在第一次接触机器人、机器狗、无人机或者边缘 AI 项目时，经常会看到一个名字：
NVIDIA Jetson。
很多第一次接触的人都会有类似疑问：
Jetson 是显卡吗？
是服务器吗？
是一台电脑吗？
为什么机器人项目里经常会用到它？
它和 Ubuntu、ROS2、CUDA、TensorRT 又是什么关系？
如果之前主要接触的是 Web、Java、Go、Docker、Kubernetes 这类技术，那么看到 Jetson 时，最容易产生的误解就是把它当成“某一款硬件”。
实际上，Jetson 更准确地说是 NVIDIA 面向机器人、边缘 AI 和嵌入式场景推出的一整套计算平台。
这篇文章不深入硬件电路，也不讲复杂的 GPU 原理，只用比较通俗的方式把 Jetson 讲清楚。
先记住一句话：
NVIDIA Jetson 可以理解成一台可以装进机器人里的“小型 AI 电脑”。
它和普通电脑一样，也需要：
也可以运行各种软件。
但它和普通办公电脑最大的区别是：
Jetson 体积更小、功耗更低，同时带有 NVIDIA GPU，特别适合在机器人、摄像头、无人机等设备上直接运行 AI、视觉、导航和传感器处理程序。
所以第一次接触时，可以先粗略地这样理解：
普通台式机 / 笔记本
=
给人使用的通用电脑
Jetson
=
更适合装进机器人和智能设备里的小型 AI 电脑
这个类比虽然不完全严谨，但对于入门理解已经足够。
假设现在要做一台巡逻机器人。
机器人需要做很多事情：
读取激光雷达
读取摄像头
建立地图
判断自己在哪里
规划路线
识别人员和物体
处理视频
和后台通信
这些事情都需要计算机。
最直接的办法当然是：
给机器人放一台普通台式机。
但马上就会遇到问题：
太大
太重
功耗高
散热麻烦
需要更大的电源
不方便安装在机器人身上
机器人真正需要的是：
体积尽量小、功耗尽量低，但计算能力又足够强的电脑。
Jetson 就是为这一类场景设计的。
所以可以把它理解为：
“较强计算能力 + NVIDIA GPU + 较小体积 + 较低功耗”。
它非常适合放在机器人、无人机、自动驾驶设备、工业视觉设备里面。
Jetson 最重要的两个关键词是：
边缘计算 和 AI 加速。
所谓“边缘计算”，听起来很专业，其实非常简单。
假设机器人摄像头拍到一张图片，需要判断：
画面里有没有人？
一种做法是：
摄像头
↓
把图片上传到云服务器
↓
服务器运行 AI 模型
↓
得到识别结果
↓
再把结果传回来
这种方式依赖网络。
如果现场网络不好，可能会出现：
如果机器人身上装了一台 Jetson，就可以变成：
摄像头
↓
Jetson
↓
本地运行 AI 模型
↓
直接得到识别结果
也就是说：
数据就在设备旁边处理，不一定要先发到云端。
这就是“边缘计算”最通俗的理解。
Jetson 是 NVIDIA 的产品，其中一个非常重要的优势就是 GPU。
GPU 很适合处理：
所以机器人如果既要跑导航，又要处理摄像头、AI 模型，Jetson 就比较合适。
这里是第一次接触 Jetson 时最容易混淆的地方。
严格来说，Jetson 这个名字下面既有“计算模块”，也有“开发套件”，市场上还有基于 Jetson 模块做成的完整工控机。
先看最简单的结构：
Jetson 计算模块
↓
装到载板上
↓
接电源、网口、USB、摄像头、雷达等
↓
组成可以真正使用的计算机
NVIDIA 官方把很多 Jetson 产品做成了 System on Module（SoM）。
中文可以理解成：
把 CPU、GPU、内存等核心计算部分做在一个很小的模块上。
它有点像一台电脑的“核心”。
但只有这个模块还不方便直接接各种设备。
计算模块通常需要插到一块“载板”上。
载板负责提供各种接口，例如：
网口
USB
摄像头接口
M.2
显示接口
电源接口
可以把它类比成：
Jetson 模块
≈ 电脑的核心计算部分
载板
≈ 主板 + 各种外部接口
为了让开发人员不用一开始就自己设计硬件，NVIDIA 会提供 Developer Kit，也就是：
