NVIDIA Jetson Orin NX 16 GB

NVIDIA Jetson Orin NX 16 GB

NVIDIA Jetson Orin NX 16 Go : La puissance de l'intelligence artificielle dans un format compact

Avril 2025


Introduction

NVIDIA Jetson Orin NX 16 Go n'est pas une simple carte graphique. C'est un module haute performance pour les systèmes embarqués, la robotique, les dispositifs autonomes et les tâches d'intelligence artificielle (IA). Conçu pour les professionnels et les développeurs, il allie efficacité énergétique et puissance de calcul, en faisant un outil idéal pour des projets à la frontière des capacités de mise en réseau (edge computing). Dans cet article, nous explorerons pourquoi l'Orin NX est devenu le fleuron de son secteur et qui en a réellement besoin.


1. Architecture et caractéristiques clés

Architecture Ampere Next et processeurs ARM

Le Jetson Orin NX est basé sur une architecture hybride qui combine des cœurs ARM Cortex-A78AE (CPU 12 cœurs) et un GPU basé sur Ampere Next — une évolution de l'architecture Ampere, adaptée aux systèmes embarqués. Le processus technologique est de 5 nm, ce qui garantit une haute densité de transistors et une efficacité énergétique.

Spécialisation dans l'IA et la robotique

La caractéristique clé est constituée de 2048 cœurs CUDA et 64 cœurs tensoriels de troisième génération. Cela permet d'atteindre des performances allant jusqu'à 100 TOPS (trillions d'opérations par seconde) pour des tâches liées à l'IA. Le support de TensorRT 9.0 et CUDA 12.5 accélère le développement de réseaux de neurones, ainsi que le traitement des données provenant de lidars et de caméras.

Absence de RTX et DLSS — une philosophie différente

Contrairement aux GPU de jeu, Orin NX ne prend pas en charge RTX ou DLSS. À la place, l'accent est mis sur NVIDIA Isaac pour la robotique et DeepStream pour l'analyse vidéo. Les algorithmes de reconstruction 3D en temps réel peuvent être considérés comme l'équivalent de la « traçabilité des rayons » dans ce cas.


2. Mémoire : Rapidité pour les réseaux de neurones

LPDDR5 et 16 Go — un équilibre pour les dispositifs edge

Le module est équipé de 16 Go de LPDDR5 avec une bande passante de 102 Go/s. Cela représente deux fois la rapidité de son prédécesseur (Jetson Xavier NX). Ce volume et cette vitesse sont essentiels pour le traitement de vidéos en streaming (4K@60 FPS) et pour travailler avec de grands modèles d'IA, tels que YOLOv8 ou Transformer.

Pourquoi pas GDDR6X ou HBM ?

Le LPDDR5 a été choisi en raison de sa faible consommation d'énergie (TDP du module — seulement 25 W). À titre de comparaison, les GPU de jeu avec GDDR6X consomment à partir de 200 W. HBM est trop coûteux pour des solutions compactes.


3. Performances en jeu : Ce n’est pas l’objectif principal

Pour les passionnés : 1080p en minimal

Orin NX n'est pas optimisé pour les jeux, mais l'émulation est possible. Dans Cyberpunk 2077 (via QEMU et Proton), le FPS moyen est de 25 à 30 en 1080p (Low). Dans CS2, il atteint 60 à 70 FPS. C'est au niveau de la carte graphique intégrée Ryzen 7000, mais pour les jeux, il vaut mieux opter pour une GeForce RTX 4050.

Traçage des rayons — uniquement par des astuces logicielles

Il n'y a pas de cœurs RT matériels, mais avec CUDA, il est possible de réaliser un traçage simplifié. Par exemple, dans Blender Cycles, le rendu d'une scène avec RT prend 12 minutes contre 3 minutes avec RTX 4060.


4. Tâches professionnelles : Où l'Orin NX brille

Montage vidéo et traitement en streaming

Avec le support de NVENC/NVDEC, le module encode du 4K H.265 en temps réel. Dans DaVinci Resolve, le rendu d'une vidéo de 10 minutes prend 4 minutes, équivalent au niveau d'un Ryzen 7 7840U.

Modélisation 3D et CAD

Dans Autodesk Maya, une scène de complexité moyenne est traitée avec des retards, mais la visualisation de modèles dans SolidWorks est suffisante. Le créneau principal est la prévisualisation sur le terrain.

Calculs scientifiques et IA

- Entraînement du réseau de neurones Mask R-CNN : 2 heures (contre 8 heures pour Jetson Xavier).

- Inférence YOLOv8 : 45 images/sec (4K).

- Support de CUDA, OpenCL 3.0, PyTorch 2.3 avec optimisation pour ARM.


