Thor，它被英伟达创始人兼CEO黄仁勋称作是“推动物理AI和通用机器人时代的终极超级计算机”。

Jetson Thor采用英伟达Blackwell GPU、14核Arm Neoverse CPU和128GB显存，显存带宽为273 GB/s，FP4精度下AI峰值算力为2070 TFLOPS，FP8精度下AI峰值算力为1035 TFLOPS，可在边缘加速生成式AI与大型Transformer模型。

它支持包括VLA（视觉语言动作）模型、LLM（大语言模型）、VLM（视觉语言模型）在内的各种生成式AI模型，能处理实时视频数据流和AI推理，适用于构建可在边缘执行视觉搜索和总结任务的AI agents。

包括CPU、GPU、SLC、DRAM连接、网络、电源管理等在内，整个Jetson Thor计算机的功率可配置在40W到130W之间。

借助4个25 GbE网络、摄像头卸载引擎和Holoscan传感器桥接器，Jetson Thor可提取高速传感器数据，实现实时性能。

全新机器人芯片专攻的重点特性，就是运行多AI工作流，让机器人能与人类和物理世界进行实时、智能的交互，推动视觉AI agents和复杂机器人系统的发展。

与上一代Jetson Orin相比，Jetson Thor的AI计算性能提升多达7.5倍，能效提升多达3.5倍，CPU性能提升多达3.1倍，I/O吞吐量提升多达10倍。

如果10年前相比，性能提升就更猛了——AI性能足足提高多达7000倍。

Jetson Thor与机器人AI软件平台搭配，支持各种主流AI框架，以及字节跳动、DeepSeek、阿里Qwen、谷歌Gemini、Meta、Mistral AI、OpenAI、Physical Intelligence（π）等企业的生成式AI模型。

它还与英伟达从云到边缘的软件栈完全兼容，包括用于机器人仿真和开发的Isaac平台、Isaac GR00T人形机器人基础模型、用于视觉AI的NVIDIA Metropolis和用于实时传感器处理的NVIDIA Holoscan等。

机器人需要搭载丰富的传感器来感知世界，并实现低延时的AI处理。实时控制框架通常在100Hz-1kHz频率上运行，感知与规划通常在30Hz频率上运行，高级推理通常在1-5Hz频率上运行，就像人思考一样，可能会想几秒钟。

在并行处理16个传感器输入时，运行Llama 3B和Qwen 2.5 VL 3B模型，Jetson Thor生成第一个token的时间在200ms内，输出每token的时间在50ms内，这意味着运行这些模型可以每秒生成超过25个token，相较前代翻倍提升。

Jetson Thor为通用推理而设计，运行阿里Qwen 3-30B-A3B、英伟达Cosmos Reason 1 7B、DeepSeek-R1-Qwen-32B等推理模型时，FP8精度下性能已经提升多达3~5倍，FP4精度下更是猛蹿一大截，最多提升至10倍。

英伟达CUDA生态系统中的软件在Jetson整个生命周期中不断优化。例如，在整个生命周期中，通过软件升级将Xavier的性能提高了50%，将Orin的性能提高了100%。

随着未来软件持续优化，Jetson Thor将实现更大幅度的性能提升。

自2014年以来，英伟达Jetson平台与机器人软件栈吸引了200多万开发者和150多个硬件系统、软件和传感器合作伙伴组成的生态系统。7000多家客户已采用Jetson Orin。

众擎机器人、银河通用、优必选、宇树科技等明星人形机器人公司，还有联影医疗等医疗企业、万集科技等智能交通企业，都已经率先采用Jetson Thor。

英伟达Jetson AGX Thor开发者套件现已上市，全球开售，起售价3499美元（约合人民币2.50万元）。

Jetson T5000、Jetson T4000模组可从全球分销合作伙伴处获得。Jetson T5000起售价2999美元（约合人民币2.15万元），Jetson T4000起售价1999美元（约合人民币1.43万元）。

具体规格如下：

英伟达DRIVE AGX Thor开发套件是英伟达为安全自动驾驶汽车设计的开发平台，已通过安全认证，同样搭载了内置生成式AI引擎的Blackwell GPU，有丰富的SDK套件和库。该开发套件已经可以预订。

比亚迪、元戎启行、广汽、智己、理想、文远知行、小米、极氪、卓御等领先的智能驾驶汽车企业都在积极拥抱DRIVE AGX Thor。

面向人形机器人开发，英伟达提供了基础的系统、蓝图、工具、服务、算法及其他机器人技术，与生态系统合作，为构建机器人产品并将其带到现实世界的四个重要步骤（数据生成、模型训练、仿真测试、部署推理）提供端到端完整工作流。

英伟达机器人业务正在快速增长。今年，英伟达在财报中将汽车和机器人业务合并，第一季度收入为5.67亿美元，同比增长72%。

目前，英伟达专注于为物理AI和机器人打造3台计算机，包括用于训练模型的NVIDIA DGX AI超算、用于合成数据生成与仿真测试的NVIDIA OVX计算机以及安装在机器人本体上的实时计算机（如Jetson Thor）。

从感知AI、生成式AI、Agentic AI到面向未来的物理AI，英伟达正将其计算疆域铺满AI的整个生命周期。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

一直在更新，更多的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇

01.大模型风口已至：月薪30K+的AI岗正在批量诞生

2025年大模型应用呈现爆发式增长，根据工信部最新数据：

国内大模型相关岗位缺口达47万

初级工程师平均薪资28K（数据来源：BOSS直聘报告）

70%企业存在"能用模型不会调优"的痛点

真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！

02.如何学习大模型 AI ？

🔥AI取代的不是人类，而是不会用AI的人！麦肯锡最新报告显示：掌握AI工具的从业者生产效率提升47%，薪资溢价达34%！🚀

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工

📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】