NVIDIA 近年亦相當重視 GPU 在嵌入式領域的發展，推出 Jetson 開發平台供開發者設計各類先進機器人，不過可達自動駕駛層級所需的高性能也意味著單價偏高，為了讓更多開發者能夠使用 Jetson 平台， NVIDIA 在今年 GTC 針對嵌入式平台開發者推出更為平價的 Jetson Nano ，以及供開發者、創客可利用的 Jetson Nano 開發套件。
Jetson Nano 的目標市場包括智慧城市監控用的網路錄影機、具機器視覺的產線機器人、家用與服務型機器人，以及 AIOT 的智慧物聯網閘道等；至於 Jetson Nano 開發板則鎖定有意導入進階 AI 能力應用像是物體辨識、智慧機器人的創客。
Jetson Nano 可說是用於任天堂 Switch 的 Tegra X1 的延伸版本，採用 1.43GHz 的 Cortex-A57 四核心，搭配 Maxwell 架構的 128 個 CUDA 核心 GPU ， 能夠在 FP16 下提供 472 GFLOPs ，搭配有 4GB 的 LPDDR4 與 16GB 內建儲存， Jetson Nano 單板大小僅 7 x 4.5 公分大小，功耗為 5W 或是 10W 。
相機連接部分 12 ( 3x4 或 4x2 ) MIPI CSI-2 DPHY 1.1 ，影像頻寬為 1.5Gbps ，並具備 HDMI 2.0 或 DP 1.2 影像介面，此外提供包括 1 x SDIO 、 2x SPI 、 5x SysIO 、 13x GPIO 與 6x I2C 等介面，對外提供包括 1x1/2/4 PCIe 與一個 USB 3.0 介面，供使用者能連接各類的周邊。
隨著 Intel 宣布旗下加速器 Compute Stick 可搭配樹莓派提供機器學習、而 Google 也推出 Coral dev Board 的 Edge TPU ，藉由在平價市場導入機器學習的能力，讓更多開發者甚至創客都可利用這些平價的開發套件創造多元的邊際運算應用，諸如機器視覺、機器人等，雖然 Jetson TX 系列可提供更高的性能，但價格卻遠高於這兩套邊際運算平台。
雖然 Edge TPU 或是樹莓派搭配 Compute Stick 2 在特定的項目有相當優異的表現，不過這兩項平台不能相容廣泛的主流 AI 開發平台，而 Jetson Nano 延續 NVIDIA 自桌上型 GPU 、深度學習技術發展累積至今的開發成果，除了系統使用基於 Ubuntu 的完整桌上型 Linux 系統，更能快速移植其它規模的平台所培訓的 AI 模型與共用開發環境。
NVIDIA 亦藉 Jetson Nano 推出也一併釋出新版的 Jetpack 4.2 與 Deepstream 3.0 ，作為承先啟後的最新版開發環境，同時一次的開發結果即可用於 Jetson Nano 、 Jetson TX2 甚至 Jetson AGX Xavier ，無論是想由微至巨或是由巨至微，都能享有共同的開發環境與成果。
同時，為了加速機器人一類的自動化機械開發， NVIDIA 也宣布提供開放的 ISSAC Open SDK ，包括虛擬化設計平台 ISSAC SIM ，以及虛擬機器人訓練平台 ISSAC Gym ； ISSAC SIM 可在虛擬的環境中驗證機器人的機構以及與環境的互動，而 ISSAC Gym 則可在虛擬環境中進行機器人 AI 模型的預先訓練，透過兩項虛擬環境，可預先在機器人製造出來前先行驗證機構的可行性、與接下來投入實際測試前確保機器人具備可用的基礎 AI 邏輯。
