Lic. Carlos Enrique Loria Beeche.
Cuando uno empieza a investigar seriamente la posibilidad de construir laboratorios propios de inteligencia artificial, rápidamente descubre que está entrando en un mundo donde las inversiones pueden volverse enormes.
En mayo de 2026, sistemas empresariales basados en NVIDIA DGX H100 pueden alcanzar rangos entre $300,000 y $500,000 USD por unidad. Y eso antes de hablar de energía, enfriamiento, racks, networking o infraestructura adicional.
Seamos francos: todavía no me he ganado la lotería de Bitcoin, así que por ahora toca explorar soluciones más criollas y accesibles para un desarrollador independiente. Y honestamente, allí es donde el Jetson comienza a ponerse realmente interesante.
Por eso me llamó tanto la atención el enfoque completamente distinto que representa el NVIDIA Jetson Orin Nano Super Developer Kit. Un pequeño equipo de $249 USD, que al tipo de cambio de hoy —₡460 por dólar— representan ₡114,540 colones. No pretende competir contra un centro de datos, pero sí abre posibilidades muy reales para visión computacional, OCR, audio, video, sensores, automatización e inteligencia artificial en el borde (“Edge AI”).
Cuando hablo de visión computacional, me refiero a la capacidad de analizar imágenes o cámaras para detectar objetos, personas, vehículos o patrones. OCR significa extraer texto desde imágenes o documentos. En audio, el equipo podría ayudar a transcribir voz o generar respuestas habladas. En video, podría analizar escenas, extraer fotogramas o comprimir contenido. Y mediante sensores y automatización, podría conectarse con el mundo físico: medir, detectar, activar o responder.
A eso se le llama inteligencia artificial en el borde o Edge AI: ejecutar ciertos procesos de IA cerca del lugar donde ocurren los datos, sin depender siempre de enviarlo todo a un servidor remoto o a la nube.
Acostumbrado a participar como técnico en proyectos de investigación donde siempre se declara si existen o no conflictos de interés, me veo casi en la necesidad de hacer esta aclaración: este post no es patrocinado. No recibo pagos, comisiones ni beneficios por hablar del Jetson Orin Nano Super. Simplemente me pareció una pieza tecnológica suficientemente interesante como para incorporarla a mis laboratorios personales de investigación en IA y documentar el proceso.
Confieso que desde hace tiempo sigo con bastante interés las presentaciones de Jensen Huang y la evolución de la plataforma Jetson. Hace aproximadamente un año vi uno de estos videos, y desde entonces me quedó dando vueltas la curiosidad de explorar qué podría construir yo con una pieza tecnológica como esta. Aquíles Dejo:
Y honestamente, cuesta no pensar en The Jetsons (“Los Supersónicos”) cuando uno ve el nombre Jetson. Aquella visión futurista de robots, automatización y tecnología inteligente que parecía ciencia ficción décadas atrás hoy empieza, poco a poco, a materializarse en dispositivos que literalmente caben en la palma de la mano.
La idea no es convertir este dispositivo en “otro chatbot”. La idea es mucho más interesante: utilizarlo como un pequeño nodo especializado de inteligencia artificial capaz de integrarse con aplicaciones, cámaras, sensores, automatizaciones o sistemas multimedia.
Infografía del proyecto, utilizando un nodo al borde de mis laboratorios.
¿Qué significa realmente “REST” o “RESTful”?
La palabra suena técnica, pero el concepto es sorprendentemente sencillo.
La mejor analogía probablemente sea un restaurante.
Un cliente se sienta a la mesa y le dice al salonero lo que necesita. El salonero no cocina. Su trabajo consiste en tomar correctamente el pedido y llevarlo a la cocina adecuada.
La cocina entonces procesa la solicitud:
- prepara la comida,
- organiza ingredientes,
- valida el pedido,
- y genera el resultado.
Finalmente, el salonero regresa a la mesa con la respuesta que el cliente esperaba.
Eso es exactamente lo que hace una arquitectura RESTful.
Una aplicación externa —una página web, WhatsApp, una cámara, un sensor o incluso otro servidor— realiza una petición HTTP al sistema.
El servidor REST recibe la solicitud, decide qué servicio utilizar, procesa el trabajo y devuelve una respuesta estructurada, normalmente en formato JSON.
Por ejemplo:
POST /ocr
Puede recibir una imagen y devolver el texto encontrado.
O:
POST /transcribe-audio
Puede recibir una nota de voz y devolver texto.
O incluso:
POST /analyze-image
Puede analizar:
- personas,
- vehículos,
- objetos,
- escenas,
- o movimientos.