开发套件。
开发套件通常已经把：
Jetson 模块
+
参考载板
+
散热
+
各种常用接口
组合好了。
开发人员拿到以后，可以直接上手测试和开发。
所以你看到：
Jetson Orin Nano Developer Kit
不要简单理解成“一个芯片”。
它实际上更接近：
一套可以直接拿来做开发和验证的小电脑。
这就是刚才“模块、开发套件、成品机”的区别。
大概可以分成三种：
第一种：Jetson 模块
只负责核心计算
第二种：Jetson 开发套件
模块 + NVIDIA 参考载板
适合开发、学习、原型验证
第三种：Jetson 工业主机
模块 + 第三方载板 + 外壳 + 散热 + 电源设计
适合真正装进产品
所以在实际机器人项目里，经常不是直接把 NVIDIA 官方开发板“裸着”装进去。
真正产品化时，可能会购买第三方厂商做好的：
Jetson 边缘计算盒 / Jetson 工控机。
里面的核心计算模块仍然是 NVIDIA Jetson。
可以用一个简单的表格理解：
| 对比 | 普通电脑 | Jetson |
|---|---|---|
| 主要场景 | 办公、开发、游戏 | 机器人、边缘 AI、智能设备 |
| 体积 | 通常较大 | 可以非常小 |
| 功耗 | 通常较高 | 更强调低功耗 |
| GPU | 不一定有 NVIDIA GPU | 集成 NVIDIA GPU |
| AI 推理 | 可以做 | 非常重要的使用方向 |
| 接传感器 | 不是主要目标 | 很常见 |
| 长期嵌入设备 | 不方便 | 就是典型场景 |
| 架构 | 常见 x86 | Jetson 通常为 ARM 架构 |
最后这一点需要注意。
Jetson 并不等于一台“小型 x86 服务器”。
它通常是 ARM 架构，所以某些只支持 x86 的软件，不能想当然地直接拿过去运行。
Jetson 不是开机以后直接进入一个“NVIDIA 专用系统”。
通常它会运行 NVIDIA 提供的 Jetson Linux 软件环境。
在实际使用时，你看到的仍然是熟悉的 Linux 世界。
可以粗略理解为：
Jetson 硬件
↓
Jetson Linux
↓
Linux / Ubuntu 用户空间
↓
各种应用程序
所以开发 Jetson 时，很多操作仍然很像普通 Linux：
SSH 登录
安装软件
执行命令
启动服务
查看日志
Docker 容器
Python
C++
ROS2
对于做 Linux 服务器开发的人来说，并不是完全陌生的世界。
这是第一次接触 Jetson 时特别容易混淆的一组概念。
先记住最简单的一句话：
Jetson = 硬件
JetPack = NVIDIA 给 Jetson 准备的软件套装
可以先用普通电脑来类比：
联想 / 戴尔电脑
= 硬件
Windows + 驱动 + 一些基础组件
= 软件环境
对应到 Jetson：
Jetson
= 小型 AI 电脑硬件
JetPack
= NVIDIA 官方给 Jetson 准备的软件环境
所以：
JetPack 不是另一台设备，也不是 Jetson 的某个硬件型号。
例如：
Jetson Orin NX
这是一个 Jetson 硬件型号。
而：
JetPack 6
JetPack 7
这是 软件版本。
可以再用手机做一个非常粗略的类比：
iPhone
= 硬件
iOS
= 软件系统
Jetson 和 JetPack 的关系有点像这个思路，但并不是完全一一对应，因为 JetPack 比单纯的“操作系统”内容更多。
JetPack 不是一个单独的软件，而是一整套 NVIDIA 官方软件环境。
里面通常会包含或配套：
Jetson Linux
NVIDIA 驱动
CUDA
cuDNN
TensorRT
多媒体组件
开发工具和库
因此可以把它理解成：
JetPack = Jetson 的操作系统基础 + NVIDIA 驱动 + GPU/AI 开发环境 + 一系列官方工具。
