← 在分诊台打开（可搜索/导航）
模型怎么部署到Jetson算力盒子
📱 E2 硬件→部署路由 · NVIDIA Jetson Nano/Orin/Xavier
状态：Jetson+TensorRT是边缘AI盒子主流方案
也这样说： 算力盒子 jetson tensorrt nvidia边缘 jetson nano jetson orin
可能根因：- Jetson是NVIDIA边缘AI平台
- TensorRT是NVIDIA推理加速引擎
- Jetson有GPU可跑更大模型
解决方案
✅ 官方方案（1条）
NVIDIA TensorRT 官方文档
Jetson上推理必须走TensorRT，FP16/INT8加速比原生PyTorch快3-5倍；Jetson Orin跑YOLOv8s INT8可达100+FPS
时效：2026-09
打开 ↗💡 排坑指南（1条）
Ultralytics TensorRT 导出指南
YOLO一键导出TensorRT引擎：yolo export model=yolov8s.pt format=engine half=True；Jetson上跑这比ONNX Runtime快2-3倍
时效：2026-09
打开 ↗⚠️ 避坑提醒（2条）
Jetson Nano（老款）算力严重不足 暂无外链
老款Jetson Nano仅472GFLOPS，跑YOLOv8s只有5-8FPS；Nano只适合跑n版或做原型验证，量产上Orin（40TOPS）
时效：2026-09
Jetson Orin 8GB部署7B大模型OOM
7B FP16需约15GB显存，8GB Orin直接OOM；必须INT4量化或用1.5B/4B蒸馏版；评论区"8GB还是太小了，老黄的统一内存比苹果还贵"
时效：2026-09
打开 ↗
本页是路由层入口，不存教程正文。每条入口带人工评注。
来自 问题分诊台 · Vertical Hub