「Jetson Thorって、結局なにがすごいの？」
調べてみると、どのサイトにも同じ数字が並んでいます。2070 TFLOPS、Orin比7.5倍、ヒューマノイドの頭脳——。
でも、こう思いませんでしたか。
「で、それがロボットにとって何を意味するの？」
「なんでデータセンターのGPUをそのまま積まないの？」
「130Wって、電池で動くロボットには重くないの？」
この記事は、スペック表の読み上げをしません。「電力・熱・メモリ帯域」という物理の制約から、Jetson Thorという半導体がなぜこの形になったのかを図解で解きほぐします。読み終えるころには、2026年7月にNVIDIAがJetsonを最大67%値上げした理由まで、構造でつながって見えるはずです。☕
🗺️ あなたが今いる場所：AIインフラ ＞ フィジカルAI ＞ エッジ半導体（Jetson Thor）
▼ 知能の循環（学習から現実世界へ、そして戻る）
学習（データセンター）
シミュレーション
推論（エッジ） ←ココ
制御・駆動
現実世界での動作
センサーで観測→学習へ
▼ サプライチェーン（上流→下流）
半導体・電子部品 ←ココ
センサー・アクチュエータ
ロボット本体
システム統合（SIer）
現場・運用
🎯 先に結論：この記事の要点5つ
1. Jetson Thorは「GPUカード」ではなく「モジュール」
Blackwell GPU・14コアArm CPU・128GBメモリ・ネットワークまでを100mm×87mmの基板1枚に載せた完成品。ロボット側は基板を1枚差すだけでAIを積める。
2. 本当の主役は「2070 TFLOPS」ではなく「40〜130W」
ヒューマノイドの平均消費電力は500〜600W級。Thorが最大130Wを使うと、頭脳だけで電池の約2割を食う計算になる。
3. HBMではなくLPDDR5Xを選んだのは「妥協」ではなく「必然」
帯域は273GB/秒。データセンター向けGPUの数十分の一だが、容量128GBを低消費電力・低背で確保するにはこれしかない。
4. ロボットの「考える速さ」と「動く速さ」は別の階層
Thorの推論は1トークン50ms級。一方サーボ制御は1ms級。Thorはサーボを置き換えるのではなく、その上に乗る。
5. 2026年、Jetsonの設計思想が反転した
7月に最大101%の値上げ、同月にメモリを削った下位モジュールT3000／T2000を追加。「積めるだけ積む」から「削って載せる」へ。メモリ高騰がエッジAIにまで届いた証拠。
Jetson Thorとは？「ロボットの首から上」を丸ごと1枚にした半導体
NVIDIA Jetson AGX Thor（ジェットソン・エージーエックス・ソー）は、2025年8月25日に発表されたロボット向けのAI処理モジュールです。フィジカルAI、つまりAIが現実世界で体を動かすための「現場側の頭脳」として設計されています。
まず押さえたいのは、これが「GPUカード」ではなく「モジュール」だという点です。パソコンのグラフィックボードのように後付けする部品ではなく、GPU・CPU・メモリ・ネットワーク・映像入力までを100mm×87mm（名刺2枚分ほど）の基板1枚に統合した、いわば完成済みの小型コンピューターです。
📘 用語解説：SoM（System on Module）
コンピューターに必要な部品一式を1枚の小さな基板にまとめたもの。ロボットメーカーは自社で回路設計をせず、このモジュールを「差す」だけでAI機能を搭載できます。開発期間を数年単位で短縮できるのが最大の価値です。
📘 用語解説：エッジAI
クラウドに接続せず、機器そのものの中でAIの計算を完結させる方式のこと。通信の待ち時間がゼロになり、映像などのデータを外に出さずに済みます。ロボットのように「0.1秒の遅れが事故になる」用途では必須の考え方です。
出典：NVIDIA公式仕様（Jetson T5000モジュール）。性能値は130W時の測定値。
前世代Orinと比べる｜「7.5倍」の中身を分解する
よく見る「Orin比7.5倍」という数字は、AI演算性能だけを切り出したものです。実際には、性能・メモリ・通信・消費電力のすべてが動いています。数字が上がった項目と、代償として増えた項目を並べて見てみましょう。
| 比較項目 |
Jetson AGX Orin
（前世代） |
Jetson T5000
（Thor） |
差・意味 |
