售价59美元的全新开发者套件可提供免费在线培训及AI认证,让所有人轻松使用AI。
NVIDIA于今日发布售价仅59美元的入门级开发者套件,进一步扩大了NVIDIA Jetson边缘AI平台的受众范围,让新一代学生、教育工作者和爱好者能够挖掘AI和机器人技术的潜力。

Jetson Nano 2GB开发者套件主要用于在机器人和智能物联网等领域创建动手项目以进行AI教学。为支持这项工作,NVIDIA还宣布提供免费在线培训和AI认证计划。在充满活力的Jetson社区中,已有成千上万名开发者提供了大量开源项目、简略操作指南和视频,两者将形成互补。
NVIDIA副总裁兼边缘计算业务总经理Deepu Talla表示:“尽管现在的学生和工程师还在进行计算机编程,但在不久的将来,他们将能够使AI应用于机器人并与其进行交互。新款Jetson Nano是一台价格极低,并且能够让使用者进行动手学习和实验的终极入门级AI计算机。”
Jetson边缘AI平台的最新产品
NVIDIA Jetson边缘AI平台涵盖各级别产品,包括从入门级AI设备到用于完全自主机器的高级平台,Jetson Nano 2GB开发者套件是该系列最新产品。
Jetson Nano 2GB开发者套件由NVIDIA JetPack SDK提供支持,NVIDIA JetPack SDK随附NVIDIA容器运行时及完整的Linux软件开发环境。因此,开发者可以将他们的Jetson应用程序及其所有依赖项打包到一个可以在任何部署环境下运作的容器中。它还由NVIDIA CUDA-X加速计算堆栈提供支持,该堆栈也被用于在自动驾驶汽车、工业物联网、医疗、智慧城市等领域创造突破性AI产品。
此外,凭借运行多种AI模块和框架的性能和能力,Jetson Nano 2GB开发者套件为学习和创建AI应用程序的发展提供了可扩展的平台。
强大的生态系统和合作伙伴支持
Jetson Nano 2GB开发者套件得到了嵌入式计算生态系统中机构、企业、教育工作者以及合作伙伴的巨大支持:
Tarias Research首席分析师 Jim McGregor 表示:“NVIDIA Jetson正在推动一场工业AIoT领域最大的革命。借助全新Jetson Nano 2GB,NVIDIA能够运用与其数据中心AI计算平台相同的软件堆栈,扩大AI学习和开发的受众范围。”
Lockheed Martin人工智能业务副总裁Matthew Tarascio表示:“AIoT的出现促进了人们对于互联设备及日益复杂的工业应用程序的需求,因此在AI学习中,通过动手方法获得新的技术技能变得至关重要。作为推动实现AI革命不懈努力的一部分,我们一直在通过NVIDIA Jetson平台为全球员工提供培训,使其在面对这场变革时做好充分准备。”
苏黎世联邦理工学院(ETH Zurich)动态系统和控制教授Emilio Frazzoli表示:“Duckietown教育平台提供了按照真实世界自主系统等比缩小的可操作、易获取系统版本。而在借助NVIDIA Jetson Nano后,Duckietown能够以前所未有的低价,让学习者使用最先进的计算解决方案,实现自主学习。”
Booz Allen Hamilton分析和AI研究总监 Drew Farris 表示:“在Booz Allen,我们希望赋予人们改变世界的力量。对于运用AI解决全球难题的企业和人员来说,AI至关重要,因此我们正在借助NVIDIA Jetson培养新的技术人才。”
西宾夕法尼亚州(Western Pennsylvania)Boys & Girls Club STEM课程总监Christine Nguyen表示:“我们知道为所有学生提供能够影响科技未来的机会非常重要。我们很高兴能够和学生一起使用 NVIDIA Jetson AI专家认证材料,这些学生正在努力成为AI和机器人领域的领导者。”
供货
Jetson Nano 2GB开发者套件将于本月末以59美元的价格通过NVIDIA分销渠道进行发售。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。