NVIDIA 這次在 COMPUTEX 丟出的 JetPack 7.2，不像一般硬體發布那樣只加一個規格，而是把 Jetson 推進一個更接近 production 的軟體節奏。官方講得很直白：agentic AI 正在從數位世界走向 physical environment，而 Jetson 這條線要承接的不是 demo，而是 robotics、inspection、industrial automation 這些真的會在工廠、倉儲和機器人身上跑的工作流。這代表競爭焦點已經從「誰有更多算力」往「誰能把算力切成可被部署、可被維護、可被複製的堆疊」移動。
JetPack 7.2 裡最值得注意的不是單一功能，而是它把三層東西綁在一起：底層是 Ubuntu 24.04、Linux kernel 6.8、CUDA 13 和官方 Yocto 支援；中層是 Jetson agent skills，去處理 BSP、自訂 Linux、記憶體最佳化和 model benchmarking；最上層則是 NemoClaw，讓 agentic workflows 能一鍵落到 Jetson。NVIDIA 自己的說法也很實際，這套更新要解決的是時間、記憶體和部署成本，不是只讓 showcase 看起來更炫。
真正把這件事從行銷拉回工程的，是 Jetson AGX Orin 32GB 的 Super Mode 和 Jetson Thor 的 MIG 支援。前者把既有模組推到 241 TOPS，後者則是把 GPU 分區概念帶到 edge 端，讓不同任務可以在同一顆 SoC 上維持更可預測的隔離與延遲。Connect Tech 的解讀很有意思，它把 JetPack 7.2 視為 Orin AGX 和 Orin NX 的 production deployment milestone，重點不是「又有新功能」，而是原本卡在不同軟體世代的 Orin 系列，現在終於被拉到同一條 software runway 上。
JetsonHacks 也抓到同一個重點：這次不是單純的 SDK 更新，而是把 Orin、Thor、Yocto、memory optimization、MIG 和 agent skills 串成一條能往產品化走的路。對整個邊緣 AI 市場來說，這種收斂很重要，因為很多團隊早就不是在做單機 demo，而是在做 fleet deployment。只要軟體基座分裂，維護成本就會一路長上去；一旦平台開始統一，客戶看到的就不只是性能，而是可持續交付的能力。
這也是為什麼這則新聞值得讀成「實體世界的 AI 工作流開始被產品化」，而不是單純「NVIDIA 又發新包」。當 agent skills 可以接管 BSP、記憶體和 benchmark 流程，當 Yocto 成為正式路線，當 MIG 和 CUDA 13 讓邊緣裝置具備更像資料中心的可分配性，AI 的下一輪價值就不只在模型大小，而在誰能把模型塞進一套可監控、可回滾、可複製的部署系統。那會直接改寫機器人、工業視覺、智慧零售和自主設備的採購邏輯。
參考來源：
- NVIDIA｜NVIDIA Jetson Brings Agentic AI to the Physical World – https://blogs.nvidia.com/blog/jetson-agentic-ai-physical-world/
- NVIDIA Developer Blog｜Deploy Agentic-Ready AI at the Edge with Memory Efficiency in NVIDIA JetPack 7.2 – https://developer.nvidia.com/blog/deploy-agentic-ready-ai-at-the-edge-with-memory-efficiency-in-nvidia-jetpack-7-2/
- Connect Tech｜JetPack 7.2 and Yocto: A Production Deployment Milestone for Jetson AGX Orin and Orin NX – https://connecttech.com/jetpack-7-2-yocto/
- JetsonHacks｜JetPack 7.2 Announcement – GTC 2026 Taipei – https://jetsonhacks.com/2026/05/31/gtc-2026-taipei/