NVIDIA 4月份推出了新一代嵌入式开发套件Jetson AGX Orin,这是目前市场上性能强大、体积小巧,且节能的AI超级计算机,适用于高级机器人、自主机器以及下一代嵌入式和边缘计算。
这个系列,我们将介绍如何利用Jetson AGX Orin开发套件进行嵌入式边缘计算开发。
机器人技术的新时代正在出现,需要数量级更高的计算机器人现在正在进入人类世界,而不是孤立地工作,这需要多传感器感知、映射和定位、路径规划和控制、感知和安全,这些不断增加的任务正在推动对更多计算的需求
Jetson AGX Orin 每秒可提供 275 万亿次操作,为客户提供比其前身 Jetson AGX Xavier 高出 8 倍以上的处理能力,同时保持相同的手掌大小的外形尺寸和引脚兼容性。AGX Orin具有 NVIDIA Ampere 架构 GPU、Arm Cortex-A78AE CPU、下一代深度学习和视觉加速器、高速接口、更快的内存带宽和多模式传感器支持,以支持多个并发的 AI 应用。
让我们对比一下Jetson AGX Orin开发套件和Jetson AGX Xavier 开发套件的规格。
Jetson AGX |
Jetson AGX |
|
AI性能 |
32TOPS |
200TOPS |
GPU |
512-Core |
1792-Core |
64Tensor |
56 |
|
CPU |
8-core |
12-core |
DLA |
2x |
2x |
Vision |
2x |
PVA |
Memory |
32GB |
32GB |
存储 |
32GB |
64GB |
CSI Camera |
16 |
16 |
PCIe |
x16 connector with x8 PCIe Gen4 or x8 |
x16 PCIe slot: |
网络 |
Gigabit Ethernet |
Up |
Display |
HDMI |
DisplayPort 1.4a (+MST) |
USB Type-C |
2x USB-C 3.1 (supporting DIsplayPort and USB |
2x |
USB Type-A |
2x |
|
USB Micro-B |
USB |
USB |
M.2 Key M |
NVME |
x4 |
M.2 Key E |
PCIe |
x1 |
Other |
40-pin header (UART, SPI, CAN, I2C, I2S, |
40-pin header (I2C, GPIO, SPI, CAN, I2S, |
尺寸 |
105mm x 105mm x 65mm |
110mm x 110mm x 71.65mm |
NVIDIA Jetson AGX Orin开发套件的外箱为黑色。
侧面列出了开发套件的规格
请注意,购买Jetson AGX Orin开发套件后,需要将原包装和配件保留至少一年。一年内如果有质量问题需要保修,必须是原包装和配件返回给供应商。
打开外箱后,可以看到开发套件躺在里面,颜值很高啊!
我们会看到附送的3根电源线和1根USB-Type C线,以及一个适配器,这些都必须要保留好,不能弄丢哟
注意AGX Orin附赠的电源适配器规格:
再看看接口:
这里有三个按钮,分别是Power键、Force Recovery键和Reset键,同时有一个micro SD插槽。
这一面分别是USB Type-C接口,以及40-pin Expansion Header,还有2个USB3.2接口
这一面有电源插口,插口的上面是一个USB Type C接口,接着是一个网口,然后又是两个USB 3.2的接口(大家可以注意到AGX Orin总共有4个USB3.2接口)。
关键来了,AGX Orin配备了一个DP接口,跟AGX Xavier的HDMI接口不同,是要接DP显示器作为输出。DP接口旁边是一个Micro USB2.0接口。
将AGX Orin开发套件的底部朝上,我们看到这里可以外接一个M.2的SSD卡。与AGX Xavier不同,AGX Orin有自带无线网卡,而前者出厂是没有,需要自己安装,这样可以节省很多事情了。
同时我们也可以看到这里有2个MIPI CSI接口。
下篇文章,我们将在AGX Orin开发套件上配置操作系统。
好文章,需要你的鼓励
Xbox 部门推出了名为 Muse 的生成式 AI 模型,旨在为游戏创造视觉效果和玩法。这一举措反映了微软全面拥抱 AI 技术的战略,尽管游戏开发者对 AI 持谨慎态度。Muse 不仅可能提高游戏开发效率,还有望实现老游戏的现代化改造,但其实际效果和对行业的影响仍有待观察。
Sonar收购AutoCodeRover,旨在通过自主AI代理增强其代码质量工具。这项收购将使Sonar客户能够自动化调试和问题修复等任务,让开发者将更多时间用于改进应用程序而非修复bug。AutoCodeRover的AI代理能够自主修复有问题的代码,将与Sonar的工具集成,提高开发效率并降低成本。
人工智能正在推动数据中心的变革。为满足 AI workload 的需求,数据中心面临前所未有的电力消耗增长、散热压力和设备重量挑战。应对这些挑战需要创新的解决方案,包括 AI 专用硬件、可再生能源、液冷技术等。同时,数据中心还需平衡监管压力和社区关切。未来数据中心的发展将决定 AI 技术能否实现其变革性潜力。