关系可以画成：
Jetson
= 硬件计算平台
↓
安装 / 准备 JetPack
↓
Jetson Linux / Ubuntu 环境
↓
CUDA / TensorRT 等 NVIDIA 能力
↓
再安装 ROS2
↓
再安装雷达驱动 / SLAM / Nav2 / 机器人程序
所以你以后看到：
Jetson Orin Nano + JetPack 6.x
可以直接翻译成：
一台 Orin Nano 硬件，上面运行 JetPack 6.x 这一套 NVIDIA 官方软件环境。
理论上，Jetson 硬件当然需要 Linux 系统才能运行。
但 Jetson 不是普通 PC。
它还涉及：
GPU 驱动
CUDA
摄像头支持
硬件加速
TensorRT
多媒体编解码
Jetson 专用底层组件
所以实际使用时，一般不是随便找一个普通 Ubuntu 镜像直接安装。
更常见的做法是：
按照 NVIDIA 官方支持方式，准备对应版本的 JetPack / Jetson Linux。
这样 Jetson 的 GPU、摄像头、硬件加速等能力才能比较完整地使用。
如果只记两句话：
Jetson 是电脑。
JetPack 是 NVIDIA 给这台电脑准备的软件套装。
再往后才是：
Jetson
↓
JetPack
↓
Ubuntu / Jetson Linux 环境
↓
ROS2
↓
雷达、SLAM、Nav2、AI、机器人程序
这样 Jetson、JetPack、Ubuntu、ROS2 四个概念就不会混在一起了。
Jetson 的文章里还经常会出现两个词：
CUDA
TensorRT
第一次接触时不用研究太深。
可以先理解成：
让程序能够使用 NVIDIA GPU 做计算的一套平台和工具。
比如一个 AI 程序原来主要由 CPU 计算。
借助 CUDA，可以让适合 GPU 的计算交给 NVIDIA GPU。
TensorRT 更偏向 AI 推理。
可以简单理解成：
帮助训练好的 AI 模型在 NVIDIA GPU 上跑得更快、更高效的工具。
所以关系可以粗略理解成：
Jetson
↓
NVIDIA GPU
↓
CUDA
↓
AI / 图像 / 计算
训练好的 AI 模型
↓
TensorRT 优化
↓
在 Jetson 上更高效地运行
初学阶段不需要知道 TensorRT 内部怎么优化。
先知道：
它是 NVIDIA AI 推理加速的重要工具。
就够了。
这是机器人项目里非常常见的组合。
先分别看：
Jetson：一台负责计算的“小电脑”。
ROS2：一套机器人软件框架和通信平台。
所以它们的关系很简单：
Jetson
↓
安装 Linux / Jetson 软件环境
↓
安装 ROS2
↓
运行机器人程序
例如：
Jetson
│
├── ROS2
│
├── 激光雷达驱动
├── 摄像头程序
├── SLAM 建图
├── Nav2 导航
├── 机器人控制程序
└── AI 识别程序
所以：
Jetson 是“电脑”，ROS2 是运行在电脑上的机器人软件基础平台。
一定不要把两个概念混在一起。
假设我们买了一条机器狗。
机器狗自己已经会：
站立
行走
转弯
保持平衡
但我们现在想让它变成：
自动巡逻机器狗。
于是给机器狗增加：
Jetson
激光雷达
摄像头
网络
这时候可以形成这样的结构：
机器狗
│
┌──────────┴──────────┐
│ │
机器狗本体 Jetson
│ │
负责站立、走路 负责高级计算
│
┌─────────┼─────────┐
│ │ │
ROS2 SLAM Nav2
│ │ │
雷达 建图 导航
│
摄像头
│
AI识别
这里 Jetson 并不是替代机器狗自己的控制器。
机器狗原本的控制器仍然负责：
腿怎么动、怎么保持平衡。
Jetson 更像外挂的一台“高级计算机”，负责：
感知、地图、导航、AI、视频、业务程序。
所以有人把 Jetson 比喻成机器人的“大脑”，这个说法方便理解，但严格来说不完全准确。
