文章目录1. 结论先行2. 容易选错的地方3. 规格对照数量级4. 按场景选4.1 工业产线单机位4.2 AMR / 移动机器人机舱4.3 路侧 / 机柜多相机4.4 多模型并发4.5 预研以后要上大模型4.6 从 Xavier NX / 老方案换代5. 工程差异比参数表更要紧5.1 内存5.2 I/O 与载板5.3 散热、供电与 BOM5.4 引擎、镜像与团队协作6. 决策顺序7. 常见坑8. 小结摘要Orin 三档里Nano 管入门真正纠结往往在 Orin NX 和 AGX Orin都是量产主力都能跑多路检测差在体积功耗、内存与 I/O 余量、整机成本。本文按场景给结论再对照算力、内存、接口、散热并写清什么时候该升 AGX、什么时候 NX 就够。适合做工业视觉主机、AMR、路侧箱选型的人。规格以 NVIDIA Jetson Orin 手册为准。1. 结论先行情况更倾向机箱紧、供电散热紧、48 路检测为主Orin NX多模型常驻、高分辨率多路、高速扩展口要多AGX Orin已用 NX 测过内存或降频先顶满再评估AGX以后可能上端侧大模型 / VLAAGX 做 Orin 顶格更重再看Thor预算和外壳已按紧凑模组设计先把NX跑满再谈升旗舰NX 解决「塞得进、跑得稳」AGX 解决「余量大、接口与并发顶得住」。不是谁更「先进」的问题是谁更匹配外壳与负载。可对照已发布文NVIDIA Jetson Orin NX 简介NVIDIA Jetson AGX Orin 简介Jetson Orin 和 Thor 怎么选2. 容易选错的地方只比 TOPS宣传峰值差一截现场却卡在相机口、网口、NVMe、壳温降频。用 DevKit 当量产AGX DevKit 接口慷慨量产载板砍口之后旗舰算力用不满。按「能跑通 Demo」下单单路 YOLO 两边都能跑差在 7×24、多路、多模型同时常驻。和 Thor 搅在一起NX vs AGX 是同代 Orin 内部分档要上重生成式 / Physical AI另开 Thor 评估别用 AGX 假装 Thor。边界见 Jetson Orin 和 Thor 怎么选。3. 规格对照数量级具体 SKU 以数据手册为准下表只建立直觉维度Orin NX常见AGX Orin常见定位紧凑中端Orin 旗舰AI 性能量级约 70100 TOPS8/16GB 档约 200275 TOPS32/64GB 档GPUAmpere约 1024 CUDA 量级Ampere高配约 2048 CUDA 量级CPU约 68 核高配约 12 核内存8GB / 16GB32GB / 64GBDLA8GB 常见 1 颗16GB 常见 2 颗通常 2 颗功耗区间约 10W25W 可配视软件档约 15W60W 可配形态小模组 载板为主AGX 模组 / DevKitI/O 更完整软件同属 JetPack / TensorRT / DeepStream同左选型时同时看三件事目标功耗档下的有效算力、内存能否常驻、载板 I/O 是否够。三者缺一TOPS 再高也交付不了。分档背景也可看 NVIDIA Jetson Orin 系列简介。4. 按场景选4.1 工业产线单机位24 路 1080p检测 简单规则告警优先 NX 16GB内存比 8GB 从容已证明要同时跑检测、分类、录像、推流再量 AGX4.2 AMR / 移动机器人机舱体积、重量、电池预算紧优先 NX导航感知 一路前视检测很常见多传感器融合且要常驻第二大模型时再看 AGX4.3 路侧 / 机柜多相机6 路及以上、要跟踪与事件、还要本地落盘先用 NX 压测解码 推理 编码是否同顶掉帧且 GPU/内存双高 → AGX若只是网口或硬盘瓶颈换旗舰没用4.4 多模型并发主检测 二次属性 