NVIDIA Jetson Xavier / Orin Industrial PCs
NVIDIA Jetson Xavier / Orin Industrial PCs – AI-Optimized Platforms for Edge Computing
Our NVIDIA Jetson Xavier and Orin industrial PCs are ideal for high-performance AI applications and edge computing. They offer exceptional GPU performance for tasks like machine learning, computer vision, and autonomous systems. Powered by the NVIDIA Jetson platform, they enable real-time analytics and inference directly on-site.
Key features of our NVIDIA Jetson Xavier / Orin Industrial PCs:
- AI Computing Power: NVIDIA GPUs for advanced AI and inference.
- Optimized for Edge Computing: Fast on-site data processing for autonomous systems and IoT.
- Rugged Design: Suitable for demanding industrial environments.
- Flexible Connectivity: GMSL2 cameras, Ethernet, USB, and 4G/5G.
- Fanless: Reliable and low maintenance.
Our NVIDIA Jetson industrial PCs provide the perfect solution for AI-intensive industrial applications.
- NVIDIA® Jetson Orin™ NX or Xavier™ NX SOM with JetPack Toolkit
- 4x IEEE 802.3bt PoE++ GbE ports
- 2x Mini-PCIe sockets for Wi-Fi/GNSS/NVMe/CAN modules
- 1x 3042/3052 M.2 B Key socket for mobile 4G/5G communication
- DC input, 8 to 35 V, with integrated ignition control
- MIL-STD-810H and EN 50155 certification
- Extremely lightweight at only 297g (345g including case)
- Up to 100 TOPS GPU computing power thanks to NVIDIA® Jetson Orin™ NX
- 2x GMSL2 camera ports, CAN bus, GPIO, and UART
- 2x GbE, 2x USB 3.2, 1x DisplayPort, 1x M.2 2230 SSD
- Built-in UART and CAN interface for controller
- Supports 4G/5G communication via micro SIM socket
- Powered by an NVIDIA® Jetson Orin™ NX SoM in combination with JetPack 5.1.1
- Up to 16 GB LPDDR5 RAM
- Up to 100 TOPS of computing power for AI inferencing
- 4x PoE+ or 6x USB 3.2 for connecting cameras
- RS-232/485 port
- M.2 2242 M-Key NVME slot
- Operating temperature range from -25 °C to 60 °C, fanless
- Powered by NVIDIA® Orin™ NX or Orin™ Nano SoM, bundled with JetPack
- IP66 waterproof and dustproof
- Fanless operation from -25°C to 70°C (No throttling at 70°C in 20W TDP mode)
- 6x GMSL2 automotive cameras via FAKRA Z connectors (NRU-161V-AWP)
- 4x PoE+ GbE via M12 X-coded connectors (NRU-162S-AWP)
- 1x CAN FD and 1x RS232 via M12 A-coded connectors
- Low-profile design with dimensions of 225 x 136 x 55 mm
- 8V to 35V DC input with built-in ignition power control
- NVIDIA Orin NX or Orin Nano CPU with JetPack
- 10.1" touchscreen with 1920 x 1200p resolution
- IP66 water and dust protection
- 6x GMSL2 ports or 4x M12 PoE+ GbE ports
- 1x CAN FD and 1x RS232 via waterproof M12 port
- 8-35V wide-range input with ignition control
- -25 °C to 60 °C fanless operating temperature
- NVIDIA® Jetson AGX Orin™ SoM with JetPack 5.1.1
- 32/64 GB LPDDR5 RAM
- 6x Gigabit/2.5G Ethernet via RJ45 or M12
- 1x M.2 2280 NVME SSD
- 2x mini-PCIe for expansions such as Wi-Fi, CAN, etc.
- Operating temperature -25°C to +70°C (fanless)
- 8-48 V wide-range input with ignition control
- Powered by NVIDIA® Jetson AGX Orin™ SoM
- IP66 waterproof and dustproof
- Supports 8x GMSL2 automotive cameras via FAKRA Z connectors
- 4x PoE+ GbE and 1x 10GBASE-T via M12 X-coded connectors Â
- 2x isolated CAN 2.0, 1x RS232 and 1x isolated RS485 via M12 A-coded connectors Â
- Powered by NVIDIA® Jetson AGX Orin™ SoM
- IP66 waterproof and dustproof
- Supports 8x GMSL2 automotive cameras via FAKRA Z connectors
- 4x PoE+ GbE and 1x 10GBASE-T via M12 X-coded connectors Â
- 2x isolated CAN 2.0, 1x RS232 and 1x isolated RS485 via M12 A-coded connectors Â
- NVIDIA® Jetson Orin™ NX / Xavier™ NX SOM with JetPack
- Support for 4x GMSL2 vehicle cameras via FAKRA Z connectors
- 1x 10GBASE-T 10Gb, 1x 1GBASE-T 1Gb Ethernet port
- 2x Mini-PCIe sockets for Wi-Fi/GNSS/NVMe/CAN modules
- 1x M.2 3042/3052 B Key socket for mobile 4G/5G communication
- 1x isolated CAN 2.0, 1x COM port, and 1x GPS PPS input
Paralleles Rechnen auf Grafikprozessoren
Die zur Bildverarbeitung benötigten Recheneinzelschritte sind relativ einfach und sie lassen sich gut parallelisieren. GPUs sind weniger komplex als CPUs aufgebaut, aber Hunderte von ihnen analysieren die Bilderflut von den angeschlossenen Kameras gleichzeitig. Das herkömmliche Rechnen durch lineares Durchlaufen von Algorithmen auf einem oder auf wenigen CPUs wird durch paralleles Rechnen auf sehr vielen GPUs stark beschleunigt.
