Nvidia Jetson finisce al centro di un nuovo effetto collaterale della corsa all’Intelligenza Artificiale. Alcuni moduli embedded più vecchi delle famiglie TX2 e Xavier sarebbero entrati in una fase di fine vita accelerata, spinta dalla scarsità di memoria LPDDR4 e dalla priorità data dall’industria a componenti più recenti e redditizi.
Nvidia Jetson, cosa sta succedendo ai moduli TX2 e Xavier
Nvidia Jetson non sparisce dal mercato, ma alcuni moduli basati su TX2 e Xavier stanno diventando più difficili da ordinare. Secondo Tom’s Hardware, il fornitore canadese Connect Tech segnala il passaggio a condizioni NCNR, cioè ordini non cancellabili e non restituibili, per diversi prodotti legati a queste piattaforme.
I moduli citati includono Jetson TX2 NX, Jetson TX2i, Jetson AGX Xavier 32GB Industrial e Jetson Xavier NX nelle versioni da 8GB e 16GB. Connect Tech indica anche scadenze precise: ordini finali entro il 1 luglio 2026, conversione degli ordini esistenti in NCNR dal 15 luglio 2026 e ultime spedizioni previste entro il 15 luglio 2027.
Il dettaglio va letto con attenzione. Le date arrivano da Connect Tech e sono indicate come basate sulle tempistiche Nvidia, ma non equivalgono a un annuncio pubblico diretto di Nvidia per ogni mercato. Il segnale però è chiaro: chi usa ancora questi moduli deve iniziare a pianificare una migrazione.
LPDDR4 e shortage RAM: perché colpiscono l’AI embedded
Il nodo non è solo l’età dell’hardware. TX2 e Xavier dipendono da memoria LPDDR4, oggi meno centrale nelle priorità produttive rispetto a DDR5, LPDDR5 e HBM. I produttori di memoria stanno spostando capacità verso componenti più richiesti dai server IA e dagli acceleratori di nuova generazione.
Questo crea un problema tipico dell’AI embedded. I sistemi industriali, robotici e maker spesso hanno cicli di vita lunghi, molto più lunghi dei prodotti consumer. Un modulo può restare in produzione per anni dentro telecamere intelligenti, robot, sistemi edge AI o dispositivi industriali.
Quando la filiera cambia direzione, però, le piattaforme vecchie diventano vulnerabili. Non perché smettano improvvisamente di funzionare, ma perché diventano più difficili da produrre, acquistare e mantenere. È lo stesso tema che sta colpendo anche altri settori hardware, come abbiamo visto con il Mac mini introvabile per la domanda legata all’IA.
Da Xavier a Orin: la migrazione diventa obbligata
Per sviluppatori e integratori, il passaggio più realistico è verso Jetson Orin, la famiglia più recente già pensata per carichi AI edge più moderni. Tom’s Hardware segnala che Orin NX può essere vicino a un sostituto quasi diretto di Xavier NX, almeno quando il progetto non dipende da configurazioni I/O molto specifiche.
Il passaggio da AGX Xavier ad AGX Orin appare ancora più lineare sul piano meccanico, perché entrambe le piattaforme usano la stessa famiglia di connettori a 699 pin. Questo non elimina il lavoro tecnico: alimentazione, termiche, certificazioni e compatibilità software vanno comunque verificate prima di aggiornare un prodotto già sul mercato.
Il punto pratico è semplice: la migrazione non va trattata solo come upgrade prestazionale. Per molte aziende diventa una misura di continuità. Chi ha prodotti commerciali basati su Jetson TX2 o Xavier deve bloccare scorte, validare alternative o rivedere la roadmap hardware.
La corsa all’IA sta cambiando anche i vecchi prodotti
Il caso Nvidia Jetson mostra quanto la pressione dell’IA non riguardi soltanto GPU da data center e chip di fascia alta. La domanda per HBM, DDR5 e componenti legati agli acceleratori sta modificando le priorità dell’intera filiera, lasciando meno spazio alle memorie legacy.
Questo impatta anche dispositivi apparentemente lontani dai grandi modelli linguistici: telecamere smart, sensori industriali, piccoli sistemi di visione artificiale, robotica educativa e automazione. Anche prodotti più consumer, come le soluzioni di sicurezza intelligente Bosch Eyes II, mostrano quanto l’elaborazione locale stia diventando sempre più importante.
La lezione è concreta. Nel 2026 scegliere una piattaforma AI embedded non significa guardare solo a prestazioni e prezzo. Bisogna valutare disponibilità della memoria, longevità della supply chain e possibilità di migrazione. Se la domanda IA continuerà ad assorbire capacità produttiva, il prossimo collo di bottiglia potrebbe arrivare non dal processore, ma dal componente che sembrava più scontato: la RAM.
