NVIDIA Jetson Orin Nano — placa de IA con GPU CUDA, 8 GB
La única placa del comparador con GPU NVIDIA y CUDA de serie: 1024 núcleos CUDA con Tensor Cores para inferencia de IA, visión por computador y robótica funcionando en local y de muy bajo consumo. Sus 8 GB de memoria unificada y hasta 67 TOPS dan para modelos de visión, detección de objetos e IA de lenguaje pequeña en el propio equipo, sin depender de la nube. No es un mini PC de escritorio ni un servidor: es una plataforma de desarrollo de IA embarcada. Para servir modelos de lenguaje grandes en local, hace falta memoria unificada de mucha más capacidad.
// nuestra recomendación
La forma más barata de tener una GPU NVIDIA con CUDA para IA en el borde: 1024 núcleos CUDA y Tensor Cores para visión, detección de objetos y robótica en local, con 7–25 W de consumo. Los 8 GB de memoria unificada le ponen techo —modelos pequeños o cuantizados, nada de IA de lenguaje grande— y es una placa de desarrollo Arm, no un mini PC de escritorio. Si tu proyecto es visión por computador o IA embarcada de bajo consumo, es el punto de entrada al ecosistema CUDA; para servir modelos grandes, mira las cajas de memoria unificada amplia.
// ficha técnica
- CPU
- 6-core Arm Cortex-A78AE · Arm + GPU Ampere · 2023
- Núcleos / hilos
- 6/6
- RAM máxima
- 8 GB LPDDR5 unificada
- Red
- 1GbE
- Almacenamiento
- microSD + NVMe (M.2 Key M)
- Vídeo / transcodificación
- GPU enfocada a IA y visión
- IA local (modelo cómodo, Q4)
- hasta 4B
- Consumo (TDP de fábrica)
- 15 W
- Precio orientativo
- ≈ 459 €
// ia local
Modelo cómodo: hasta 4B (Q4). GPU con 1024 núcleos CUDA y hasta 67 TOPS: acelera visión e inferencia mucho más que una placa Arm normal, pero los 8 GB unificados limitan el tamaño del modelo a uno pequeño (1–3B cómodo, un 7B cuantizado justo). Para IA local de verdad, memoria unificada amplia.
A favor
- GPU NVIDIA con 1024 núcleos CUDA y Tensor Cores: acelera visión, detección e inferencia muy por encima de cualquier placa Arm sin GPU
- Hasta 67 TOPS con 8 GB de memoria unificada y solo 7–25 W: IA en el borde que cabe en la palma y apenas gasta
- Ecosistema CUDA nativo y arranque desde microSD o SSD NVMe: el estándar de facto para prototipar visión y robótica
En contra
- 8 GB de memoria: da para modelos de visión y de lenguaje pequeños, no para los grandes que sí mueven las cajas de memoria unificada amplia
- Es una placa de desarrollo Arm, no un mini PC de escritorio: sin sistema de escritorio ni uso general, pensada para proyectos de IA y visión
// ¿mejor otra? cuándo mirar a otro lado
Comparado por specs con el resto del catálogo. Si tu caso encaja con alguna de estas, quizá te cuadre más otro equipo:
- Si necesitas 10GbE o más:la CWWK S7 Pro lleva red de 2× 10GbE + 2× 2.5GbE, algo que este equipo no ofrece.
- Si se te queda corto de potencia:la Apple Mac Mini M4 sube a 10 núcleos y hasta 24 GB (930–970 €).
- Si tu objetivo es IA local grande:la Beelink GTi15 Ultra mueve hasta 32B cómodo, fuera del alcance de este.
[aff]Hay enlaces de afiliado más abajo: si compras algo desde ellos me llevo una pequeña comisión y a ti no te cuesta ni un céntimo más. En calidad de Afiliado de Amazon, obtengo ingresos por las compras adscritas que cumplen los requisitos aplicables.