900-13767-0000-0A1 vs 900-13767-0000-0A0 موازنہ
تفصیلی ساتھ ساتھ موازنہ از 900-13767-0000-0A1 بذریعہ NVIDIA اور 900-13767-0000-0A0 بذریعہ NVIDIA. اہم خصوصیات، برقی پیرامیٹرز، پیکیجنگ، لائف سائیکل اسٹیٹس، قیمتوں اور دستیابی کا موازنہ کریں تاکہ آپ کی ڈیزائن ضروریات کے لیے بہترین کمپوننٹ کا تعین ہو سکے۔
خصوصیات کا موازنہ
| پیرامیٹر | 900-13767-0000-0A1 | 900-13767-0000-0A0 |
|---|---|---|
| برانڈ | NVIDIA | NVIDIA |
| زمرہ | Development Boards | Wireless Modules |
| لائف سائیکل کی حالت | فعال | فعال |
| Module Type | System-on-Module (SOM) | — |
| Product Family | NVIDIA Jetson Orin NX | — |
| AI Performance | 100 TOPS (INT8) | Up to 100 TOPS (INT8 sparse) |
| GPU | 1024-core NVIDIA Ampere with Tensor Cores | 1024-core NVIDIA Ampere with 32 Tensor cores |
| CPU | 8-core Arm Cortex-A78AE 64-bit | 8-core ARM Cortex-A78AE 64-bit |
| Memory | 16 GB LPDDR5 | 16 GB LPDDR5 |
| Memory Bandwidth | 102 GB/s | 102.4 GB/s |
| Storage | External via carrier (no on-module eMMC) | External (via carrier board) |
| Video Decode | 2x NVDEC | — |
| Video Encode | 1x NVENC | — |
| PCIe | PCIe Gen 4.0 x4 | PCIe Gen 4 (x1/x2/x4 lanes available) |
| Camera Interfaces | 2x MIPI CSI-2 (4-lane) | Up to 6 MIPI CSI-2 lanes (2x4-lane or 4x2-lane) |
| Configurable TDP | 10 W to 25 W | — |
| Form Factor | 70 mm x 45 mm (260-pin SO-DIMM connector) | 69.6 mm x 45 mm SOM |
| آپریٹنگ درجہ حرارت | -25C to +80C (industrial modules vary) | -25C to +80C (module) |
| TAA/NDAA Compliance | Yes (US Country of Origin) | — |
| COO Suffix | 0A1 = USA (0A0 = Taiwan, 000 = China per EMAC inc.) | — |
| RoHS اسٹیٹس | Compliant (NVIDIA Jetson module product page) | Compliant |
| Product Type | — | System-on-Module (SOM) |
| Power Envelope | — | 10 W to 25 W (configurable) |
| Module Connector | — | 260-pin SO-DIMM edge connector |
| USB | — | USB 3.2 Gen 2 |
| Display | — | 1x HDMI 2.1 (via carrier) |
| Networking | — | 1x GbE (via carrier) |
| Country of Origin | — | USA |
| TAA Compliance | — | Yes (TAA/NDAA compliant) |
| Software Support | — | NVIDIA JetPack SDK, CUDA, TensorRT, DeepStream |