NVIDIAが開発した、機械の中に組み込んで使うAI専用のコンピューター。
画像処理やAIモデルの実行が得意で、ロボット、ドローン、外観検査装置、自動運転車などに使われています。
まずは「JetsonというのはどんなものなのかA」を、難しい話なしで一通り把握しましょう。
まずは具体的なユースケースを見てみましょう。Jetsonがどんな場面で使われているのかが分かれば、全体像がイメージしやすくなります。
製造ラインのカメラ画像から不良品を即座に検出します。化粧品、鉄鋼、食品、自動車部品など、ほぼ全業界で導入されています。
AGV（無人搬送車）、配送ロボット、ヒューマノイドロボットの「目と脳」を担います。NVIDIAが最重要視している用途です[2]。
車載カメラやLiDARの情報を処理して周辺を認識します。建機の自動化、フォークリフトの安全運転支援にも応用されています。
自律飛行、空撮映像の即時解析、配送ドローンの障害物回避。バッテリー駆動なので、低消費電力が活きる用途です。
監視カメラに内蔵し、人物検知・顔認証・車両検出をリアルタイムで実行します[10]。
内視鏡映像のリアルタイム解析、手術支援ロボット、医用画像診断装置など。高精度と省電力性が求められる領域。
Jetson Orin Nano Super以降のモデルで、LLMやVLM（画像を見て答えるAI）を現場のデバイス上で動かせます[6][7]。
収穫ロボット、選果機、養殖場の自動監視。屋外で長時間動作する必要があるため、省電力性が活きます。
無人店舗の決済、棚卸し自動化、賞味期限OCR、入庫検品。倉庫の自動化にも応用されています。
Jetsonは小型のコンピューターなので、Linuxが動き、モニター・キーボードを繋げばPCのようにも使えます。しかし、本来の用途も設計思想もPCとは異なります。
クラウドのAIサービス（ChatGPT、Google CloudのAI等）があるのに、なぜ手元のデバイスでAIを動かす必要があるのか。理由は4つあります。
クラウドに画像を送って返事を待つと、数百ミリ秒〜数秒かかります。これでは現場で間に合わない場面が出てきます。
映像データをずっとクラウドに送り続けると、通信費だけで膨大な金額になります。
工場の機密映像や、人が映る防犯映像を、外部のクラウドに送りたくないというニーズが極めて強いです。
通信が不安定な環境（工場内のセル、屋外、移動中の車両、ドローン）でも、AIが動き続けます。
「とにかく高性能なものを」ではなく、「用途に合った選択」が重要です。Jetsonが過剰スペックになるケースもあります。
2026年5月時点の現行モデルです。下に行くほどパワフル＆高価になります。
2024年12月発表。前モデルの1.7倍に性能アップした入門機です。小規模なLLM・VLMもそこそこ動きます[6][9]。
サイズが小さいまま性能を引き上げたい時の選択肢。ドローン、小型ロボット、コンパクトな産業機器向けです[1]。
275 TOPS・64GBメモリ・15-60Wの省電力。32GB／64GB／Industrialの3モデル展開[2][3][4]。
Blackwell世代のGPU搭載。AGX Orin比でAI性能 約7.5倍、エネルギー効率 約3.5倍[4][5][7]。LLM・VLM・ロボット制御を本格的にエッジで動かす想定。
スマートフォンでは横スクロールで全項目確認可能です。
| モデル | AI性能 | GPU | CPU | メモリ | 消費電力 | 主な用途 |
|---|---|---|---|---|---|---|
| Orin Nano 4GB | 34 TOPS | Ampere 512 CUDA | 6コア A78AE | 4GB | 7-15W | 教育・PoC |
| Orin Nano 8GB Super | 67 TOPS | Ampere 1024 CUDA | 6コア A78AE | 8GB | 7-25W | 入門・小型機器 |
| Orin NX 8GB | 117 TOPS | Ampere 1024 CUDA | 6コア A78AE | 8GB | 10-25W | ドローン・量産機器 |
| Orin NX 16GB | 157 TOPS | Ampere 1024 CUDA | 8コア A78AE | 16GB | 10-40W | 小型ロボット |