| GPU世代 |
Ampere |
Blackwell
2560コア |
DC用GPUと同世代 |
| AI演算性能 |
275 TOPS
（INT8） |
2070 TFLOPS
（FP4・スパース） |
約7.5倍 |
| CPU |
12コア Cortex-A78AE |
14コア Neoverse-V3AE
2.6GHz |
約3.1倍 |
| メモリ |
64GB LPDDR5
204.8GB/秒 |
128GB LPDDR5X
273GB/秒 |
容量2倍／帯域1.33倍 |
| ネットワーク |
10GbE |
25GbE × 4 |
約10倍 |
| 消費電力 |
15〜60W |
40〜130W |
約2倍に増加 |
出典：NVIDIA公式仕様、MONOist（2025年8月26日）。演算性能は測定単位が異なるため単純比較不可。NVIDIAは電力あたり性能で3.5倍としています。
💡 ここが読みどころ
性能7.5倍に対し、消費電力も約2倍に増えている点です。「効率が3.5倍良くなった」は事実ですが、それは「同じ仕事なら電力が減る」という意味であって、実機に載せたときの発熱と電池消費は確実に増えます。ロボット設計者にとって、Thorへの世代交代は電源と冷却の再設計を伴う決断になります。
なぜThorは「HBM」を積まないのか
データセンターのAI半導体を追いかけている方なら、こう思ったはずです。「なぜHBMじゃないんだ？」と。同じBlackwell世代でも、GB300はHBM3Eを288GB積み、帯域は毎秒テラバイト級です。対してThorは273GB/秒。桁が違います。
🏢
データセンターGPU（HBM）
- チップの真横に積層して超高速化
- 専用の土台（CoWoS）が必要で高価
- 発熱が大きく液冷が前提
- ラックに固定されているので重さは問題外
🤖
ロボット（LPDDR5X）
- 基板に平たく実装でき、薄く軽い
- スマホ用の量産品なのでコストが低い
- 発熱が小さく空冷でしのげる
- 電池で動く以上、消費電力が絶対条件
🍜 たとえるなら
HBMは「厨房の真横に置いた巨大な業務用冷蔵庫」。取り出しは爆速ですが、電気を食い、熱を出し、動かせません。LPDDR5Xは「背負えるクーラーボックス」。取り出す速さは劣りますが、軽くて電気を食わず、どこへでも一緒に行けます。ロボットは歩く以上、後者しか選べないのです。
この帯域の制約は、そのまま「Thorで動かせるAIモデルの大きさ」を決めます。ざっくり計算すると、30億パラメータ級のモデル（FP8で約3GB）なら理論上は毎秒90回ほど読み出せる計算ですが、実際にはセンサー処理などにも帯域を使うため、NVIDIAの公表ベンチマークでは1トークンあたり50ms（毎秒20トークン程度）です。※理論値は筆者による概算。
つまりThorは「巨大モデルを動かす装置」ではなく、「小さく賢いモデルを高速に回す装置」です。これが、ロボットの世界でSLM（小規模言語モデル）が主役になる物理的な理由です。
130Wという数字が、ロボットにとって何を意味するか
ここが、この記事でいちばんお伝えしたい部分です。Thorの本当の設計上の主役は、2070 TFLOPSではなく「40〜130W」という電力枠です。
三菱総合研究所のコラム（2025年7月）によれば、ヒューマノイドには総容量2,000〜2,500Wh程度のバッテリーが搭載され、4時間の動作を想定すると平均消費電力を500〜600Wに抑える必要があるとされています。この前提でThorを最大の130Wで回すと、どうなるでしょうか。
⚡ 電力はどこへ消えるのか（ヒューマノイドの収支イメージ）
※全体の平均500〜600W（三菱総合研究所コラム2025年7月）を前提に、Thorの公表電力枠から筆者が構成を試算した目安。機種により大きく異なります。
⚠️ つまり、頭脳が電池の2割を食う
130Wを4時間使えば520Wh。2,000〜2,500Whのバッテリーのおよそ2割強がAI推論だけで消える計算です。「賢くする」ことは、そのまま「稼働時間が短くなる」ことを意味します。ロボットメーカーが電力モードを40W／70W／130Wと切り替えられるようにしているのは、この綱引きに現場ごとの答えを出すためです。
もうひとつの壁｜密閉された体から、熱をどう逃がすか