Die Rechenleistungen für die Bildverarbeitung erreichen mit dem GPU-Konzept kaum vorstellbare Dimensionen. Wir sprechen von Größenordnungen von mehreren 100 Billionen Operationen pro Sekunde (eine Billion (1012) Floating Point Operations (FLOPs) sind ein TeraFLOP). Übrigens lassen sich auch andere Aufgaben als die Bildverarbeitung parallelisieren. „Graphical Computing“ kommt auch bei rechenintensiven Aufgaben wie z.B. der wissenschaftlichen Modellierung und bei Simulationen zum Einsatz.
Speziell in Fahrzeugen sind die Hunderte von TeraFLOPS oder kurz „TOPS“ nicht zentral in einem Rechenzentrum zu erbringen, sondern natürlich vor Ort, z.B. in einem fahrenden Fahrzeug: man spricht vom „Edge Computing“. Dabei ist die Strommenge, die in einem Fahrzeug zur Verfügung steht, begrenzt. Es kommt somit nicht nur auf hohe Rechenleistungen für Bildverarbeitung und künstlich intelligente Entscheidungsfindung (Inferenz) an, diese Rechenleistungen müssen zudem mit möglichst wenig elektrische Energie auskommen.
CUDA
Für parallele Berechnungen auf Hunderten bis Tausenden GPUs entwickelte NVIDIA einen „Programmier-Baukasten“ namens CUDA (Compute Unified Device Architecture), der neben einem Compiler und einer Laufzeitumgebung eine große Auswahl an Bibliotheken zur Verfügung stellt. Die Programmierer können mit bewährten Sprachen wie C, C++, Fortran, Python oder Matlab darauf zugreifen. Die GPU-Prozessorkerne und CUDA, also Hard- und Software, sind von NVIDIA aufeinander abgestimmt. CUDA-fähige GPU-Prozessoren heißen daher auch „CUDA-Kerne“.
Orin vs. Xavier
Die Geräte der Jetson Orin-Klasse sind Weiterentwicklungen der Xavier-Klasse. Mit doppelter Speicherkapazität und einem 1,4-fach größeren Arbeitsspeicher erreicht die Orin-Klasse 3,3-fach mehr Leistung als die Xavier-Klasse – gemessen an der Geschwindigkeit der Entscheidungsfindung (angegeben in „Inferenzen pro Sekunde“). Die NVIDIA-Entwickler arbeiten daran, die Orin-Hardware sogar 5-mal schneller als Xavier-Geräte laufen zu lassen.
Folgende Tabelle zeigt, welche Technologien noch dazu beitragen, Orin vor allem beim Deep-Learning leistungsfähiger zu machen als Xavier:
| Orin | Xavier |
| Integrierter NVIDIA® Deep Learning Accelerator (DLA) als „Hardware-Beschleunigung“ mittels effizienterer Verarbeitung von Daten. | Separate Tensor-Kern-Einheit für Deep-Learning-Operationen, was zu einer höheren Latenz und einem höheren Energieverbrauch führt. |
| Bis zu 12 ARM v8.2-kompatible CPU-Kerne und bis zu 2048 NVIDIA CUDA-Kerne: höhere Parallelität und Verarbeitungskapazität. | Acht ARM v8.2-kompatible CPU-Kerne und 512 NVIDIA® CUDA-Kerne. |
Jetson Anwendungen
Typische Anwendungsgebiete sind naheliegenderweise solche, die hohe Rechenleitungen erfordern und bei denen sich die Rechenschritte parallelisieren lassen, z.B.:
- in der Bildverarbeitung,
- beim maschinellen Lernen,
- beim Deep Learning (die eigentliche Künstliche Intelligenz),
- in der wissenschaftlichen Modellierung etwa der Wetter- und Klimaentwicklung,
- in Algorithmen für Strömungssimulationen
- bei der Bildsynthese für Filme und Computerspiele (Rendern).
Die Success Stories auf https://resources.nvidia.com/l/en-us-jetson-success-stories?ncid=no-ncid vermitteln einen Eindruck von der enormen Anwendungsvielfalt von NVIDIA Jetson Geräten in Industrie, Wissenschaft, Medizin und vielen weiteren Gebieten.