小语义模型同时常驻AGX 更合适内存与算力余量NX 也能做但要严格做模型卸载、interval、DLA 分流见 Orin 上 DLA 和 GPU 怎么分工、怎么用4.5 预研以后要上大模型算法验证NX / AGX 都能做小参数试验产品主路径是端侧 LLM/VLM/VLAAGX 顶格 Orin不够再评估 Thor不要因为「以后可能」就跳过 NX 实测直接上 AGX 却把外壳做成闷罐4.6 从 Xavier NX / 老方案换代机械与载板若接近 NX 形态优先 Orin NX改动面小原方案已是 AGX Xavier 主机位、口多功耗高对位 AGX Orin更省事软件要按目标板重建 TensorRT engineJetPack 代际也不要混着抄旧命令5. 工程差异比参数表更要紧5.1 内存负载NX 8GBNX 16GBAGX 32/64GB单路检测通常够够余量大多路 DeepStream 容器容易紧常见舒适区从容多模型常驻吃力要精打细算更合适内存不够的表现往往是swap 拉高、偶发 OOM、帧率抖动不宜简单归因为「GPU 算力不够」。NX 内部若只能二选一多路 容器场景我更常直接上16GB少在 8GB 上赌。5.2 I/O 与载板相机路数、网口、NVMe、CAN、GPIO看载板不看模组宣传图。AGX 路线通常更好做「口多、带宽高」的主机NX 路线更好做「壳小、功耗低」的嵌入。选模组前先锁载板接口清单CSI 路数、是否要 2.5G/10G、是否要双 NVMe、调试口是否保留。5.3 散热、供电与 BOM同一套软件开放 DevKit 上的 FPS 不能写进封闭外壳的合同。NX 在紧凑壳里对风道更敏感AGX 功耗上限更高电源模组、电感发热、安规认证成本也更高。把「模组差价」当成总成本会误判——很多项目 AGX 贵在电源与结构不在模组本身。量产前至少做目标壳温下的满负载半小时、断电复电、供电拉偏。软件指标建立在热稳态上而不是上电前五分钟。5.4 引擎、镜像与团队协作NX 与 AGX 的 TensorRT engine不能互拷当同一产物。交付按目标 SKU 分别构建或在设备首启本地建引擎。JetPack 大版本也要团队统一避免「NX 一台 5.x、AGX 一台 6.x」混着排障。容器同理L4T 标签跟板走CI 里按 SKU 矩阵出包比「通用最新镜像」少炸现场。6. 决策顺序写清负载路数、分辨率、模型列表、是否常驻、是否要编码推流写清约束体积、供电、壳温、成本上限用NX做同配置压测能借板就借看瓶颈在 GPU、内存、解码、磁盘还是网络只有前两项长期顶满或 I/O 需求明确超出 NX 载板能力再上AGX生成式成为主路径再单开 Thor 评估勿与本次选型绑死决策表示意项填写路数 × 分辨率 × 目标 FPS常驻模型列表与显存/内存估计载板必须接口壳内目标温度 / 供电上限NX 压测瓶颈GPU / 内存 / IO / 网络结论NX 16GB / AGX / 再测7. 常见坑现象多见原因处理买了 AGX壳里一直降频电源/风道按 NX 做的先改热设计再谈软件NX 掉帧换 AGX 差不多瓶颈在存储或网络先换 NVMe/交换机8GB NX 多容器杀进程内存顶满升 16GB 或减常驻模型Demo 很快现场不稳未固定功耗档与温度统一nvpmodel再对比两台板引擎混乱跨 SKU 硬拷 engine按板重建选型会上只比 TOPS忽略载板与热把接口清单和热实测拉进评审8. 小结Orin NX 和 AGX Orin 都是量产主力体积、功耗、成本优先多路视觉可压测跑稳 → NX多模型、高内存、富 I/O、要明显余量 → AGX先看场景和压测瓶颈再看 TOPS 表格。和 Thor 的选择是另一条线Orin 内部分档定不了「要不要上 Physical AI 旗舰」。