130Wは、そのまま130Wの発熱になります。イメージしにくければ、こう考えてください。人間が安静にしているときの発熱がおよそ100Wです。つまりThorは、名刺2枚分の面積で人間ひとりぶんを超える熱を出し続けるということです。
データセンターなら、この熱は空冷ファンや液冷で外へ運び出せます。しかしロボットの体は違います。防塵・防水のために密閉され、動き回るので風の当たり方も一定しません。NVIDIAがThorモジュールに「ヒートパイプ付きの一体型熱伝導プレート（TTP）」を標準で組み込んでいるのは、この制約への回答です。
Thorは「速い」のか？──考える速さと動く速さは別モノ
📘 用語解説：レイテンシ
入力してから結果が返るまでの待ち時間のこと。単位はms（ミリ秒＝1000分の1秒）。人間のまばたきが約100〜150msなので、「1ms」はまばたきの100分の1以下の世界です。
NVIDIAは、LLM「Llama 3B」と画像解析AI「Qwen 2.5 VL 3B」で16個のセンサー入力を処理するベンチマークを公表しています。結果は最初の応答まで200ms以下、1トークンあたり50ms以下。前世代Orinでは実現できなかった水準です。
200ms以下
最初の応答まで
（人の視覚反応より速い）
50ms以下
1トークンあたり
（毎秒20語ペース）
出典：NVIDIA公表ベンチマーク（2025年8月発表時）。研究・評価環境での値であり、量産機の実性能とは異なります。
💡 誤解しやすいポイント：Thorはサーボ制御をしない
ロボットの関節を制御するサーボのループは1ms級（毎秒1000回）で回っています。Thorの推論は50ms級。2桁も遅いのです。
これは欠陥ではなく、役割分担です。Thorが担うのは「棚のコップを取ろう」という遅い思考。実際に腕を軌道に乗せ、揺れを抑える速い反射は、モータードライバやマイコンが専任で処理します。人間で言えば、Thorが大脳、サーボが脊髄反射にあたります。
この二層構造を理解すると、「NVIDIAが強くなっても、ルネサスやロームのモータ制御半導体の出番が消えるわけではない」という構造が見えてきます。むしろ上に賢い層が乗るほど、下の反射層の信頼性要求は上がります。
【2026年の転換点】Jetsonの思想が「積む」から「削る」へ反転した
ここからは、まだあまり語られていない話です。2026年に入り、Jetsonをめぐる状況は明確に変わりました。
📰 ニュースの流れ（時系列）
2025年8月25日
Jetson AGX Thor 発表・提供開始。開発者キット3,499ドル、T5000は2,999ドル。Agility Robotics、Amazon Robotics、Boston Dynamics、Caterpillar、Figure、Medtronic、Metaなどが早期採用企業に名を連ねる。
2026年7月16日
下位モジュール「T3000」（865 TFLOPS／32GB／70W）と「T2000」（400 TFLOPS／16GB／40W）を追加発表。2027年第1四半期発売予定。同時に、AIアプリのメモリ使用量を削る「Jetsonエージェントスキル」を投入。
2026年7月21日（確認日）
Jetson全ラインの米国価格改定が判明。開発者キットは3,499→5,499ドル（＋57%）、T5000は2,999→4,999ドル（＋67%）。旧世代のNanoモジュールは＋101%。NVIDIAからの公式な理由説明はなし。
出典：NVIDIA公式・投資家向けリリース、MONOist（2026年7月16日）、VideoCardz（2026年7月21日）。価格は変動する可能性があるため要確認。
この3つのニュースは、1本の線でつながっている
値上げ、下位モデル追加、メモリ削減ツール。バラバラに見えますが、原因はおそらくひとつです。メモリ価格の高騰です。
① 値上げ
HBM需要がDRAM全体を押し上げ、LPDDR5Xまで高騰。Jetsonは大容量メモリを積むほど原価が跳ねる。128GB積むT5000の上げ幅（＋67%）が開発者キットより大きいのは示唆的。
② T3000・T2000追加
32GB／16GBに絞った廉価版。帯域273GB/秒と25GbEは維持しつつ、メモリと電力だけを削る割り切り。「量産で使える価格帯」を確保しにきた動き。
③ エージェントスキル
ソフト側でメモリ使用量を削るツール。UBTechやAgile Robotsは最大15GB削減し、64GB品から32GB品へ移行。ハードを買い替えず「痩せる」という選択肢の提示。