| AGX Orin 32GB | 200 TOPS | Ampere 1792 CUDA | 8コア A78AE | 32GB | 15-40W | 産業機器 |
| AGX Orin 64GB | 275 TOPS | Ampere 2048 CUDA | 12コア A78AE | 64GB | 15-60W | 高度な産業機器・ロボット |
| AGX Orin Industrial | 248 TOPS | Ampere 2048 CUDA | 12コア A78AE | 64GB | 15-75W | 過酷環境・長期保証 |
| AGX Thor T4000 | 1200 FP4 TFLOPS | Blackwell | Neoverse V3AE | 64GB | 40-70W | 次世代ロボティクス |
| AGX Thor T5000 | 2070 FP4 TFLOPS | Blackwell | Neoverse V3AE | 128GB | 40-130W | ヒューマノイド・生成AIエッジ |
「JetsonかRaspberry Piか」「JetsonかGoogle Coralか」とよく比較されます。それぞれの立ち位置を整理します。
| 製品 | メーカー | AI性能 | 強み | 弱み |
|---|---|---|---|---|
| Jetson Orin Nano | NVIDIA | 67 TOPS | GPU性能・ソフトウェア充実・LLM/VLM対応 | 消費電力やや高め |
| Raspberry Pi 5 | Raspberry Pi Foundation | 非搭載（外付け要） | 圧倒的に安い・コミュニティ巨大 | 本格的な深層学習推論には非力[13] |
| Google Coral Dev Board | 4 TOPS | 低消費電力・軽量推論 | 専用チップなのでモデルの自由度が低い | |
| Intel Movidius (NCS2) | Intel | 約1 TOPS | USB接続でPCに後付け可能 | 性能限定・後継不透明 |
| Hailo-10 | Hailo | 40 TOPS | 低消費電力・生成AI推論可能 | 新興・エコシステム発展途上 |
ここからは少し技術的な話になります。Jetsonがどのように組み上がって完成品になるのか、4つの段階で見ていきます。実際に使う上では「中で何が動いているか」だけ知っていれば十分なので、概要だけ把握できれば問題ありません。
これが Jetsonの心臓部です。CPU（普通の計算をする）・GPU（画像を高速処理する）・AIアクセラレータ（AI専用の計算チップ）が、すべて1枚のシリコンに統合されています。
ただし、このチップだけでは動きません。これは「計算する核」であって、メモリも電源回路もない状態。次の段階で組み立てが必要です。
一般に「Jetsonを買う」と言ったときに指すのが、この単位です。裏面には数百本のピンがあって、これで次の段階の土台基板に差し込みます。
この設計には大きなメリットがあります。製品ごとに専用の小さな基板を作っても、Jetson本体を差し替えるだけで性能アップできる。だから量産機器に向いているわけです。
この段階で初めて 「PCのように使える形」 になります。モニターとキーボードを繋げばUbuntuの画面が立ち上がります。
開発・テスト・PoC用にはこの形を使い、量産時にはメーカー独自の小さな基板に交換することが多いです。
金属筐体・ヒートシンク（冷却用の金属フィン）・産業用コネクタ・LEDインジケータなど、現場で使うための装備が揃ったエッジAIデバイスとして完成します。
ファンレス設計（音がしない）、IP規格対応（防塵・防水）、DINレール取付（工場の規格レール用）など、産業環境を想定したつくりになっています。
Jetsonは「ハードウェア＋専用ソフト」のセットで初めて真価を発揮します。NVIDIAはJetPackというソフトウェア一式を無料で提供しています。
JetPackには大きく3世代あります。JetPack 5/6はOrin系、JetPack 7はThor系向けです[4]。
組み込み済みの完成品としてご提供できる体制があります。
困った時に立ち戻ってご覧ください。
本資料の事実主張は、以下の一次ソースおよび主要メディアに基づいています。