NVIDIA、「JetPack 7.2.1」を公開　AIエージェント向け動画処理スキルやPython対応、T3000エミュレーション機能を追加

要点

• NVIDIAはエッジAI・ロボティクス向けプラットフォームの最新版「JetPack 7.2.1」を公開した。

• ハードウェア動画処理をPythonから扱える「PyNvVideoCodec 2.2」をJetson環境として初めてサポートした。

• 自然言語などの開発者の意図から最適な動画パイプラインを自動構築・検証する「Agentic Video Skills」を導入した。

• 次世代プラットフォーム「Jetson Thor」の開発キット上で、下位モデル「Jetson T3000」の性能を再現するエミュレーション機能が利用可能になった。

• NVIDIAは2026年8月11日、同社の公式技術ブログにおいて、組み込みAIプラットフォーム「NVIDIA Jetson」向けの最新ソフトウェアスイート「JetPack 7.2.1」を発表しました。今回のアップデートでは、Pythonベースの高速な動画エンコード・デコード環境や、AIエージェントがデバイスに最適化された動画パイプラインを自動構築する機能が追加されたほか、次世代ハードウェアの開発を前倒しで進められるエミュレーション機能が提供されます。

Pythonによるハードウェア動画処理「PyNvVideoCodec 2.2」に対応

JetPack 7.2.1における大きな変更点のひとつが、Python向け動画処理ライブラリ「PyNvVideoCodec 2.2」への対応です。PyNvVideoCodecは、GPUに搭載された専用の動画処理エンジンを用いて、ハードウェアアクセラレーションによるエンコードやデコードを行うPythonライブラリであり、Jetsonシリーズでサポートされるのは今回が初となります。

これまでJetPack 7.1では、C/C++開発者向けにハードウェアエンコーダー（NVENC）およびデコーダー（NVDEC）へアクセスする「NVIDIA Video Codec SDK」が導入されていました。今回のアップデートにより、同様のハードウェア機能をPython環境からも直接利用できるようになります。

PyNvVideoCodecは、処理対象となる動画フレームをGPU上のデバイスメモリ（VRAM）内に直接保持し、メモリ受け渡し規格である「DLPack」やCUDAデバイスバッファを介してAIモデルとやり取りします。これにより、CPUとGPU間の余分なデータ転送を削減し、AI推論パイプラインとのシームレスな統合が可能になります。

さらに、複数方式のフレームサンプリング機能や、バックグラウンドスレッドで事前にフレームをデコードする「ThreadedDecoder」機能も備えています。デコード処理に伴う待ち時間をAI推論処理から分離することで、パイプライン全体の実行効率を高められると説明されています。

意図から最適な構成を導く「Agentic Video Skills」

ロボティクスや映像解析などのエッジAIシステムでは、複数カメラからの映像入力、ネットワークストリームのデコード、AI推論、結果の描画、配信や保存のための再エンコードといった一連の処理を遅延なく実行する必要があります。しかし、対象デバイスの仕様に合わせて最適なインターフェース、コーデック、画素フォーマット、レート制御などを選定し、要求性能を満たしているかを検証する作業には多くの工数がかかっていました。

これに対し、JetPack 7.2.1ではVideo Codec SDKやPyNvVideoCodecの上位レイヤーとして動作する「Agentic Video Skills」が導入されました。これは、開発者が求める要件（「低遅延用途でフルHD/30fpsのH.264ストリームを何本同時に処理できるか」など）に対し、エージェントが実機環境を調査した上で動作可能な構成を導き出し、実行・検証までを行う仕組みです。

統合スキル「jetson-videosdk」が担う4つの基本ワークフロー

Agentic Video Skillsの土台として、統合ツール「jetson-videosdk」が提供され、以下の4つの基本的なワークフローを実行できます。

1. 機能の検出・セットアップ・レポート: 接続されているJetsonプラットフォームや導入済みソフトウェアを識別し、利用可能なエンコード/デコード形式、フォーマット、メモリパスなどを実機から取得して環境設定を支援します。
2. エンコーダーレシピの生成: 低遅延、固定画質、ビットレート制限、解像度、フレームレートといった目標条件に応じて、Video Codec SDKやPyNvVideoCodecで即座に実行可能な設定コードを自動生成します。
3. 性能と品質のベンチマーク: スループット（処理能力）、レイテンシ（遅延時間）、ハードウェア使用率、ビットレート、出力品質などを同一条件で測定します。
4. ワークフロー全体の検証: 環境セットアップからレシピ選定、エンコード/デコード処理、計測、成果物の引き渡しまでを一連の流れとして繋ぎ、実行結果や警告、検証データを返送します。

開発者はこれらのワークフローを個別に呼び出すことも、大規模なパイプラインの中に組み込んで検証することも可能です。NVIDIAは、今後のリリースでこのスキル基盤をさらに拡張し、Jetsonの開発ワークフロー全般を幅広くカバーしていく方針を示しています。

Jetson T5000上で「Jetson T3000」の性能エミュレーションが可能に

ハードウェア開発支援の面では、「Jetson Thor AGX Developer Kit」を用いたエミュレーション機能が追加されました。上位モデルである「Jetson T5000」の環境上で、電力効率や処理能力の異なる「Jetson T3000」相当の性能特性を再現できるようになります。

これにより開発者は、実機のハードウェア構成に先駆けて、省電力かつ高パフォーマンスなAI動画パイプラインの設計と事前検証を進めることが可能になるとされています。