Kit de desarrollo con el módulo Jetson Orin Nano de 8 GB sobre la placa portadora de referencia de NVIDIA. Ejecuta en el propio dispositivo modelos de visión, transformers de visión, modelos de lenguaje (LLM) y modelos de visión y lenguaje, y se usa en robots, drones y equipos de visión con el SDK JetPack.
Qué puedes construir
Usos típicos del Orin Nano con el software de NVIDIA.
Robots autónomos
Navegación, manipulación y percepción con Isaac y ROS 2.
Visión artificial
Detección, seguimiento y análisis de video con Metropolis y DeepStream.
IA generativa local
Modelos de lenguaje y de visión y lenguaje sin conexión a internet.
Drones y cámaras
Hasta 2 cámaras MIPI CSI y decodificación de video 4K60 por hardware.
El ecosistema Jetson
El kit trae JetPack, el paquete de software de NVIDIA, y accede a todo este ecosistema de frameworks, modelos y servicios.
Flujos de trabajo de IA de referencia
Nube
Frameworks de IA
Stack de IA
Jetson Linux
Seguridad
Sistema operativo
Servicios de la plataforma Jetson
Especificaciones técnicas
| Módulo Jetson Orin Nano 8 GB | |
|---|---|
| Rendimiento de IA | 67 TOPS en INT8 con dispersión (33 TOPS en modo denso), en el modo MAXN SUPER con JetPack 6.2 o superior; 40 TOPS con el software anterior |
| GPU | NVIDIA Ampere de 1024 núcleos CUDA y 32 núcleos Tensor, hasta 1020 MHz |
| CPU | Arm Cortex A78AE de 6 núcleos, 64 bits, hasta 1,7 GHz; 1,5 MB de L2 y 4 MB de L3 |
| Memoria | 8 GB LPDDR5 de 128 bits, 102 GB/s |
| Decodificación de video | H.265: 1 flujo 4K60, 2 de 4K30, 5 de 1080p60 u 11 de 1080p30 |
| Codificación de video | Sin codificador por hardware; 1080p30 por software, con 1 a 2 núcleos de la CPU |
| Placa portadora del kit | |
|---|---|
| USB | 4 USB 3.2 Gen2 tipo A (10 Gbps) y 1 USB C solo de datos y recuperación: no alimenta la placa ni saca video |
| Red | Gigabit Ethernet y WiFi en la ranura M.2 Key E |
| Video | 1 DisplayPort; no tiene HDMI |
| Cámaras | 2 conectores MIPI CSI 2 de 22 pines, paso 0,5 mm (CAM0 de 2 carriles, CAM1 de 2 o 4) |
| Almacenamiento | Ranura microSD en la cara inferior del módulo |
| Ranuras M.2 | Key M 2280 (PCIe 3.0 x4) y Key M 2230 (PCIe 3.0 x2) para SSD NVMe; Key E 2230 ocupada por la tarjeta WiFi |
| Cabezal de 40 pines | UART, SPI, I2S, I2C, PWM y GPIO; el PWM sale por los pines 15, 32 y 33 después de configurarlos con jetson-io |
| CAN | Por el conector J17, con un transceptor externo de 3,3 V; no sale por el cabezal de 40 pines |
| Otros cabezales | Botones de 12 pines y ventilador de 4 pines |
| Alimentación | Fuente DC de 19 V por jack de 5,5 x 2,5 mm; modos de 15 W, 25 W y MAXN SUPER |
| Software | JetPack 6.2 o superior para el modo Super; Jetson Linux basado en Ubuntu |
| Medidas | 103 x 90,5 x 34,77 mm con pies, placa, módulo y disipador, según la hoja de datos de NVIDIA de diciembre de 2024 |
Qué trae y qué más necesitas
En la caja
- Módulo Jetson Orin Nano 8 GB con disipador y ventilador, montado en la placa portadora
- Fuente de poder DC de 19 V, por jack de 5,5 x 2,5 mm
- Adaptador externo de enchufe europeo, de patas redondas, para usarla en los enchufes de Chile
- Tarjeta WiFi 802.11ac instalada en la ranura M.2 Key E
- Guía de inicio rápido
Para empezar
- MicroSD UHS 1 de 64 GB o más, o un SSD NVMe
- Monitor con DisplayPort, o adaptador DisplayPort a HDMI
- Teclado y mouse USB
- Un computador y un pendrive para preparar la instalación
Complementos para tu proyecto
Accesorios compatibles para sumar visión, audio y robótica al kit.