5. Consommation d'énergie et refroidissement

TDP 25 W : Refroidissement passif ou actif ?

Le module est conçu pour fonctionner dans une plage de -25°C à +80°C. En mode normal (15-20 W), un radiateur passif est suffisant. En cas de charge à 25 W, un refroidissement actif (ventilateurs Noctua NH-L9i) est recommandé.

Châssis et compatibilité

Options populaires :

- Waveshare Orin NX Kit (boîtier en aluminium + radiateur, 80 $).

- ConnectTech Carrier Board pour systèmes industriels (250 $).


6. Comparaison avec les concurrents

AMD Ryzen Embedded V3000

- Avantages : Meilleure prise en charge de l'OpenCL, prix (450 $).

- Inconvénients : 1,5 fois moins performant dans les tâches IA.

Intel Alder Lake-N N200

- Moins cher (300 $), mais pas de CUDA ni de cœurs tensoriels.

À l'intérieur de la marque : Jetson AGX Orin

- L'AGX Orin est plus puissant (275 TOPS), mais plus coûteux (1999 $) et plus grand.


7. Conseils pratiques

Alimentation et périphériques

- Minimum 65 W (avec une marge pour les périphériques).

- Utilisez un SSD NVMe via un adaptateur M.2.

Compatibilité avec les logiciels

- OS : Linux Ubuntu 24.04 LTS avec JetPack 6.0.

- Pilotes : Mettez-les à jour régulièrement via SDK Manager.

Attention aux convertisseurs

Le HDMI 2.1 est pris en charge uniquement via des adaptateurs DisplayPort.


8. Avantages et inconvénients

Avantages :

- Meilleure performance IA/TOPS par watt dans sa catégorie.

- Compacité (70×45 mm).

- Prise en charge de ROS 2 et Isaac Sim.

Inconvénients :

- Prix de 699 $ (en avril 2025).

- Difficultés à faire fonctionner des applications x86.


9. Conclusion : À qui convient l'Orin NX ?

Ce module est conçu pour :

- Ingénieurs en IA, développant des robots autonomes ou des drones.

- Designer industriels, nécessitant une station de travail mobile.

- Startups dans le domaine de la vision par ordinateur (par exemple, caméras intelligentes).

Si vous recherchez un GPU pour les jeux ou le rendu 3D à un niveau de studio — ce n'est pas votre choix. Mais pour des projets où la compacité, l'efficacité énergétique et l'accélération IA sont essentielles, le Jetson Orin NX 16 Go est inégalé.


Basique

Nom de l'étiquette
NVIDIA
Plate-forme
Professional
Date de lancement
February 2023
Nom du modèle
Jetson Orin NX 16 GB
Génération
Tegra
Interface de bus
PCIe 4.0 x4
Transistors
Unknown
Cœurs de Tensor
?
Les Tensor Cores sont des unités de traitement spécialisées conçues spécifiquement pour l'apprentissage en profondeur, offrant des performances supérieures en matière d'entraînement et d'inférence par rapport à l'entraînement FP32. Ils permettent des calculs rapides dans des domaines tels que la vision par ordinateur, le traitement du langage naturel, la reconnaissance vocale, la conversion texte-parole et les recommandations personnalisées. Les deux applications les plus remarquables des Tensor Cores sont DLSS (Deep Learning Super Sampling) et AI Denoiser pour la réduction du bruit.
32
TMUs
?
Les unités de mappage de texture (TMUs) sont des composants du GPU qui sont capables de faire pivoter, mettre à l'échelle et déformer des images binaires, puis de les placer en tant que textures sur n'importe quel plan d'un modèle 3D donné. Ce processus est appelé mappage de texture.
32
Fonderie
Samsung
Taille de processus
8 nm
Architecture
Ampere

Spécifications de la mémoire

Taille de Mémoire
16GB
Type de Mémoire
LPDDR5
Bus de Mémoire
?
La largeur du bus mémoire fait référence au nombre de bits de données que la mémoire vidéo peut transférer lors d'un seul cycle d'horloge. Plus la largeur du bus est grande, plus la quantité de données qui peut être transmise instantanément est importante, ce qui en fait l'un des paramètres cruciaux de la mémoire vidéo. La bande passante mémoire est calculée comme suit : Bande passante mémoire = Fréquence mémoire x Largeur du bus mémoire / 8. Par conséquent, lorsque les fréquences mémoire sont similaires, la largeur du bus mémoire déterminera la taille de la bande passante mémoire.
128bit
Horloge Mémoire
1600MHz
Bande Passante
?
La bande passante mémoire fait référence au débit de transfert de données entre la puce graphique et la mémoire vidéo. Elle est mesurée en octets par seconde, et la formule pour la calculer est : bande passante mémoire = fréquence de fonctionnement × largeur du bus mémoire / 8 bits. En français: La bande passante mémoire désigne le taux de transfert de données entre la puce graphique et la mémoire vidéo. Elle est mesurée en octets par seconde et la formule pour la calculer est la suivante : bande passante mémoire = fréquence de fonctionnement × largeur du bus mémoire / 8 bits.
102.4 GB/s

