隨著 JetPack 7.2 SDK 的發布，NVIDIA 將 JetPack 7 軟體堆疊擴展到 Jetson Thor 之外，增加了對 Jetson Orin 系列的支援。這使得 Orin 和 Thor 能夠建立在基於 Ubuntu 24.04、Linux Kernel 6.8 和 CUDA 13 的通用軟體基礎上。
JetPack 7.2 還引入了幾項新功能，包括：
- 官方 Yocto 支援
- AGX Orin 32GB 超級模式
- NVIDIA 代理技能
- NemoClaw 整合
- Jetson Thor 上的多實例 GPU (MIG) 支援
在這篇部落格中，我們將重點介紹 JetPack 7.2 對於堅固型邊緣 AI 系統最重要的更新，以及開發人員如何在生產部署中利用這些更新。
資料來源：NVIDIA
JetPack 6.2 與 JetPack 7.2：有什麼變化？
在深入了解細節之前，我們將為 Jetson 開發人員提供 JetPack 6.2 到 JetPack 7.2 關鍵更新的概覽。
| 功能 | JetPack 6.2 | JetPack 7.2 |
| Ubuntu | Ubuntu 22.04 | Ubuntu 24.04 |
| Linux Kernel | 5.15 | 6.8 |
| CUDA | CUDA 12.6 | CUDA 13 |
| Jetson 平台 | Jetson Orin | Jetson Orin, Jetson Thor |
| 超級模式 | Orin Nano 和 Orin NX | 增加 AGX Orin 32GB 超級模式，最高 241 TOPS |
| Yocto 支援 | - | 官方 Yocto 支援 |
| NVIDIA Agent Skills | - | 支援 |
| NemoClaw | - | 一鍵部署支援 |
| 多實例 GPU (MIG) | - | Jetson Thor 支援 |
對於現有的 Jetson Orin 用戶，JetPack 7.2 將平台帶到與 Jetson Thor 相同的 JetPack 7 軟體基礎上，同時為日益複雜的邊緣 AI 工作負載提供更新的 AI 函式庫、開發工具和功能。
1. Jetson 的官方 Yocto 支援
JetPack 7.2 中最重要的新增功能之一是官方支援 Yocto Project，使開發人員更容易為基於 Jetson 的系統建構客製化 Linux 發行版。
對於許多開發人員來說，基於 Ubuntu 的 JetPack 映像檔提供最快的途徑來開始 Jetson 開發。然而，隨著應用程式變得更加專業化，通用 Linux 發行版可能包含目標工作負載不必要的軟體套件、服務和依賴項。
Yocto 採用不同的方法，允許開發人員從頭開始建構 Linux 映像檔，只選擇其應用程式所需的元件。
什麼是 Yocto？
Yocto Project 是一個用於為嵌入式系統建立客製化 Linux 發行版的開源框架。
開發人員可以建構一個僅包含其應用程式所需套件和服務的精簡作業系統，而不是部署完整的 Ubuntu 映像檔。
例如，電腦視覺裝置可能只需要 Linux kernel、CUDA、TensorRT、DeepStream 和應用程式軟體，而無需桌面環境、藍牙服務、列印服務和其他未使用的元件。
擁有客製化 Linux 映像檔有幾個優點：
- 更小的軟體佔用空間
- 更低的記憶體使用量
- 減少攻擊面
- 更快的開機時間
- 更可預測的系統行為
- 更好地控制軟體更新
2. AGX Orin 32GB 超級模式
隨著 JetPack 7.2 將支援擴展到 Jetson Orin 系列，NVIDIA 還為 Jetson AGX Orin 32GB 引入了超級模式，將 AI 性能從 200 TOPS 提高到 241 TOPS。
這使得開發人員可以在 AGX Orin 32GB 平台上獲得額外的性能餘裕，而無需轉向成本更高的 AGX Orin 64GB 模組。對於計算密集型工作負載，超級模式可以幫助提高推論吞吐量或支援更苛刻的模型管線，同時將系統基於成本較低的 Orin 配置。
有什麼變化？
啟用超級模式後，Jetson AGX Orin 32GB 可以在更高的性能設定檔下運行。根據 NVIDIA 的說法，GPU 頻率從 930 MHz 增加到 1.3 GHz，功耗上限增加到 60W。
資料來源：NVIDIA | Jetson AGX Orin 模組比較
超級模式在 AGX Orin 32GB 標準操作和 AGX Orin 64GB 之間提供了一個中間地帶。如果工作負載在 32GB 記憶體內，但需要更多的計算性能，超級模式可以提供額外的吞吐量，而無需轉向 64GB 模組。
