NVIDIA 這篇 JetPack 7.2 技術文，重點是 agentic AI 正由雲端和辦公室軟件走向 physical world。當代理要進入機械人、工業自動化、視覺系統和 edge AI 裝置，問題不只是模型是否夠強，而是裝置能否在有限 memory、power 和 latency 條件下穩定執行。
JetPack 7.2 的第一個訊號，是 Jetson 對 NemoClaw 變成 out of the box ready。文章指出開發者可以用一條 command 在 Jetson 上部署 NemoClaw，建立具 privacy 和 security control 的 agentic physical AI workflow。這代表 edge agent 不再只是示範程式，而是開始有預先配置的軟件棧。
第二個重點是 Jetson agent skills。NVIDIA 把 skills 定義為可重複、可由代理執行的指令，描述要調用哪些工具、產出哪些結果，以及如何驗證。放到 Jetson 場景，就是讓 agent 協助做 Linux customization、memory optimization、model benchmarking 和 deployment configuration。這種做法把 edge 開發中大量繁瑣配置，轉成更接近 workflow automation 的模式。
JetPack 7.2 亦把 Multi-Instance GPU support 帶到 Jetson Thor，用於 deterministic multiworkload execution。對 real-time robotics 和 industrial automation 來說，這點很重要，因為同一個 edge device 可能同時跑 perception、planning、language interface 和 safety monitor。可隔離、可預測的 workload，比單純追求最高吞吐更接近生產要求。
另一個實際更新是 Jetson AGX Orin 32 GB Super Mode。文章指出它可把 AI performance 由 200 TOPS 提升到 241 TOPS，並在成本更低的 module 上接近旗艦 Orin 64 GB 的能力。這說明 edge agentic AI 的競爭不只是模型大小，也包括如何在既有硬件上擠出更高性價比。
整體來看，JetPack 7.2 反映 agent infrastructure 開始分層：雲端負責大模型和長鏈任務，edge device 則負責靠近真實世界的低延遲感知、控制和安全隔離。當 agentic AI 進入 physical AI，deployment、memory、operating system、GPU isolation 和驗證流程都會變成產品能力。