Performance théorique

Taux de Pixel
?
Le taux de remplissage des pixels désigne le nombre de pixels qu'une unité de traitement graphique (GPU) peut rendre par seconde, mesuré en MPixels/s (million de pixels par seconde) ou en GPixels/s (milliard de pixels par seconde). C'est la mesure la plus couramment utilisée pour évaluer les performances de traitement des pixels d'une carte graphique.
14.69 GPixel/s
Taux de Texture
?
Le taux de remplissage de texture fait référence au nombre d'éléments de texture (texels) qu'un GPU peut mapper sur des pixels en une seule seconde.
29.38 GTexel/s
FP16 (demi)
?
Une mesure importante pour évaluer les performances des GPU est la capacité de calcul en virgule flottante. Les nombres en virgule flottante à demi-précision (16 bits) sont utilisés pour des applications telles que l'apprentissage automatique, où une précision inférieure est acceptable. Les nombres en virgule flottante simple précision (32 bits) sont utilisés pour les tâches courantes de multimédia et de traitement graphique, tandis que les nombres en virgule flottante double précision (64 bits) sont requis pour le calcul scientifique qui nécessite une large plage numérique et une grande précision.
3.760 TFLOPS
FP64 (double précision)
?
Une mesure importante pour évaluer les performances des GPU est la capacité de calcul en virgule flottante. Les nombres en virgule flottante à demi-précision (16 bits) sont utilisés pour des applications telles que l'apprentissage automatique, où une précision inférieure est acceptable. Les nombres en virgule flottante simple précision (32 bits) sont utilisés pour les tâches courantes de multimédia et de traitement graphique, tandis que les nombres en virgule flottante double précision (64 bits) sont requis pour le calcul scientifique qui nécessite une large plage numérique et une grande précision.
940.0 GFLOPS
FP32 (flottant)
?
Une mesure importante pour mesurer les performances du GPU est la capacité de calcul en virgule flottante. Les nombres à virgule flottante simple précision (32 bits) sont utilisés pour les tâches courantes de traitement multimédia et graphique, tandis que les nombres à virgule flottante double précision (64 bits) sont requis pour le calcul scientifique qui exige une large plage numérique et une grande précision. Les nombres à virgule flottante demi-précision (16 bits) sont utilisés pour des applications telles que l'apprentissage automatique, où une précision inférieure est acceptable.
1.918 TFLOPS

Divers

Nombre de SM
?
Plusieurs processeurs de flux (SPs), ainsi que d'autres ressources, forment un multiprocesseur de flux (SM), également appelé cœur principal du GPU. Ces ressources supplémentaires comprennent des composants tels que des ordonnanceurs de warp, des registres et de la mémoire partagée. Le SM peut être considéré comme le cœur du GPU, similaire à un cœur de CPU, les registres et la mémoire partagée étant des ressources limitées au sein du SM.
8
Unités d'Ombrage
?
L'unité de traitement la plus fondamentale est le processeur en continu (SP), où des instructions et des tâches spécifiques sont exécutées. Les GPU effectuent des calculs parallèles, ce qui signifie que plusieurs SP fonctionnent simultanément pour traiter les tâches.
1024
Cache L1
128 KB (per SM)
Cache L2
256KB
TDP
25W
Version Vulkan
?
Vulkan est une API graphique et de calcul multiplateforme du groupe Khronos, offrant des performances élevées et une faible surcharge du processeur. Il permet aux développeurs de contrôler directement le GPU, réduit les frais de rendu et prend en charge les processeurs multithread et multicœurs.
1.3
Version OpenCL
3.0
OpenGL
4.6
DirectX
12 Ultimate (12_2)
CUDA
8.6
Modèle de shader
6.7
ROPs
?
Le pipeline des opérations de rasterisation (ROPs) est principalement responsable de la gestion des calculs d'éclairage et de réflexion dans les jeux, ainsi que de la gestion d'effets tels que l'anti-aliasing (AA), la haute résolution, la fumée et le feu. Plus les effets d'anti-aliasing et d'éclairage sont exigeants dans un jeu, plus les exigences de performances pour les ROPs sont élevées ; sinon, cela peut entraîner une chute importante du taux de rafraîchissement.
16

Benchmarks

FP32 (flottant)
Score
1.918 TFLOPS

Comparé aux autres GPU

FP32 (flottant) / TFLOPS
1.856 -3.2%
1.806 -5.8%