En otras palabras:
el cliente no necesita entender cómo funciona internamente la “cocina” de inteligencia artificial. Solamente necesita saber cómo pedir correctamente el servicio que ocupa.
Y allí es donde el Jetson Orin Nano Super se vuelve realmente interesante.
¿Por qué este pequeño equipo resulta tan atractivo?
Porque no intenta competir contra un centro de datos.
Su propósito es distinto.
El Jetson pertenece al mundo de la llamada Edge AI:
inteligencia artificial ejecutándose cerca del dispositivo físico.
Eso significa:
- cámaras inteligentes,
- robótica,
- OCR,
- audio,
- video,
- sensores,
- automatización,
- visión computacional,
- inferencia local,
- y procesamiento multimedia.
Todo dentro de un dispositivo que literalmente cabe en la palma de la mano.
Lo que realmente estoy comprando
No estoy comprando:
- una estación monstruosa multi-GPU,
- ni un reemplazo para servidores de inferencia,
- ni un laboratorio estilo OpenAI.
Estoy comprando:
- un nodo especializado,
- acelerado por CUDA,
- con Linux,
- GPU NVIDIA,
- GPIO,
- cámaras CSI,
- y capacidad de ejecutar pequeños servicios inteligentes.
Y honestamente, para muchos desarrolladores independientes, eso puede ser muchísimo más útil que perseguir configuraciones imposibles de costear.
Lo que me interesa explorar con este equipo
1. OCR
Lectura de:
- facturas,
- documentos,
- etiquetas,
- pantallas,
- o imágenes.
2. Audio
- transcripción local,
- análisis de voz,
- procesamiento de notas de audio,
- generación de voz (TTS).
3. Visión computacional
- detección de objetos,
- reconocimiento,
- análisis de escenas,
- cámaras inteligentes,
- conteo,
- movimiento,
- video análisis.
4. Multimedia
- compresión de video,
- extracción de frames,
- thumbnails,
- streaming,
- procesamiento H264/H265.
5. Sensores y robótica
Aquí aparece algo muy interesante:
la hilera de pines GPIO.
Eso permite conectar:
- sensores,
- relés,
- motores,
- servos,
- actuadores,
- pantallas,
- módulos de comunicación,
- GPS,
- RFID,
- y otros dispositivos físicos.
Es decir:
la IA no solamente “piensa”.
También puede:
- observar,
- medir,
- reaccionar,
- y eventualmente actuar.
El verdadero enfoque: microservicios especializados
Lo más interesante del Jetson no es convertirlo en un servidor gigante.
Lo interesante es convertirlo en una pequeña “cocina inteligente” especializada.
Por ejemplo:
POST /ocr
POST /tts
POST /analyze-video
POST /detect-objects
POST /compress-video
POST /transcribe-audio
Cada endpoint hace una tarea concreta.
Y otras aplicaciones pueden consumir esos servicios sin necesitar entender cómo funciona internamente la IA.
Eso permite arquitecturas mucho más limpias:
- desacopladas,
- modulares,
- escalables,
- y fáciles de mantener.
Lo que NO debo esperar
También conviene ser realista.
El Jetson Orin Nano Super tiene:
- 8 GB LPDDR5,
- CPU ARM Cortex-A78AE,
- GPU NVIDIA Ampere,
- CUDA/TensorRT.
Pero NO es una máquina para correr grandes LLM de forma agresiva.
No está pensado para:
- modelos gigantes 70B,
- entrenamiento masivo,
- ni cargas enterprise.
Su verdadero fuerte está en:
- visión,
- multimedia,
- inferencia especializada,
- robótica,
- sensores,
- y Edge AI.
Y honestamente… allí es donde más sentido tiene.
¿Qué pienso instalar primero?
Mi idea inicial probablemente seguirá este orden:
Etapa 1 — Base limpia
- JetPack oficial
- Ubuntu
- CUDA
- validación GPU
- SSH
- Docker
Etapa 2 — Visión básica
- OpenCV
- prueba de cámaras
- captura de video
Etapa 3 — OCR y audio
- OCR
- Whisper
- transcripción local
- TTS
Etapa 4 — Servicios REST
- APIs simples
- endpoints especializados
- integración con otros sistemas
Etapa 5 — Visión avanzada
- YOLO
- TensorRT
- detección de objetos
- análisis inteligente
Reflexión final
Durante años, muchas de las tecnologías más avanzadas parecían reservadas únicamente para universidades, grandes corporaciones o gigantes tecnológicos.
