NVIDIA Jetson
NVIDIA推出的边缘AI计算平台，搭载GPU与ARM处理器，专为在边缘端运行AI推理任务设计，广泛用于机器人、自动驾驶、工业视觉等场景
时间轴 (近 90 天)
Codex 桌面应用可注册 Jetson 的 SSH 连接并指向项目文件夹，使用户在统一界面操作设备文件和运行命令
NVIDIA Jetson 设备技能（device skills）提供 Jetson 专属操作指引和辅助工具，用于检查设备状态、管理内存及选择 AI 模型的运行方式
采用容器化开发模式时，应用容器自带 CUDA 库和 AI 依赖，因此宿主机上不需要安装完整的 JetPack SDK，只需兼容的 NVIDIA 驱动和 GPU 容器运行时
USB Gadget / RNDIS 技术将 Jetson 设备模拟为 USB 以太网网卡，主机识别后自动分配本地链路 IP（通常是 192.168.55.100/192.168.55.1 这个地址对），从而无需 Wi-Fi 或路由器建立点对点网络连接
低延迟推理可部署在NVIDIA Jetson系列等边缘计算设备上，或通过模型量化、剪枝将推理时间压缩到个位数毫秒级别
2B参数模型在INT4量化后通常仅需约1-2GB内存，能在主流智能手机、NVIDIA Jetson系列等边缘设备上运行
边缘计算芯片如NVIDIA Jetson系列需要在10-50毫秒内完成目标检测、威胁评估和动作规划
NVIDIA Jetson系列嵌入式AI模块功耗5-30瓦、重量数十克，已成为军用无人机改装的标准选择之一
NVIDIA Jetson系列采用SoC统一内存架构，CPU和GPU共享同一块物理内存
本地推理生态由硬件（NVIDIA Jetson系列、Google Coral TPU、Apple Silicon和高通骁龙NPU）和软件（ONNX Runtime、TensorRT、llama.cpp）支撑
还有 1 条时间轴事件
全部知识事实 (12)
NVIDIA Jetson系列采用SoC统一内存架构，CPU和GPU共享同一块物理内存
70%待验证2B参数模型在INT4量化后通常仅需约1-2GB内存，能在主流智能手机、NVIDIA Jetson系列等边缘设备上运行
60%待验证NVIDIA Jetson和Google Coral是可用于在摄像头本地部署的轻量推理芯片
60%待验证USB Gadget / RNDIS 技术将 Jetson 设备模拟为 USB 以太网网卡，主机识别后自动分配本地链路 IP（通常是 192.168.55.100/192.168.55.1 这个地址对），从而无需 Wi-Fi 或路由器建立点对点网络连接
50%待验证Codex 桌面应用可注册 Jetson 的 SSH 连接并指向项目文件夹，使用户在统一界面操作设备文件和运行命令
50%待验证NVIDIA Jetson 设备技能（device skills）提供 Jetson 专属操作指引和辅助工具，用于检查设备状态、管理内存及选择 AI 模型的运行方式
50%待验证采用容器化开发模式时，应用容器自带 CUDA 库和 AI 依赖，因此宿主机上不需要安装完整的 JetPack SDK，只需兼容的 NVIDIA 驱动和 GPU 容器运行时
50%待验证低延迟推理可部署在NVIDIA Jetson系列等边缘计算设备上，或通过模型量化、剪枝将推理时间压缩到个位数毫秒级别
50%待验证边缘计算芯片如NVIDIA Jetson系列需要在10-50毫秒内完成目标检测、威胁评估和动作规划
50%待验证NVIDIA Jetson系列嵌入式AI模块功耗5-30瓦、重量数十克，已成为军用无人机改装的标准选择之一
50%待验证本地推理生态由硬件（NVIDIA Jetson系列、Google Coral TPU、Apple Silicon和高通骁龙NPU）和软件（ONNX Runtime、TensorRT、llama.cpp）支撑
50%待验证CV工程师的完整技术栈包括数据采集标注、模型架构选择与训练、推理优化（如TensorRT、ONNX Runtime进行模型量化和加速）、边缘设备部署（如NVIDIA Jetson或高通芯片）
50%