人形機器人目前正逐步邁向實際應用部署階段，其落地節奏取決於實體智慧與即時推理能力的發展。隨著NVIDIA Jetson Thor平台正式上市，Analog Devices, Inc.(ADI)並將進一步加速人形機器人與自主移動機器人(AMR)的研發進程。
透過將ADI的邊緣感知、精密運動控制、電源完整性及確定性連接技術與Jetson Thor的運算能力、Holoscan Sensor Bridge及Isaac Sim全面整合，雙方正共同為具備推理能力的機器人建構從模擬到實際部署的規模化落地路徑。
Jetson Thor重新定義了機器人技術的可能性。該平台搭載NVIDIA Blackwell GPU、Transformer引擎、多實例GPU(MIG)技術、14核心Arm Neoverse V3AE CPU，以及高達128GB的LPDDR5X記憶體，能在移動級功耗範圍內實現2070 FP4 TFLOPS的伺服器級AI運算性能。同時，其高輸送量I/O介面(包括4×25 GbE)可提供即時融合密集型多模態感測資料所需的頻寬。
憑藉此能力，NVIDIA Jetson Thor成為第一個能大規模運行機器人基礎模型的平台，從視覺-語言模型到視覺-語言-動作模型均能提供穩定支援。此突破使機器人跳脫單純的感知層面，進而邁入兼具推理能力與實體智慧行為的全新階段。而這與ADI的研發核心方向高度契合：透過感測、感知、控制與連接技術，讓此類推理能力在真實場景中發揮作用，實現高精度的實體互動。
「機器人首次能夠理解複雜任務。ADI提供精密的物理底層技術，結合NVIDIA Jetson Thor的推理能力，可即時回應現實世界的實體環境。雙方攜手合作將推動人形機器人從模擬環節穩步邁向可快速部署階段。」
——ADI邊緣AI副總裁Paul Golding
機器人基礎模型將數十年的技術難題整合最佳化，打造出具備多元感知能力的人形機器人，協助實現接近人類速度的靈巧操控動作。不過，此類模型的真正突破在於推理能力：透過整合多模態輸入來即時完成任務規劃、環境適應與動作執行。
正如ADI在2025年第三季度財報電話會議中所分享，隨著此技術變革的發展，ADI的業務也將進一步拓展。人形機器人的每個關節都需要精準的電流、位置與扭矩控制，每一次實體接觸都需要觸覺與感測回饋，同時還需配備多個感知節點，而每個節點背後，都蘊含著訊號鏈、感知堆疊與電源管理的機會，這些領域均需滿足確定性運行與低延遲的要求，而這正是ADI的技術優勢所在。
我們正將機器人基礎模型嵌入ADI的開發堆疊，藉此彌合模擬到現實(Sim2Real)的差距，確保ADI硬體在NVIDIA Isaac Sim中的表現與在真實場景中完全一致。我們的目標清晰明確：在NVIDIA Isaac Sim中建構實體精度最高的機器人相關解決方案，讓研發團隊既能以模擬速度快速反覆運算方案，又能依託ADI硬體與NVIDIA Jetson Thor，無縫擴展至真實系統並實現部署。
實體智慧透過融合感測、執行與策略學習和推理能力，賦予機器人執行精密工業任務的能力。為此，需滿足四大核心要求：高傳真邊緣感測、高能效且功能安全的電源配置與中央運算單元的確定性連接，以及可實現Sim2Real閉迴路的數位孿生技術。
目前我們已具備實現此一目標的條件：NVIDIA提供Jetson Thor作為運算基礎，ADI提供訊號鏈傳真度、電源完整性及相關解決方案，使其實現落地應用。
ADI為人形機器人帶來的核心價值包括：因應頻繁接觸操作的高傳真邊緣感測能力：我們正在研發創新型多模態觸覺感測技術，同時提供ToF深度感測器、高精度IMU、關節編碼器及多軸力/扭矩感測器，可精準捕捉機器人的接觸狀態與本體感知資料。精密運動控制與功能安全電源配置：ADI提供電流、位置、扭矩相關的驅動與控制方案，搭配先進的多圈磁感測器，能夠實現精準、高能效且安全的執行控制。與中央運算單元的確定性連接：我們具備時間同步資料連結能力，將針對自身資料架構堆疊最佳化的客製運算子與Holoscan平台整合，以可控延遲的方式將高密度感測器與感知資料流程傳入NVIDIA Jetson Thor。模擬與數位孿生準確度：ADI針對NVIDIA Isaac Sim/Omniverse提供的高品質感測器模型及參數化元件行為類比功能，與ADI硬體完全匹配，能夠提升策略遷移效率，實現從模擬環境到真實系統的任務完成率。
Holoscan Sensor Bridge借助NVIDIA JetPack 7實現確定性資料登錄，透過針對ADI資料堆疊最佳化的Holoscan運算子，將ADI感測器/執行器的同步資料串流至NVIDIA Jetson Thor的GPU/CPU，且全程保持可控延遲。4×25 GbE互連技術可實現機器人手部、手臂、軀幹及感知節點間的高輸送量、時間對齊資料融合，憑藉ADI連接技術專長，確保感知-推理-動作閉迴路的同步性與低延遲。Thor平台的2070 FP4 TFLOPS運算性能支援NVIDIA Isaac GR00T等基礎模型及VLM/LLM推理任務，ADI的觸覺感測器、ToF深度感測器、IMU及編碼器輸入資料可增強模型訓練與運作策略，使即時推理具備物理精準性。基於MIG的工作負載分區可將GPU劃分為獨立算力切片，分別用於移動控制、抓取規劃、感知處理及VLA策略，簡化功能分解流程。
透過觀察，我們了解物流、農業及手術機器人領域對人形機器人的需求正持續攀升。前緣應用場景包括資料中心與汽車製造中對線纜元件的靈巧操作，這類任務對速度、精度與可重複性有著極高要求。雙方在NVIDIA Isaac Sim中就數位孿生與策略訓練展開協作，將ADI技術堆疊與NVIDIA Jetson Thor深度整合，不僅能滿足此一需求，更將縮短人形機器人從概念到量產的週期。
這套技術堆疊(高精度感測、確定性連接及基於數位孿生的策略訓練)同樣可拓展至其他平台，例如AMR。目前正與NVIDIA合作，透過IMU、深度感測器及輪式編碼器將ADI的感知技術整合到cuVSLAM中。