因为机器人内部通常并不是只有一个“大脑”。
更准确地说：
Jetson 是机器人上负责高级计算的重要计算单元。
还是把 Jetson 当成普通电脑理解。
比如一个激光雷达可能通过：
网口
USB
连接 Jetson。
摄像头可能通过：
USB
网口
MIPI CSI
连接 Jetson。
于是整个数据链路可能是：
激光雷达
↓
Jetson
↓
雷达驱动
↓
ROS2
↓
SLAM
↓
地图
摄像头则可能是：
摄像头
↓
Jetson
↓
视频程序
↓
AI 模型
↓
识别结果
因此 Jetson 的各种硬件接口非常重要。
Jetson 本质上是一台电脑，所以联网方式和普通电脑很像。
常见方式包括：
有线网口
Wi-Fi
USB 网卡
4G / 5G 模块
4G / 5G 路由器
例如机器狗在园区巡逻，可以是：
Jetson
↓ Wi-Fi
4G/5G 随身路由器
↓
运营商网络
↓
互联网
↓
后台服务器
这样 Jetson 就可以：
需要注意的是：
具体有没有 Wi-Fi、几个网口、有没有 4G/5G，要看具体 Jetson 模块、载板或整机的设计。
不能只看到“Jetson”三个字就认为接口完全一样。
Jetson 并不是要替代所有云服务器。
更常见的方式是：
机器人现场
Jetson
↓
负责实时计算
雷达 / 导航 / AI / 视频处理
↓
网络
↓
云端或中心服务器
↓
负责后台管理
用户
任务
设备
记录
统计
也就是说：
实时、低延迟、必须在设备旁边完成的事情，可以放在 Jetson。
例如：
避障
导航
摄像头 AI
传感器处理
而更偏业务管理的事情，可以放在服务器：
账号
设备管理
巡逻任务
历史记录
报表
权限
这也是“边缘 + 云”比较常见的一种架构。
Jetson 不是一个单独型号，而是一个系列。
截至 2026 年，NVIDIA 官方产品线中可以看到包括：
Jetson Orin Nano
Jetson Orin NX
Jetson AGX Orin
Jetson AGX Thor
还有更早的：
Jetson Nano
Jetson Xavier
Jetson TX2
第一次接触时，不需要马上研究每个型号的参数。
可以先粗略理解成不同性能档位：
Orin Nano
偏入门、低功耗
Orin NX
性能更强，体积仍然较小
AGX Orin
更高性能，适合更复杂的机器人和多路 AI
AGX Thor
更新一代、更高端的机器人 / Physical AI 平台
需要特别注意：
Jetson Nano 和 Jetson Orin Nano 不是同一个产品。
Jetson Nano 是更早的一代产品。
Jetson Orin Nano 是 Orin 架构下的新一代产品。
名字里都带 Nano，但不是简单的同一块板子。
看 Jetson 参数时经常会看到：
67 TOPS
157 TOPS
275 TOPS
TOPS 可以粗略理解成：
衡量 AI 计算能力的一个指标。
数字越高，一般表示理论上可以处理更多 AI 运算。
但不要只用 TOPS 判断设备一定“更快”。
实际效果还和很多因素有关：
模型类型
模型精度
内存
功耗模式
软件优化
TensorRT
数据预处理
并发任务
对于第一次选型的人来说，先记住：
TOPS 是 AI 算力参考指标之一，不是唯一指标。
就可以了。
第一次接触嵌入式计算时，也很容易拿 Jetson 和树莓派比较。
两者都可以做成很小的电脑。
但侧重点不一样。
可以非常粗略地理解：
| 对比 | 树莓派 | NVIDIA Jetson |
|---|---|---|
| 定位 | 通用小型计算机、教育、IoT | AI、机器人、边缘计算 |
| GPU AI 能力 | 不是核心卖点 | 核心优势之一 |
| CUDA / TensorRT | 不属于 NVIDIA CUDA 生态 | NVIDIA 原生生态 |
| 机器人开发 | 可以 | 很常见 |
| AI 视觉 | 可以做 | 更适合复杂 AI 推理 |
