Jetson AGX Xavier — это встраиваемая система на базе архитектуры Volta. Выпущенная в 2018 году, она до сих пор встречается в специфических edge-вычислениях. Здесь стоит чип GV10B с 512 CUDA-ядрами и частотой буста 1377 МГц. Памяти тут много — 32 ГБ LPDDR4X на 256-битной шине. Пропускная способность составляет 136 ГБ/с, что помогает при работе с весами моделей. Но это не видеокарта для ПК в привычном понимании. Это специализированный модуль для автономных роботов и систем умного города. Пиковая производительность FP32 составляет всего 1.4 TFLOPS. Для сравнения, современные десктопные решения выдают десятки терафлопс. Архитектура Volta даёт 64 Tensor-ядра для ускорения матричных операций. Это главный козырь устройства при инференсе. Однако в 2026 году искать её для обучения нейросетей — плохая затея. В бюджетном сегменте ей противостоят модули серии Orin Nano или Raspberry Pi 5 с ускорителями Hailo. Они новее и лучше поддерживаются софтом. Xavier живёт за счёт объёма памяти, а не скорости вычислений. Если вам нужно запускать тяжелые LLM локально на малом потреблении, этот модуль может быть интересен. Но готовьтесь к специфической настройке окружения под старое ядро Linux. Энергопотребление крайне низкое — всего 30 Вт. Это позволяет использовать его в портативных устройствах без массивных радиаторов.
5 component-баллов — сильные стороны и слабости карты в разных задачах.
Шкала 0-100. Топовая карта в каждом сценарии = 100. Кликни строку — увидишь полный топ-100 в этой категории. Подробнее — методика.
Балл 1-10 для каждого сценария — пригодность именно для этой задачи (не общий perf-rank).
Играть невозможно из-за отсутствия видеовыходов и низкой мощности чипа.
Архитектура не предназначена для рендеринга игровых движков в реальном времени.
Даже в эмуляторах производительность будет крайне низкой из-за ограничений драйверов.
Позволяет запускать малые LLM вроде Llama-3-8B благодаря 32 ГБ памяти.
Скорость вычислений слишком мала для полноценного fine-tuning моделей.
Cycles не сможет эффективно использовать CUDA-ядра этого чипа.
Аппаратного энкодера для тяжелого монтажа в DaVinci здесь нет.
Это не компьютер для офиса, а вычислительный модуль.
Брать Jetson AGX Xavier в 2026 году стоит только под конкретную инженерную задачу. Если ваша цель — запуск локальных LLM с большим контекстом при минимальном питании, то 32 ГБ памяти делают его рабочим инструментом. В остальных сценариях это устаревшее железо. Он проигрывает современным модулям Orin по чистой скорости вычислений. Но Xavier всё ещё может тянуть веса моделей, которые не влезают в стандартные 8 или 16 ГБ видеопамяти бюджетных карт. Для обучения нейросетей он бесполезен, так как 1.4 TFLOPS — это уровень микроконтроллеров прошлых лет. Если вы собираете робота, смотрите на новые линейки Jetson. Они предлагают гораздо более высокую плотность TFLOPS на ватт. Xavier — это узкая специализация. Он хорош для инференса готовых моделей в полевых условиях, где важен каждый ватт энергии. Не пытайтесь использовать его как замену GPU в ПК. Это технически невозможно и экономически нецелесообразно. Сравните его с базовым Orin Nano: тот будет быстрее в задачах компьютерного зрения, хотя памяти там меньше. Выбирайте Xavier только если объем LPDDR4X является критическим фактором.
Да, запуск возможен благодаря 32 ГБ памяти, что позволяет загружать модели SDXL. Однако генерация одной картинки будет занимать минуты, потому что 512 CUDA-ядер и архитектура Volta не справляются с современными весами быстро. Это решение для тестов, а не для продакшена.
Поскольку TDP составляет всего 30 Вт, вам хватит любого качественного БП на 100-150 Вт. Это позволяет запитать модуль от компактных источников или даже через специализированные DC-DC преобразователи в мобильных платформах.
У Xavier есть полноценная архитектура Volta с Tensor-ядрами и огромный объём памяти 32 ГБ. Raspberry Pi будет быстрее в простых задачах, но она не сможет загрузить тяжелую модель весом 20 ГБ, которая легко встанет на Xavier.
Нет, обучение требует высокой скорости обмена данными и огромного количества ядер. С 1.4 TFLOPS вы будете тренировать простейшие полносвязные сети неделями, пока современные GPU сделают это за минуты.
Загружается каталог…