正文
更新之后的软件 Stack 的具体架构如下：
Jetson TX2 的配备非常齐全，开发者的准入门槛降低，开发难度大大下降。开发者只要拿到 Module 以及开发套件之后，第一天就能进行人工智能的开发。
李铭博士告诉雷锋网 (公众号：雷锋网)，在 NVIDIA 端到端的人工智能计算模型中，Jetson 平台处于以下的状态：
首先是通过 DGX-1 超级计算机训练海量数据，构建神经网络，一方面可以将其放到数据中心中去；另一方面便是放入到 Jetson 平台，也就是人工智能终端，包括
无人机
、摄像头以及汽车。而且，这个过程是不断演进、自我学习深化的。
随着人工智能的不断发展，NVIDIA 的 GPU 技术在其中发挥着越来越重要的作用。而且，李铭博士表示，NVIDIA 也坚信终端的人工智能化会是未来的重点。
至于其中的原因，李铭总结称：
第一是带宽问题。未来，全球会有超过 10 亿个摄像头在各地收集相关数据，而这意味着海量的数据量。Jetson 要做的就是在终端上进行数据的筛选，将垃圾信息过滤掉，再将其返回至数据中心。
第二是延迟问题。因为现在人工智能的反应速度要求是毫秒级别的，如果按照以往计算能力，这个速度要慢至 200 毫秒，显然无法满足工业界的要求。
第三是私密性问题。这个在医疗行业尤为明显，在保证病人信息的私密性方面，医疗网络的构建都通过私有云或者本地化来实现。如果要进行远端的医疗服务，那么数据必须连上因特网，而这就意味着被黑掉的风险，甚至系统都会崩溃。而用人工智能的方法先把中间的一些结构提取出来，再加密将其传输出去，私密性便得到保证。
最后是可行性。目前所知，全球有人居住的地区，网络带宽都在 8Mbps 以下，很多网络不发达的地区连 3G 网络都没有。当带宽不足时，很多终端就需要能自己处理一些简单的信息，进行传输和反馈。
