NEWS CENTER
自从NVIDIA公布了Jetson Xavier NX（以下简称NX）的消息，很多小伙伴都翘首期盼，想品一品这399美元的21TOPS到底有多香。
遗憾的是，受疫情影响，NX的发售日期迟迟没有公布，但这依然挡不住大家充值信仰的热情。米文动力作为NVIDIA全球Jetson Preferred Partner，很荣幸的是我们提前拿到了NX的样品，在此我们总结了一波自己的测试数据，分享给大家，让大家可以提前一睹NX的风采。
以下“真香”预警。
首先，Jetson Xavier NX 仍然是使用了 Xavier 芯片的一款 SOM（System on module）产品[1]，是 Jetson AGX Xavier 的缩水版本，而不是使用了新的芯片。这一招从 Geforce 时代就已经是 NV 的惯用招数了，当年为了围剿 ATI Radeon 8500 ，NV 便陆续推出了 Geforce3 Ti 200 和Geforce3 Ti 500。
与 Jetson AGX Xavier 相比，NX 使用了更小更便宜的内存，更小的存储，更少的接口，和更简单的封装，加上软件上的限制，得到了一半多的性能，当然功耗也降了不到一半。虽然是 Xavier 的缩水版本，但从规格上看还是挺香的。以不到 AGX Xavier 一半的价格，可以买到2/3的算力。
那有人要问，既然是一样的芯片，那是不是显卡时代的超频绝技在这里也可以用呢？童年的回忆有没有？我们是不是可以用特殊手段把缩水版的 NX 达到完整版 Xavier 的性能呢?感兴趣的朋友可以在公众号留言，如果有比较多的朋友感兴趣，我们会专门另写一篇来阐述这个问题，带大家一起走进科学。
有的人可能会说，每次 NV 出的芯片都说得很猛，但是我根本跑不出那个性能。没错！大部分厂商都会用自己最擅长的数据，比如非正常人类才会使用的128 batch，比如至今也没有人能够重现的 future performance…[2]
那NX的性能究竟如何呢？
由上图可见，在AI性能上，NX还是相当香的。基本上达到或者超过 Xavier 的2/3，达到了官方宣称的水平。而且上图没有使用超(bian)常(tai)的 128batch，而是正常人类都会使用的 1batch。
但是否 NX 就只有这点香呢？并不是！
还有DLA。当然，DLA目前仍然存在着非常多的问题，称之为鸡肋毫不为过。也就是为什么老黄免费大赠送的原因。
但鸡肋也有鸡肋的用法，既然老黄免费赠送，我们怎么都得仔细嚼出点味道来！
下图是在NX和Xavier DLA的运行结果和NX GPU的对比。
由于DLA存在深度学习应用领域里面，少不得一个检测网络加一个分类网络这样跑。而分类网络，只要有数据，基本 googlenet 也能发挥相当不错的性能。DLA用来跑分类网络，或者自用小网络是真的香！但是等等，不是说DLA都是送的么，怎么性能比Xavier还是要差呢？
我们认为这也是降频惹的祸。
连附送都不愿意提及的 VA（Vision Accelerator），虽然目前还处在v0.1.0的极度低调状态，但是其性能，已经开始显现了。让我们来看一组对比。
深度学习让检测、分类还有分割的门槛大幅降低。但对于很多人来说，跟踪，或者金字塔处理，仍然在传统算法里面大量使用。虽然卷积的速度上去了，回头一看，得，时间都花在金字塔上面了，或者跟踪算法把CPU占满了。而VA（其实就是DSP）就是用来解决这个问题的。
我们看下图对比：
我们可以发现，VA在NX上的性能，还是要比Xavier上差一些。在跟踪算法上，VA比CPU性能要高不少，但是在金字塔操作上面VA的性能并没有比CPU好多少。但是，如果注意一下CPU占用率，大家就会发现性能的提升差异非常大。在使用VA的时候，CPU占用基本在1%！
好啦，NX的评测就介绍到这里了，关于 NX 还有什么问题，或者迫不及待想充值的，可以后台留言给我们，也欢迎大家加入米文开发者社区讨论。
当然，我们也为大家准备了“拎包入住”的方案，我们即将推出一款基于NX的MIIVII家族新品——MIIVII Lite NX。外形设计小巧，尺寸仅178*55*110mm；重量1.2kg，较为轻便；配备了8路PoE+网口，1路LAN口、2路USB3.0口以及丰富的I/O接口，具有极强的拓展能力；采用被动散热设计，既能提高运行效率和散热性能，又可以降低噪音，兼顾外观和实用。
看完了今天的介绍，相信你对NX和MIIVII Lite NX已经有了一定的了解，后续我们还会更新相关内容，别忘了持续关注哦~
本文所有测试数据的最终解释权归米文动力所有。
参考链接：
[1]https://www.nvidia.com/en-us/autonomous-machines/embedded-systems/jetson-xavier-nx/
[2]https://developer.nvidia.com/embedded/jetson-agx-xavier-dl-inference-benchmarks
[3]https://www.nvidia.com/en-us/autonomous-machines/embedded-systems/jetson-agx-xavier/
