在GTC 2019上，NVIDIA推出人工智慧計算機Jetson Nano，外觀小巧玲瓏如同樹莓派，但效能卻非常強大，可以提供高達472 GFLOPS的浮點運算能力，而且耗電量僅為5W，可以幫助企業快速開發出擁有人工智慧系統的產品。

Jetson系列作為NVIDIA嵌入式產品，之前推出過效能極為強大的Jetson AGX Xavier以及用於邊緣人工智慧的Jetson TX2，而Jetson Nano的加入目的在於讓更多使用者更容易接觸到人工智慧，激勵人們開發出人工智慧產品。

為了方便大家開發軟體程式，JetPack SDK中新增了CUDA-X平臺，裡面包含40多個加速庫，包含用於深度學習、計算機視覺、計算機圖形和多媒體處理的加速庫，可以加快開發者、企業對於程式上的應用開發。此外還包含有最新版本的CUDA、cuDNN、TensorRT和完整版桌面Linux作業系統。

Jetson Nano支援高解析度感測器，可以並行處理多個感測器，並且可在每個感測器流上執行多個現代神經網路。它還支援許多常見的人工智慧框架，讓開發人員輕鬆地將自己偏愛的模型及框架整合到產品中。

Jetson Nano硬體為四核Cortex-A57 CPU，GPU則是規模最小的Maxwell架構顯示卡，只有128個CUDA單元，配備了4GB LPDDR4記憶體以及16GB儲存空間。

目前有兩個版本出售，一個是售價為99美元的開發者套件，以及售價為129美元的生產就緒套件。

按照NVIDIA的觀點，Jetson Nano的誕生意在幫助企業縮短擁有人工智慧系統硬體開發週期，提供穩健、強大、節能的硬體解決方案，並向市場快速推廣產品。

說一下 Jetson Nano 在深度學習模型推理方面的表現。

（1）硬體資訊：首先是硬體資訊，Nano 的 GPU 是128core Maxwell 架構，CPU 為 4核ARM A57，無 Jetson Xavier 系列 DLA 神經網路加速器，記憶體為 4GB 64位 LPDDR4，頻寬 25.6GB/s，儲存為 16GB emmc5.1，峰值計算能力為 472 GFLOPS，功耗為5W|10W；

（2）模型推理：可直接採用 TensorRT 進行模型的推理，由於板子沒有 DLA，所以不用考慮 DLA & GPU 的協同加速；由於 Maxwell 架構不支援 int8，所以不必考慮 TensorRT 的 int8 推理，倒是可以考慮 half 精度。推理效能方面，我實測 NX 是 Nano 的 9x，TX2_NX 是 Nano 的 3x；

（3）應用場景：網路影片錄影機、家用機器人、智慧閘道器；

（4）售價：1000多