NVIDIA 这篇 JetPack 7.2 技术文，重点是 agentic AI 正由云端和办公软件走向 physical world。当代理要进入机器人、工业自动化、视觉系统和 edge AI 设备，问题不只是模型是否够强，而是设备能否在有限 memory、power 和 latency 条件下稳定执行。
JetPack 7.2 的第一个信号，是 Jetson 对 NemoClaw 变成 out of the box ready。文章指出开发者可以用一条 command 在 Jetson 上部署 NemoClaw，建立具 privacy 和 security control 的 agentic physical AI workflow。这代表 edge agent 不再只是示范程序，而是开始有预先配置的软件栈。
第二个重点是 Jetson agent skills。NVIDIA 把 skills 定义为可重复、可由代理执行的指令，描述要调用哪些工具、产出哪些结果，以及如何验证。放到 Jetson 场景，就是让 agent 协助做 Linux customization、memory optimization、model benchmarking 和 deployment configuration。这种做法把 edge 开发中大量繁琐配置，转成更接近 workflow automation 的模式。
JetPack 7.2 也把 Multi-Instance GPU support 带到 Jetson Thor，用于 deterministic multiworkload execution。对 real-time robotics 和 industrial automation 来说，这点很重要，因为同一个 edge device 可能同时跑 perception、planning、language interface 和 safety monitor。可隔离、可预测的 workload，比单纯追求最高吞吐更接近生产要求。
另一个实际更新是 Jetson AGX Orin 32 GB Super Mode。文章指出它可把 AI performance 由 200 TOPS 提升到 241 TOPS，并在成本更低的 module 上接近旗舰 Orin 64 GB 的能力。这说明 edge agentic AI 的竞争不只是模型大小，也包括如何在既有硬件上挤出更高性价比。
整体来看，JetPack 7.2 反映 agent infrastructure 开始分层：云端负责大模型和长链任务，edge device 则负责靠近真实世界的低延迟感知、控制和安全隔离。当 agentic AI 进入 physical AI，deployment、memory、operating system、GPU isolation 和验证流程都会变成产品能力。
