1. Jetson平台全景与课程任务

NVIDIA Jetson 不是一块普通的开发板，而是一整套面向边缘 AI 的嵌入式计算平台。理解它的第一步，是把“模组（Module）”和“开发套件（Developer Kit）”区分开：模组是真正焊到产品板上的核心计算单元，包含 SoC、内存、eMMC、电源管理芯片和连接器；开发套件则是把模组装在一块载板上，配上接口、散热和电源，方便开发者先验证再设计自己的载板。课程后续的硬件适配工作，本质上就是围绕“模组 + 自研载板”展开的。

Jetson 系列模组与开发套件对比

Jetson 家族按算力、功耗和接口能力分层。入门级 Nano 系列（如 Jetson Nano、Orin Nano）功耗约 5～15 W，适合轻量视觉与入门教学；中端 Xavier NX、Orin NX 提供 20～40 TOPS 级算力，常用于多路摄像头与机器人；高端 AGX Xavier、AGX Orin 可达 100～275 TOPS，面向自动驾驶域控、工业质检等重负载场景。选型时不能只看 TOPS，还要看内存带宽、编解码路数、PCIe 通道数和 CSI 接口数量——这些直接决定你能接几路相机、跑多大的模型。

开发套件方面，官方 DevKit 通常包含模组、载板、电源适配器和散热方案，出厂已烧录 JetPack，开箱即可用。但官方套件的接口布局是“演示导向”的，量产时几乎一定要自研载板。因此课程把“在 DevKit 上跑通”和“在自研载板上跑通”当作两个不同阶段，前者验证软件，后者验证硬件。

典型应用场景

Jetson 的典型场景可以归纳为四类：一是智能视觉，如多路 RTSP 视频接入、目标检测与跟踪；二是机器人与自主移动，如 SLAM、路径规划、传感器融合；三是工业与医疗边缘设备，如缺陷检测、内窥镜图像处理；四是智能零售与交通，如客流统计、车牌识别。这些场景的共同点是：数据在本地产生、要求低延迟、对功耗和体积敏感，且往往需要多传感器同步。课程中的实战案例会以“多路相机 + 推理 + 结果上报”为主线，因为它同时覆盖了 CSI、ISP、内存带宽、散热和网络等适配要点。

嵌入式 Linux 开发流程

Jetson 运行的是基于 Ubuntu 的 Linux for Tegra（L4T），开发流程与通用嵌入式 Linux 有相似之处，但多了 GPU、DLA、ISP 等异构单元的适配。一个完整的流程通常包括：环境搭建（安装 SDK Manager、配置交叉编译或本地编译）、系统烧录（通过 USB 或 NVMe 刷入 JetPack）、驱动与设备树适配（修改 DTB、配置 pinmux、使能外设）、应用开发（CUDA/TensorRT/DeepStream 或自研程序）、性能调优（功耗模式、时钟、散热策略）以及部署与 OTA 升级。其中设备树和 pinmux 是硬件适配的核心，也是本课程重点展开的部分。

硬件适配在项目中的位置

很多初学者以为“烧录完 JetPack 就能直接做产品”，实际上从开发套件到量产设备之间，硬件适配是绕不开的一环。它位于“模组选型”和“应用部署”之间，向上承接原理图与 PCB 设计，向下决定驱动能否正常加载、外设能否被识别。具体来说，硬件适配要解决四类问题：电源与上电时序是否满足模组要求；设备树与 pinmux 是否正确描述载板上的外设连接；高速接口（CSI、PCIe、USB）的信号完整性是否达标；散热与功耗模式是否匹配实际负载。任何一项出问题，表现都可能是“系统能启动但相机不出图”“PCIe 设备枚举失败”或“跑几分钟就降频”。

课程实战目标与交付物定义

本课程以一个可复现的实战项目贯穿始终：基于 Jetson Orin Nano 模组与自研载板，接入两路 MIPI CSI 相机，运行一个轻量目标检测模型，并将结果通过以太网上报。课程结束时，你需要交付以下成果：一份可编译的设备树与 pinmux 配置，一份载板硬件检查清单（含电源时序、接口定义、散热方案），一个能在目标板上稳定运行 30 分钟以上的推理程序，以及一份记录关键参数与验证结果的适配报告。这些交付物不是形式主义，而是把“能跑”变成“可复现、可交接”的必要手段。