Preguntas frecuentes
¿En qué se diferencia del Jetson Nano y del Orin Nano sin Super?
El Jetson Nano original es la generación anterior, con GPU Maxwell de 128 núcleos. Este kit trae el módulo Jetson Orin Nano de 8 GB, con GPU Ampere de 1024 núcleos CUDA y 32 núcleos Tensor. Con el Orin Nano Developer Kit anterior comparte el hardware; lo que cambia es el software. Con JetPack 6.2 o superior y la configuración Super, la GPU sube de 625 a 1020 MHz, la CPU de 1,5 a 1,7 GHz, la memoria de 68 a 102 GB/s y el rendimiento de IA de 40 a 67 TOPS, en operaciones INT8 con dispersión en el modo MAXN SUPER; en modo denso son 33. El Orin Nano no tiene versión de 16 GB: los módulos de 16 GB son Orin NX.
¿Qué necesito para empezar y cómo se alimenta?
El kit no trae almacenamiento: necesitas una microSD UHS 1 de 64 GB o más, que va en la ranura de la cara inferior del módulo, o un SSD NVMe en una de las ranuras M.2 Key M. También un monitor con DisplayPort, teclado y mouse USB, y para preparar la instalación un computador con 25 GB libres y un pendrive de 16 GB o más. La única salida de video es DisplayPort; un monitor HDMI funciona con un adaptador DisplayPort a HDMI. La placa se alimenta con la fuente de 19 V incluida, por el jack DC; el puerto USB C es solo de datos. La fuente viene con un adaptador externo de enchufe europeo, de patas redondas, para conectarla en los enchufes de Chile. Si el firmware es anterior a la versión 36.0, la guía de inicio rápido de NVIDIA pide seguir primero la ruta de actualización de JetPack 6. Durante la instalación, el actualizador pide confirmar con Y y espera solo 30 segundos: si se pasa el aviso, la instalación falla más adelante.
¿Cuántas cámaras puedo conectar y qué video maneja?
Dos, una en cada conector MIPI CSI 2 de 22 pines con paso de 0,5 mm: CAM0 trabaja con 2 carriles y CAM1 con 2 o 4. Las cámaras con cable de 15 pines, como la Raspberry Pi Camera v2, necesitan un cable de conversión de 15 a 22 pines. En video decodifica por hardware en H.265 hasta 1 flujo 4K60, 2 de 4K30, 5 de 1080p60 u 11 de 1080p30. No tiene codificador de video por hardware: codificar a 1080p30 ocupa 1 a 2 núcleos de la CPU.
¿Qué es JetPack y en qué se diferencia de una Raspberry Pi?
JetPack es el paquete de software de NVIDIA para Jetson: incluye Jetson Linux, basado en Ubuntu, con los drivers de la placa, y las librerías CUDA, cuDNN y TensorRT para IA, más la librería de visión VPI. Para el modo Super necesitas JetPack 6.2 o superior. La diferencia con una Raspberry Pi está en la GPU: el Orin Nano ejecuta las redes neuronales con CUDA y TensorRT en una GPU NVIDIA Ampere de 1024 núcleos CUDA y 32 núcleos Tensor, y la Raspberry Pi no tiene GPU NVIDIA, así que no corre CUDA ni TensorRT.