🔍 構造で読むと：これは「実需が来た」サインでもある
試作段階では、多少高くても最高性能を選びます。コストを削りにいくのは、量産を見据えたときだけです。NVIDIAが2026年に廉価版とメモリ削減ツールを揃えてきたのは、ロボットが「デモ」から「台数を出す製品」へ移り始めた裏返しと読めます。
日本では、家族型ロボット「LOVOT」を展開するGROOVE X（非上場）がエージェントスキルで16GB→8GB相当まで軽量化を達成しています（同社は現行製品には16GB品を継続搭載し、余剰リソースを機能追加に充てる方針）。
Jetson Thorの周辺で、どの企業が動くのか
Thorは「1枚差せば頭脳になる」モジュールですが、それだけではロボットは1ミリも動きません。電源、モータ制御、センサー、放熱。Thorの周りには必ず部品層が要ります。ここに日本企業の居場所があります。
💼 関連企業：3層で整理
🔩
上流：半導体・電子部品
- NVIDIA（NVDA）：Thor本体。ハードとソフトを一体で握る
- TSMC（TSM）：Blackwell系ダイの製造
- Micron（MU）ほか3強：LPDDR5Xの供給元。価格の主導権を握る
- ルネサスエレクトロニクス（6723）：制御用MCU。Thorの下の「反射層」を担当
- ローム（6963）：SiCパワー半導体・モータードライバ
⚙️
中流：センサー・アクチュエータ
- ソニーグループ（6758）：イメージセンサー世界首位。Thorの「目」
- 村田製作所（6981）：慣性センサー・電子部品
- TDK（6762）：磁気センサー・電池
- ミネベアミツミ（6479）：小型モーター・センサー
- ハーモニック・ドライブ・システムズ（6324）：関節の減速機
🤖
下流：本体・流通・統合
- ファナック（6954）／安川電機（6506）：産業用ロボットの日本代表
- マクニカホールディングス（3132）：Jetson認定パートナー。国内販売の実需
- リョーサン菱洋ホールディングス（167A）：傘下の菱洋エレクトロがJetsonを取扱
- GROOVE X（非上場・日本）：LOVOTでJetsonを実装
- Figure AI／Boston Dynamics（非上場）：直接投資は不可
※証券コード・上場ステータスは執筆時点のものです。投資判断の前に必ず最新のIR情報をご確認ください。本記事は特定銘柄の売買を推奨するものではありません。
⚠️ 実需と思惑を分けて見る
実需が確認できる層：Jetsonを実際に販売している商社（マクニカHD、リョーサン菱洋HD）と、モジュールに部品を供給しているメモリ・センサー各社。ここは売上に直結します。
思惑が先行しやすい層：「ヒューマノイド関連」として括られる本体メーカー各社。Jetson Thorの採用が業績に効くまでには時間がかかり、量産台数が見えるまでは業績の裏付けが弱い状態が続きます。決算資料で受注残と数量に言及があるかを確認するのが実務的です。
この記事の内容は、あなたにとってどういう意味があるか
💼 投資家の方へ
Thorの値上げは「NVIDIAが強欲だから」ではなく、メモリ原価が押し上げたと読むのが自然です。つまりエッジAIの収益性は、DRAM市況に連動して圧迫されます。逆に言えば、この局面で恩恵を受けるのはメモリ側とセンサー側。「ロボット関連＝本体メーカー」という括りを、部品層まで分解して見ると景色が変わります。
🎓 理工系の学生の方へ
Thorが示しているのは、これからのロボット開発が「AIモデルを作る仕事」より「電力・熱・帯域の予算配分をする仕事」になるということです。電気・機械・制御の基礎はむしろ価値が上がります。面接で「Thorってすごいですよね」と言うより、「130Wの熱をどう逃がすかが課題ですよね」と言えると強いです。
🔧 製造業・設備の技術者の方へ
Thorは既存のFA機器を置き換えるものではありません。1ms級のサーボ制御は従来通りで、その上に「状況を理解する層」が乗ります。自社の装置がどちらの層を担っているのかを見極めると、フィジカルAIの波にどう乗るかの判断がしやすくなります。
よくある3つの誤解
❌ 誤解1「Thorがあればロボットは完成する」
✅ Thorは頭脳だけ。電源、減速機、センサー、放熱がなければ立つことすらできません。むしろThorが強力になったことで、電源と熱の設計難度は上がりました。
