Edge AI NVIDIA Jetson Orin NX/Nano inference system with 1TB SSD
AI 深度學習工作站，小規模推論系統
精巧高效的AI Box
NVIDIA® JetsonOrin NX 16GB/8GB 和 Orin Nano 8GB/4GB 模組
支援12~24V寬電壓和-10~55 °C寬溫。
多重 I/O 介面：包含 LAN、DIO、COM、CANBus、USB 3.2 以及透過 Type-C 傳輸的 MIPI 介面
多元擴充介面：支援 M.2 B Key、M.2 E Key 及 SD 卡插槽
支援 Linux Ubuntu 22.04 LTS 和 JetPack SDK 6.2 以上版本
支援 GenAI Studio，可用於模型微調與推論應用
1) AIR-021 三款快速對照表（重點差異加粗）
| 項目 | AIR-021O-S0A1U | AIR-021O-B0A1U | AIR-021R-S7A1U |
|---|---|---|---|
| Jetson 平台 | Orin NX 16GB | Orin NX 8GB | Orin Nano 8GB |
| CPU | 8-core A78AE | 6-core A78AE | 6-core A78AE |
| GPU | 1024-core Ampere + 32 Tensor | 1024-core Ampere + 32 Tensor | 1024-core Ampere + 32 Tensor |
| AI 效能 (Super Mode) | 157 TOPS | 117 TOPS | 67 TOPS |
| RAM | 16GB LPDDR5 | 8GB LPDDR5 | 8GB LPDDR5 |
| Ethernet | LAN1 1GbE + LAN2 2.5GbE | 同左 | 同左 |
| HDMI | 4K@60Hz | 4K@60Hz | 4K@30Hz（Nano） |
| USB | 4x USB 3.2 Gen2 Type-A | 同左 | 同左 |
| MIPI CSI | 2x MIPI CSI input | 同左 | 同左 |
| CANBus | DB9 (1Mbps) | 同左 | 同左 |
| COM | 2x RS232/422/485 | 同左 | 同左 |
| TPM | TPM2.0（NPCT764AAEYX） | 同左 | 同左 |
| 儲存 | M.2 2280 (PCIe x4) + M.2 2242 (PCIe x1) | 同左 | 同左 |
| 5G 擴充 | M.2 3052 B Key（附 Nano SIM holder） | 同左 | 同左 |
| WiFi/BT | M.2 2230 E key | 同左 | 同左 |
| 電源 | 12–24V DC-IN，120W 變壓器 | 同左 | 同左 |
| OS | Ubuntu 22.04 + JetPack 6.2 | 同左 | 同左 |
| 尺寸/重量 | 138×110×57 mm / 1.2kg | 同左 | 同左 |
✅ 共用的 I/O 幾乎一樣
📌 真正影響選型的只有：算力（TOPS）+ RAM（16GB vs 8GB）+ CPU 核心數 + Nano HDMI 4K@30
2) 選型建議（依專案類型）
A) 你要做「工廠品檢 / 目標偵測」1~2 路影像
✅ 建議：AIR-021R-S7A1U（Orin Nano 8GB / 67 TOPS）
適合：
YOLOv8n / YOLOv8s
OCR（中小模型）
單路或雙路 1080p/2K
長期穩定、低成本部署
限制：
大模型、多 pipeline、多人多路 tracking 會吃緊
HDMI 僅 4K@30（若要 4K UI 顯示流暢度要注意）
B) 你要做「多鏡頭、或同時跑偵測+分類+OCR」
✅ 建議：AIR-021O-B0A1U（Orin NX 8GB / 117 TOPS）
適合：
2~4 路攝影機（1080p）
YOLO + Tracking + OCR 同時跑
需要較高 FPS，但還想控制成本/功耗
限制：
RAM 8GB：如果你用 Docker 跑多容器、多模型比較容易爆
C) 你要做「多模型融合 / 多路 AI / 或未來要加 LLM/VLM」
✅ 強烈建議：AIR-021O-S0A1U（Orin NX 16GB / 157 TOPS）
適合：
多路視覺（多攝影機）
YOLO/Segmentation 同時跑
加上語意判斷（例如小型 LLM）
Docker 多容器（n8n/agent/推論服務）共存
👍 你這種 IT/OT 整合 + 長期擴充需求，我會更偏向推 NX 16GB，因為 RAM 才是真正的保險。
3) 很重要：TOPS 不等於實際 FPS（實務提醒）
你這份規格提到 Super Mode 的 TOPS（157/117/67）。
📌 實務上影響推論吞吐的還包括：
模型大小（YOLO n/s/m/l/x）
輸入解析度（1080p vs 4K）
是否做多路串流 decode（GStreamer/DeepStream）
同時跑幾個容器/服務（尤其你常用 Docker）
NX 16GB 的價值通常不是多 40 TOPS，而是多出「可用 RAM 空間」讓系統穩。
4) 採購建議
AIR-021R (Orin Nano 8GB)：入門型 AI 視覺控制器（單點部署）
AIR-021O NX 8GB：主流型工廠 Edge AI（多鏡頭/多任務）
AIR-021O NX 16GB：旗艦型工廠 Edge AI（多模型融合/擴充最穩）
AIR-021R (Orin Nano 8GB)：入門型 AI 視覺控制器（單點部署）
AIR-021O NX 8GB：主流型工廠 Edge AI（多鏡頭/多任務）
AIR-021O NX 16GB：旗艦型工廠 Edge AI（多模型融合/擴充最穩）
規格 Edge AI NVIDIA Jetson Orin NX/Nano inference system with 1TB SSD
| 記憶體 | 8GB 或 16GB |