先摸个底:这块 Orin Nano 到底能跑多快
新板到手别急着上项目。五个检测模型、十个 TensorRT 引擎、同一把尺:INT8 后 85~166 FPS 一张表,附功耗温度和值不值的判断。
本页目录
板子到手第三天,我没急着上任何项目,先干了一件事:把主流轻量检测模型全在这块 Orin Nano Super 上跑一遍,摸清它的底。
理由很简单:选型这事吵不出结果,跑分可以。五个模型、FP16/INT8 两档、十个 TensorRT 引擎、同一条流水线、同一张测试图,谁行谁不行,一张表见分晓。
一张表看底
| 模型 | FP16 FPS | INT8 FPS | INT8 整板功耗 | 结温 | 每瓦帧数 | INT8 检测一致率 |
|---|---|---|---|---|---|---|
| YOLO26n | 147.9 | 165.7 | 5.6 W | 81 ℃ | 29.5 | 0.60 |
| YOLOv8n | 120.6 | 137.2 | 5.1 W | 66 ℃ | 26.8 | 0.80 |
| YOLO11n | 116.6 | 130.8 | 5.0 W | 67 ℃ | 26.0 | 0.80 |
| YOLO12n | 88.1 | 85.2 | 5.9 W | 82 ℃ | 14.5 | 0.60 |
| RT-DETR-L | 33.6 | 42.7 | 8.2 W | 96 ℃ | 5.2 | 0.71 |

表里三件事,比数字本身值钱:
- YOLO26n 双冠,但赢法不是算力。 165.7 FPS 和 29.5 帧/瓦两个第一,账单拆开看:它把 NMS 砍了——后处理 0.45ms,对手们 2.3ms。单帧 5.92ms 里省出的 1.25ms,全是从后处理抠出来的。
- YOLO12n 的 INT8 是倒挂的。 85.2 比 FP16 的 88.1 还慢,attention 结构量化后零收益。别信"INT8 一定更快"这句话,信表。
- RT-DETR-L 是道散热题。 42.7 FPS 看着能跑,结温 96℃。这个量级的模型上这块板,先问风扇答不答应。
检测之外,同一块板顺手摸的:姿态(YOLO11n-Pose FP16)91.9 FPS,分割(FastSAM)42.6 FPS。底,就是这么个底。
口径不交代,数字就是耍流氓
- 引擎全是 TensorRT 10.7(JetPack 6 / CUDA 12.6),同一流水线实测,不是工具裸跑数
- 锁频 1020MHz,满频占比 100%,告警 0 条才认数,预热帧剔除
- 功耗取整板输入功率,结温取峰值,每引擎连跑取均值
- 测试图为 ultralytics 官方示例图 bus.jpg(810×1080),逐帧推
摸底期间踩到的最值钱的一个坑,也送你:同一个 v8n INT8,我的视频流水线口径 165.3,换统一裁判口径只剩 137.2,28 FPS 就这么没了。输入尺寸和管线一变,数字就变。以后看任何板卡跑分,先问口径,再看数字。
值不值
这个价位的开发板:检测上百帧、姿态 90+、分割 40+,满载功耗个位数瓦特——算力从来不是这块板的瓶颈,你怎么喂它才是。
两句冷水照旧泼上:表里数字是"干净输入"跑的;暗光、遮挡、分布外的场景是另一回事,我实测过暗光下 conf 0.25 直接全空。摸底数字用来定选型和上限,别拿去承诺现场效果。
环境口径:Jetson Orin Nano Super 8GB / JetPack 6 / TensorRT 10.7 / CUDA 12.6,2026-11 实测。