❌ 誤解2「2070 TFLOPSはGB300より速い？」
✅ 桁が2つ違います。数値の測り方（FP4・スパース）も異なります。Thorは「データセンターに勝つ」ためではなく、「クラウドに聞きに行かずに済ませる」ために存在します。
❌ 誤解3「エッジAIだから省電力」
✅ Thorは前世代の約2倍、最大130Wを食います。エッジAIが省電力なのは「クラウドと比べて」の話であって、電池で動く機械にとっては十分に重い負荷です。
よくある質問（FAQ）
Q1. Jetson Thorとは一言で言うと何ですか？
NVIDIAが2025年8月に発表した、ロボット向けのAI処理モジュールです。Blackwell世代のGPU、14コアArm CPU、128GBのLPDDR5Xメモリを1枚の基板に統合し、40〜130Wで最大2070 FP4 TFLOPSの演算性能を出します。クラウドに接続せず、ロボット本体の中でAIを動かすための「現場の頭脳」です。
Q2. Jetson Orinとの違いは何ですか？
GPUがAmpereからBlackwellに変わり、AI演算性能が約7.5倍、CPU性能が約3.1倍、ネットワーク帯域が約10倍になりました。メモリも64GB／204.8GB/秒から128GB／273GB/秒へ。一方で消費電力は15〜60Wから40〜130Wへ約2倍に増えています。
Q3. Jetson Thorの価格はいくらですか？
2025年8月の提供開始時は開発者キットが3,499ドル、量産モジュールT5000が2,999ドルでした。ただし2026年7月に価格改定があり、開発者キットは5,499ドル（＋57%）、T5000は4,999ドル（＋67%）に上昇しています。メモリ価格高騰が背景と見られます。購入前に必ず最新価格をご確認ください。
Q4. なぜHBMではなくLPDDR5Xを使っているのですか？
HBMは帯域幅で圧倒的に優れますが、専用の高価な土台（CoWoSなど）が必要で、発熱が大きく液冷が前提になります。電池で動き、密閉された体を持つロボットには適しません。LPDDR5Xは薄く軽く、消費電力あたりの容量に優れるため、モバイル用途の唯一の現実解になっています。
Q5. Jetson Thorはどの企業が採用していますか？
NVIDIAの発表によれば、早期採用企業としてAgility Robotics、Amazon Robotics、Boston Dynamics、Caterpillar、Figure、Hexagon、Medtronic、Metaなどが挙げられています。日本ではマクニカと菱洋エレクトロが認定パートナーとして取り扱っています。
次に読むべき記事
Jetson Thorは「AIが現実世界に出るための出口」に置かれた1つの部品です。全体の地図は、下の記事から広がっていきます。🚪
まず読むべき親記事
学習はDC、推論は現場｜クラウドとエッジの役割分担
なぜAIは「データセンターで学び、ロボットの中で考える」構造になったのか。Thorの立ち位置がこの1本で腑に落ちます。
記事を読む →
⚡ 電源と熱をもっと深く
AIデータセンターはなぜ電力で詰まるのか
130Wの話の”親”にあたる、電力インフラの全体像。
読む →
🧠 メモリの使い分け
HBM vs LPDDR vs SOCAMM 完全ガイド
なぜロボットはHBMを積めないのかを構造で。
読む →
🏢 学習側のハードと比べる
NVIDIA GB300（Blackwell Ultra）とは
同じBlackwellでも、DC側はここまで違う。
読む →
🤖 カテゴリの入口
フィジカルAIとは？AIインフラから見た”出口”の構造
このカテゴリ全体の地図はこちらから。
読む →
【出典】NVIDIA公式製品ページ／NVIDIA投資家向けリリース（2025年8月25日）／MONOist「2070TFLOPSの『Jetson AGX Thor』」（2025年8月26日）／MONOist「Jetson Thorに新モジュール追加」（2026年7月16日）／VideoCardz（2026年7月21日）／三菱総合研究所コラム（2025年7月）
本記事は情報提供を目的としたものであり、特定の金融商品の売買を推奨するものではありません。投資判断はご自身の責任でお願いします。価格・仕様・証券コードは変動するため、必ず一次情報をご確認ください。
コメント