| 成本 | 通常更低 | 根据型号可能更高 |
并不是说：
Jetson 一定比树莓派“好”。
而是：
如果项目重点是 AI、视觉、机器人感知，Jetson 的定位通常更合适。
不一定。
机器人也可以使用：
普通 x86 工控机
AMD / Intel 平台
其他 ARM 平台
其他 AI 加速芯片
Jetson 只是非常常见的一种选择。
它受欢迎的原因主要是：
体积小
功耗相对可控
GPU 算力强
CUDA 生态成熟
TensorRT
机器人生态丰富
适合边缘 AI
如果项目根本不需要 AI，或者对功耗、成本、接口有不同要求，也完全可能选择其他计算平台。
所以选 Jetson 的正确思路不是：
“机器人都要用 Jetson。”
而应该是：
我们的计算需求、AI 模型、传感器数量、功耗、尺寸和预算，是否适合 Jetson。
第一次做项目，很容易只关注：
多少 TOPS？
但真正落地时还应该关注：
AI 模型、ROS2、导航、视频同时运行，都需要内存。
机器人靠电池供电。
Jetson 功耗越高，对续航影响越明显。
高负载运行会产生热量。
机器人内部空间又比较小，所以需要认真考虑散热。
需要确认：
有几个网口？
有几个 USB？
摄像头怎么接？
雷达怎么接？
是否需要 M.2？
有没有 Wi-Fi？
是否要 4G/5G？
是外接路由器还是直接装通信模块？
需要确认：
JetPack 版本
Linux 版本
ROS2 版本
CUDA 版本
TensorRT 版本
雷达驱动
摄像头驱动
AI 模型
这些版本之间如果不兼容，开发时会比较痛苦。
所以真实项目的选型，从来不是：
“买算力最大的那个。”
而是：
“选择最适合整个系统的那个。”
最后把整个关系串起来。
云端 / 后台服务器
↑
│ 网络
↓
┌─────────────────────┐
│ Jetson │
│ │
│ Linux / JetPack │
│ ↓ │
│ ROS2 │
│ ↓ │
│ ┌────┬────┬────┐ │
│ ↓ ↓ ↓ ↓ │
│雷达 SLAM Nav2 AI │
│驱动 建图 导航 识别 │
└──┬──────────────┬───┘
│ │
↓ ↓
激光雷达 摄像头
│
↓
机器人控制接口
│
↓
机器人
如果把机器人比作一个人：
机器人本体
≈ 身体
雷达 / 摄像头
≈ 眼睛和感官
Jetson
≈ 负责高级计算的大脑之一
ROS2
≈ 各个感官和程序之间的协作体系
云端后台
≈ 远程管理中心
这个类比虽然不是严格的工程定义，但非常适合第一次建立整体概念。
如果只记一句话：
NVIDIA Jetson 是面向机器人和边缘 AI 的小型计算平台，可以理解成一台能够装进机器人里的高性能 AI 小电脑。
它可以运行 Linux、ROS2、雷达驱动、建图、导航、视频和 AI 程序。
它最大的特点不是“电脑特别小”这么简单，而是：
在较小体积和较低功耗下，提供 NVIDIA GPU 和完整的 AI 软件生态，让很多原本需要服务器完成的计算可以直接放到机器人身上完成。
所以以后再看到：
Jetson
ROS2
SLAM
Nav2
CUDA
TensorRT
可以先把关系理解成：
Jetson
=
硬件计算平台 / 小型 AI 电脑
JetPack
=
NVIDIA 给 Jetson 准备的官方软件套装
ROS2
=
机器人软件框架
SLAM
=
建图和定位
Nav2
=
导航
CUDA / TensorRT
=
NVIDIA GPU 与 AI 加速工具
把这一层关系建立起来以后，再去看机器人、机器狗、无人机或者边缘 AI 项目的技术架构，就不会觉得每一个名词都是完全独立、毫无关系的东西了。
注：Jetson 产品线和软件版本会持续更新，具体型号、性能、JetPack 和生命周期信息应以 NVIDIA 官方最新资料为准。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。