我从2019年开始用NVIDIAJetsonNano开发套件，最初是被NVIDIA推出的Jetbot智能小车所吸引。这款小车售价不超过2,000元，可以实现智能避撞功能，总共使用了大约10个零件(具体见下图)。我只花了大约6个小时的时间，几乎不需要焊接，就完成了小车的组装。然后，我就可以开始执行教程中的几个基本功能，非常方便。

　　虽然后续并没有持续在智能小车上开发更多应用，但是Jetbot所使用的JetsonNano开发套件，却成为笔者学习人工智能与边缘计算的最重要工具，因为它解决了不少对笔者造成困扰的问题，主要如下：

　　(一)满足双系统操作

　　由于近年来人工智能技术都是基于人工神经网络的基础，而CUDAGPU经过10年以上的验证，是目前最适合执行大型神经网络的计算架构，因此笔者最初学习人工智能应用时，就是在一台x86系统上安装CUDA架构的GPU计算卡，最入门的设备也只需要5,000人民币的购置成本，以及500W以上的使用功耗。

　　最麻烦的问题，就是大部分关于人工智能的资源是基于Linux操作系统发展的，如果要复现前人的精华成果，就得在大致相同的环境下进行操作。但是Linux操作系统上缺少很多日常办公用途的软件，例如微信、QQ、Photoshop等依赖度高的应用，因此搭建“双系统”环境就成为第一个挑战。

　　这里的“双系统”并非指在一台机器上安装两个可启动的操作系统，然后在开机时选择要启动Windows或Ubuntu系统，因为这种方式一次也只能启动一个，并不能解决前面所提到的问题。

　　以下提供两种解决方案：

　　使用虚拟机技术

　　VMware或VirtualBox等虚拟机可能是比较好的选择，但目前这些技术并不支持直连GPU的功能，如果在Windows操作系统搭建Ubuntu虚拟机，是无法提供对CUDA开发环境的支持，也就无法执行GPU的智能计算功能。

　　于是解决的方案就是在x86机器上先安装Ubuntu操作系统，然后创建Windows的虚拟机，这样就能在Ubuntu上执行编程调试等开发任务，在Windows虚拟机上执行办公相关的操作，是目前看来比较合适的搭配。

　　最终存在的问题，就是您得将 Windows 操作系统完整迁移到虚拟机上，否则从头创建一个新的操作环境，代表很多设定或密码也得重来一次。

　　使用两套独立系统

　　大部分先进技术工作者都会使用便携式办公设备，例如笔记本电脑或平板电脑，而这类设备几乎都不具备 CUDA GPU 开发能力。因此要学习或开发人工智能应用的话，就需要另一台具备 CUDA 开发环境的独立系统，然后从惯用的办公设备去远程操作 CUDA 计算设备，这样的组合是最合适的方式，互相不影响。

　　在 NVIDIA 推出 Jetson 嵌入式设备之前，我们只能选择在 x86 电脑插上 CUDA 架构 GPU 计算卡的方式。由于体积、重量和电源等方面等限制，这种设备不能随身携带到任何地方进行开发、测试或演示。

　　如今 Jetson Nano 的特性能解放这些束缚，让我们能在绝大部分环境下执行任务。下表是 Jetson Nano 与 x86 系统安装 GPU 卡的一些基本特性比较表：

　　Jetson Nano 定位在智能边缘的推理计算，并不适合执行人工智能的模型训练任务，以及对“延迟”较为敏感的应用，但是作为入门者的学习工具，以及开发轻量级的边缘智能推理应用，是再适合不过了。

　　(二)随时随地操作

　　要执行远程操作的前提，就是需要在两台设备上形成连线。在办公室或家中有网络的环境下，可以较为轻松地使用 Wi-Fi 方式进行连线，但如果在没有网络或不能自主获取 IP 的环境下，为两台设备建立连线则有一些挑战。

　　NVIDIA 为 Jetson Nano 提供一种“无头(headless)”连线方式，只需要一条具备数据传输能力的 USB/MicroB 连接线，在 Jetson Nano 与办公电脑之间，按照下图接线就能形成连线，此时 Jetson Nano 会提供一个 192.168.55.1 的固定 IP，这样就能在办公电脑上非常轻松地操作 Jetson Nano。

　　此外，如果所处环境缺乏电源插口，我们也可以用一般 5V 充电宝来为 Jetson Nano 提供电源，如此一来就完全不会受到任何的限制，只要带好笔记本电脑、Jetson Nano、USB 线以及充电宝这四个东西，就能在任何地方执行任务，这是 x86 电脑所不能提供的特性。