3. Jetson Thor 上的多實例 GPU (MIG) 支援
JetPack 7.2 增加了 Jetson Thor 上的多實例 GPU (MIG) 支援，使得單個 GPU 可以劃分為多個實例，並分配給不同的工作負載。
資料來源：NVIDIA | 多實例 GPU 如何運作
Jetson Thor 支援兩個 MIG 分區：
| 分區 | 資源 | 預期工作負載 |
| AI 和圖形分區 | 12 個 SM，1,536 個 CUDA 核心 | AI 推論、渲染、視覺化、通用 CUDA 工作負載 |
| 隔離計算分區 | 8 個 SM，1,024 個 CUDA 核心 | 機器人學、控制、感知、安全關鍵工作負載 |
這有助於減少多個應用程式在同一系統上運行時的資源爭用。
通過為感知、感測器融合、運動規劃和安全監控等延遲敏感功能分配專用的 GPU 資源，開發人員可以在獨立的分區上運行 AI 推論或生成式 AI 工作負載，而不會影響關鍵工作負載。
此功能對於機器人學、運輸、智慧基礎設施和工業自動化應用程式特別重要，這些應用程式需要將多個工作負載整合到單一邊緣平台上，同時保持可預測的性能。
4. Jetson 的 NVIDIA Agent Skills
JetPack 7.2 引入了 Jetson 的 NVIDIA Agent Skills，這是一組 AI 輔助工作流程，旨在簡化常見的開發和優化任務。
這些技能包括兩種：
- Jetson 裝置技能：直接在 Jetson 上運行，以支援系統診斷、記憶體優化、模型基準測試、推論調校和部署配置。這些技能幫助開發人員分析系統資源並針對目標 Jetson 平台優化 AI 工作負載。
- Jetson BSP 技能：從主機系統運行，以簡化 BSP 客製化和板載啟動，包括裝置樹、I/O 配置、電源設定檔和其他 Jetson Linux 設定。這可以簡化從開發套件到客製化或生產載板的硬體啟用。
這些 NVIDIA Agent Skills 解決了 Jetson Linux 客製化、記憶體優化和模型基準測試等關鍵工作流程，幫助開發人員減少手動配置，並加速系統啟動、性能調校、驗證和生產部署。
5. NemoClaw 整合，實現智能 AI
JetPack 7.2 增加了對 Jetson 上一鍵式 NemoClaw 部署的支援，使得在邊緣建構和部署 AI 代理變得更加容易。
NemoClaw 是 NVIDIA 的開源框架，用於協調多個 AI 元件，包括視覺模型、語言模型、本地資料源和工具執行。
資料來源：NVIDIA GTC 2026 主題演講
例如，邊緣系統可以使用視覺模型檢測問題，從本地資料庫檢索相關資訊，並根據結果生成警報或報告。
NemoClaw 對於需要 AI 系統在本地執行多步驟推理和操作，而不是僅僅依賴單一模型推論的應用程式特別有用。
要在運行 JetPack 7.2 的 Jetson 裝置上安裝 NemoClaw，請運行以下單一命令：
curl -fsSL https://www.nvidia.com/nemoclaw.sh | bash
結論
雖然 JetPack 7.2 引入了廣泛的新功能，但許多更新都指向一個共同的目標：在 Jetson 平台上實現更複雜的 AI 工作負載。
NemoClaw、NVIDIA 代理技能和記憶體優化工作流程等功能表明，人們越來越關注代理 AI 和實體 AI 應用程式，在這些應用程式中，多個模型、工具和服務可能需要在單一邊緣裝置上共同運行。同時，Yocto 支援、AGX Orin 32GB 超級模式和 Jetson Thor 上的 MIG 等功能有助於提供支援這些日益複雜的工作負載所需的靈活性、性能和部署選項。
隨著 AI 應用程式不斷超越單一模型推論，JetPack 7.2 為建構和部署下一代邊緣 AI 系統提供了更強大的軟體基礎。
本部落格基於 NVIDIA 的技術部落格 在 NVIDIA JetPack 7.2 中以記憶體效率在邊緣部署智能 AI。
Premio 的 NVIDIA Jetson 解決方案上的 JetPack 7.2
我們目前正在我們的 NVIDIA Jetson 系列 JCO 和 WCO 系列邊緣 AI 電腦上評估 JetPack 7.2。我們也正在 JCO-6000-ORN 系列上驗證 AGX Orin 32GB 超級模式，以評估其在實際邊緣 AI 工作負載下的性能、功耗和熱行為。
敬請關注更多更新，因為我們將繼續探索 JetPack 7.2 及其對我們基於 NVIDIA Jetson 的邊緣 AI 電腦的影響。
如有任何疑問，請隨時聯繫我們。
本部落格最初發布於 2026 年 6 月 24 日，並已更新以反映最新的產品和認證資訊。