Pero dispositivos como el Jetson Orin Nano Super muestran algo interesante:
la inteligencia artificial también puede comenzar a miniaturizarse.
No para reemplazar centros de datos multimillonarios.
Sino para permitir que desarrolladores independientes, investigadores, makers y arquitectos de software puedan construir pequeños laboratorios reales de IA, especializados y sorprendentemente potentes.
Y honestamente…
eso me parece muchísimo más interesante que simplemente correr otro chatbot.
Documentación oficial que pienso revisar antes de que llegue el equipo
Antes de comenzar la instalación física del equipo, voy a dejar reunidos los enlaces oficiales de NVIDIA que pienso revisar con calma. La idea es no improvisar cuando el equipo llegue, sino tener preparada una ruta de instalación ordenada y basada en documentación oficial.
Guía oficial de inicio — Jetson Orin Nano Developer Kit
Esta es la guía principal para comenzar. Aquí NVIDIA explica cómo preparar la microSD, identificar los conectores del equipo, realizar el primer arranque y seguir el flujo básico recomendado para dejar el Jetson funcionando correctamente.
https://developer.nvidia.com/embedded/learn/get-started-jetson-orin-nano-devkit
JetPack SDK
JetPack es el stack oficial de software para la plataforma Jetson. Incluye el sistema base, librerías, herramientas y componentes necesarios para construir aplicaciones de IA en el borde, robótica, visión computacional e inferencia acelerada sobre hardware NVIDIA.
https://developer.nvidia.com/embedded/jetpack
Instalación y configuración de JetPack
Este enlace es importante porque NVIDIA advierte que no siempre basta con grabar una microSD y arrancar. Si el equipo viene con firmware antiguo o con JetPack 5.x, primero puede ser necesario actualizar el firmware antes de usar una imagen reciente de JetPack 6.x.
https://docs.nvidia.com/jetson/jetpack/install-setup/index.html
Software Setup — User Guide oficial
La documentación oficial muestra dos caminos distintos: el método simple con microSD y un flujo más avanzado usando una computadora Linux como host. Este segundo camino permite flashear imágenes, preparar almacenamiento NVMe o USB, instalar componentes adicionales y tener mayor control técnico sobre el dispositivo.
https://developer.nvidia.com/embedded/learn/jetson-orin-nano-devkit-user-guide/software_setup.html
NVIDIA SDK Manager
El SDK Manager puede confundir al principio, porque no está pensado como una aplicación cotidiana dentro del Jetson. Normalmente se ejecuta desde otra computadora Linux que actúa como host de administración. Desde allí se puede actualizar firmware, reflashear el sistema, instalar JetPack, preparar discos NVMe e incluso recuperar el equipo si algo sale mal.
https://docs.nvidia.com/sdk-manager/install-with-sdkm-jetson/index.html
Documentación general Jetson Linux
Este es el portal central de documentación técnica de Jetson. Reúne información sobre Jetson Linux, CUDA, TensorRT, multimedia, cámaras, GPIO, contenedores, despliegue, SDKs y herramientas de desarrollo. Probablemente será uno de los sitios que más consulte durante las primeras pruebas.
https://docs.nvidia.com/jetson
Jetson AI Lab
Jetson AI Lab parece ser uno de los mejores puntos de entrada prácticos para experimentar con IA sobre Jetson. Incluye ejemplos, tutoriales, modelos, visión computacional, agentes IA, contenedores y proyectos optimizados específicamente para esta plataforma.
Contenedores oficiales NVIDIA para Jetson
Uno de los aspectos más interesantes del ecosistema NVIDIA es que muchas herramientas ya vienen preparadas como contenedores oficiales. Esto permite levantar servicios de IA, visión, inferencia o multimedia usando Docker, reduciendo instalaciones manuales y problemas de compatibilidad.
https://catalog.ngc.nvidia.com/orgs/nvidia/containers
TensorRT
TensorRT es una pieza clave para optimizar modelos de inteligencia artificial y ejecutarlos de forma más rápida y eficiente sobre hardware NVIDIA. En un Jetson puede ser fundamental para inferencia, visión computacional y procesamiento IA en tiempo real.
https://developer.nvidia.com/tensorrt
CUDA Toolkit
CUDA es la plataforma que permite utilizar la GPU para procesamiento paralelo acelerado. Muchísimas herramientas modernas de IA, visión computacional, simulación y deep learning dependen directa o indirectamente de CUDA. Entenderla será clave para profundizar en el ecosistema NVIDIA.
https://developer.nvidia.com/cuda-toolkit