小巧卻功能強大的開發套件，將業餘愛好者們的賽車車速不斷拉高，也刷新多項紀錄。
改裝賽車左拐右拐地駛向終點。觀眾們歡聲雷動。後勤維修人員紛紛擊掌。這並非是納斯卡賽車活動，而是一處硬體合作空間，是矽谷 DIY Robocars 賽車運動的起點。
科技業的工程師和業餘愛好者用筆記型電腦來微調他們的神經網路，取代了手拿扳手的機械技師。
此時 NVIDIA Jetson Nano 開發套件讓這些賽車一舉進入自動駕駛領域，原因在於這些業餘愛好者中有許多人是參加 1/16 大小或更小型的「改裝」車組別，發現這個開發套件讓他們能用少許的錢，享受到專業人工智慧技術的優點。
自動駕駛賽車活吸引了來自 Amazon、Google、Microsoft、NVIDIA 及其他科技公司的學生、業餘愛好者和下班後的員工來參加，讓他們度過一個愉快的週末。活動主持人，也是無人機新創公司 3DR 的執行長 Chris Anderson 表示：「NVIDIA 跟這個圈子的關係日益加深。這是一場全尺寸自動駕駛車的代理人戰爭。」
日前在九月的某個週日，數百名自動駕駛賽車迷們齊聚加州奧克蘭市的 Circuit Launch 空間參加一場比賽。不過幾個月前，這個 DIY 賽車創客圈子中的許多人還在使用 Raspberry Pi，不過他們現在大多數人都改用 Jetson Nano，以保有自己的競爭力。
NVIDIA 的團隊在「改裝」賽車組別中勇奪冠軍，而在有更高造車費用的「無限」組別中，冠亞軍的車輛都使用了 Jetson。
Andersen 表示全球有來自四十國的一萬多人加入自動駕駛賽車的圈子。
更快的單圈時間紀錄
不久前情況並非如此。今年初的單圈時間紀錄幾乎是最近公布之單圈紀錄時間的兩倍。Jetson Nano 的深度學習技術將自動駕駛賽車的室內賽道單圈時間，從原本的12秒縮短到約6秒。
「毫無疑問創客圈已經開始採用 Jetson Nano 這個平台，這是向人工智慧發生典範移轉及這個創客圈邁出步伐的一個例子。」參賽的 NVIDIA 自動機器部門開發者技術工程師 John Welsh 表示。
為何採用 Jetson Nano AI
採用 Ubuntu Linux 作業系統且體積小巧、功能強大的 Jetson Nano，運行著跟在超級電腦上使用一模一樣的人工智慧框架，包括 PyTorch、Keras、TensorFlow 及 OpenCV 函式庫。
用於電腦視覺及自然語言處理的 PyTorch 開放源碼機器學習函式庫，允許來自各行各業的機器人可以進行觀看和交談。
Jetson Nano 還運行 NVIDIA CUDA-X 函式庫、工具和技術的集合，可以提升人工智慧應用程式的性能，代表它可以使用所有相同的 TensorFlow 軟體庫，且使用深度學習加速器上的 TensorRT 函式庫來優化模型及加快推論速度。
Jetson Nano 還提供 472 GFLOPS 的運算效能，可以處理嚴苛的人工智慧工作量，而耗電量卻只有5瓦，適用於各類以電池為電力來源的機器人。
同為參賽者的 NVIDIA Jetson 架構師 Gabriele Gorla 說：「讓大家都能享用到這項自動駕駛技術，實在是太棒了。」
打造你自己的賽車
如果你想要加入他們，可以通過 JetRacer 開放源碼項目這個起點將人工智慧用在賽車上。只要挑一輛已經搭載 Jetson Nano 的 JetRacer 賽車，就能開始組裝了。在這裡和這裡提供了現成的 JetRacers 材料清單。在這裡及這裡則是說明了組裝方式。
不然就是從頭開始打造你個人專屬的賽車，或是考慮 DIY Donkeycar，然後跟 Jetson Nano 結合起來。
把可取得的 JetCard 檔案存到 microSD 記憶卡上，便能加快軟體開發速度。這個系統組態預先裝入了一個 Jupyter Lab 伺服器，會在開機時啟動，讓你可以透過網頁來編寫程式碼。在建構項目中加入一個 LED 螢幕，也能有助於顯示 Jetson 的 IP 位址及其它有用資訊。
系統設定項目還讓你能取得先前提到及熱門的 PyTorch 及 TensorFlow 深度學習框架。使用 JetCard 完成設定後，便能開始直接使用網路瀏覽器和 Python 程式語言來開發人工智慧項目。
自動駕駛賽車及其它項目
開放源碼型態的 Ubuntu Linux 為深度學習提供了強大的編程能力。業餘愛好者與專業人士使用 Jupyter Notebook，便能輕鬆訓練模型，就像是在網頁瀏覽器中修改一塊程式碼，然後接著使用模型一樣簡單。
自動駕駛賽車只是一個開始罷了，還能將 Jetson Nano 用在從醫療影像到家庭機器人及工業物聯網等方面。在 Jetson Nano 出現後，唯有用戶的想像力才會對人工智慧的發展範圍設限。在這裡提供了 Jetson 開發社群開發中的專案列表。
「我們覺得深度學習的應用範圍還有更大的可能性。這正是我們要向其他使用者展示這個平台的原因。」NVIDIA Jetson 部門技術行銷經理 Chitoku Yato 說，他曾與 Welsh 一同參賽。