- Blackwell GPU, 128GB 메모리 및 1 TB 스토리지 NVIDIA JETSON AGX THOR 데뷔
- 초기 리뷰는 Jetson Orin에 대한 심각한 작업을 개선 할 수있는 플랫폼을 설명합니다.
- 검토 자
Nvidia는 최근 로봇 공학 및 Edge AI 개발을 위해 설계된 49 개의 3,499 개의 플랫폼을 보유한 Jetson AGX Thor Developer Kit를 출시했으며 검토 자의 초기 수신이 있습니다.
그의 심장에 Blackwell Architecture를 기반으로 한 Jetson T5000 모듈은 GPU를 2,560 개의 CUDA 코어, 96 개의 텐서 코어 및 14 코어 암 네온 CPU와 연결합니다.
128GB LPDDR 5X 메모리에 연결되어 대역폭의 초당 270GB 및 1TB의 온보드 저장소를 제공합니다. 연결 옵션에는 USB C, USB A, HDMI 2.1, WI -6E, Bluetooth, Gigabyte 이더넷 및 100 GBE 포트가 포함됩니다.
“마력의 gobs”
이 키트의 첫 번째 리뷰는 현재이며 Nvidi는 Jetson Orin에 비해 가격이 짧아 졌음에도 불구하고 개발자에게 인상적인 옵션을 만들었습니다.
시간 이 테스트는 Jetson AGX Thor가 제한된 비교에도 불구하고 강력한 예술가임을 보여주었습니다. Nvidia의 ARM64 컨테이너는 쉽게 걸어 갔지만 다른 Blackwell 하드웨어에 대한 테스트는 불가능했으며 오래된 Orin 키트 워크로드를 완료하지 못했습니다.
그러나 용량의 거리는 명확했지만 Orin RTX 3050과 Thor RTX는 5070 레벨에 가깝습니다.
큰 언어 모델 Dello는 테스트에서 잘 수행되었습니다. 동일한 발목 “LLMS는 Jetson이 우수한 영역이며 언어를 시각적 입력과 혼합해야합니다.”
이 검토는 로봇 공학 및 AI 프로젝트를위한 키트가 “마력”을 가지고 있다고 결론을 내 렸습니다. “NVIDIA의 소프트웨어 스택을 사용하여 친근한 멀티 태스킹 환경에서 매우 큰 AI 모델을 실행하려면 Jyason Age는 나이에 대한 많은 부분입니다. 정제 및 소프트웨어 스택을 업데이트합니다.
서비스 이 검토는 150.8 년에 예상되는 Lalama 3.1 8B에서 초당 149.1 토큰을 포함하여 Nvidia 주장과 일치하기 위해 접근했습니다.
CPU 다중 스레드 성능은 AMD Raizen AI 7 350 또는 Mac Mini M4 근처에 배치되었으며, 이는 GPU 초점과 관련하여 충분한 것으로 간주되었습니다.
벤치 마크 테스트에서 예상대로 Thor는 각 모델에서 오린을 지속적으로 푸시합니다. Queen 2.5-VL7B 및 Lalama 3.1 8B와 같은 작은 워크로드의 이점은 적당히 있었으며 Thor는 약 1.3 배 더 빠르게옵니다.
DeepCick-R1 7B는 모션보다 1.5 배 더 큰 개선을 보여줍니다. 가장 극적인 차이는 Queen 3 32B 예측과 함께 발생했으며, Thor는 더 크고 더 까다로운 모델을 실행할 때 Orin의 영향의 약 5 배에 도달하여 강점을 강조했습니다.
전원 드로우는 배터리 시스템에 도전 할 수 있습니다. 관련성 결론, Thor는 고급 로봇 공학에 필요한 계산 및 메모리를 제공합니다. 또한 WD/Sandisk SN5000으로 포함 된 1 TB SSD를 식별했습니다.
두 리뷰 모두 Jetson AGX Thor를 Edge AI 및 Robotics Projects의 유능한 단계로 설명했으며 컴퓨팅 전력, 메모리 용량 및 개발자 장비의 조합을 칭찬하면서 모든 POENIGHT는 소프트웨어 팻웨어 업데이트가 필요하지 않다고 지적했습니다.
동일한 관련성 풋, 새로운 키트는 핫케이크처럼 판매 될 예정입니다. 다음 급여 -세대의 로봇 공학을 만들고 있다면 이것이 당신이하고 싶은 플랫폼입니다. “
