1、Jetson平台概述与常见故障分类
大家好，我是你们这趟Jetson故障排查之旅的向导。做嵌入式这么多年，我摸过的板子从单片机到高性能计算模块，少说也有几十种。但Jetson这个系列，说实话，让我又爱又恨。爱的是它的算力，恨的是它出问题时的排查难度。
今天这一章，我们先不急着修板子。先聊聊Jetson家族到底有哪些成员，它们之间有什么差异。然后，我会把常见的故障分个类。最后，给出一套我自己的排查思路。嗯，这套思路帮我省了不少加班时间。
1.1 Jetson系列硬件差异：别拿Nano当Orin用
Jetson家族目前主流的有这几个型号：Jetson Nano、Jetson TX2、Jetson Xavier NX、Jetson Orin NX/Orin Nano。你想想看，它们的定位完全不同。
| 型号 | AI算力 | 内存 | 典型功耗 | 核心差异点 |
|---|---|---|---|---|
| Jetson Nano | 472 GFLOPS | 4GB LPDDR4 | 5W-10W | 入门级，散热压力小 |
| Jetson TX2 | 1.33 TFLOPS | 8GB LPDDR4 | 7.5W-15W | 老将，Pascal架构 |
| Jetson Xavier NX | 21 TOPS | 8GB/16GB LPDDR4x | 10W-20W | Volta架构，带Tensor Core |
| Jetson Orin NX | 70 TOPS | 8GB/16GB LPDDR5 | 10W-25W | Ampere架构，散热是硬门槛 |
| Jetson Orin Nano | 40 TOPS | 4GB/8GB LPDDR5 | 7W-15W | 性价比之选，接口有缩水 |
核心观点： 不同型号的故障表现差异很大。Nano的故障多半是供电不足，Orin的故障十有八九跟散热有关。我见过有人把Orin NX的散热片换成Nano的，结果跑模型三分钟就过热降频。说白了，硬件选型决定了故障的上限。
1.2 常见故障类型：四大金刚
根据我这些年处理过的案例，Jetson的故障可以归纳为四大类。每一类都有它的脾气。
1.2.1 启动故障
这是最让人头疼的一类。按下电源键，屏幕没反应，或者卡在某个log界面不动了。
- 症状： 上电后无显示、反复重启、卡在NVIDIA logo、进入recovery模式失败。
- 常见原因： 镜像损坏、eMMC/SD卡接触不良、电源时序不对、bootloader配置错误。
- 我的经验： 有一次客户说板子怎么都起不来，我远程看了半天。最后发现是SD卡插槽里有一根头发丝。嗯，你没听错，头发丝短路了。
1.2.2 散热故障
Jetson的散热问题，说白了就是「热死」或「卡死」。Orin系列尤其明显。
- 症状： 运行一段时间后性能骤降、风扇狂转、触摸外壳烫手、系统自动关机。
- 常见原因： 散热片安装不到位、导热硅脂干涸、风扇堵转、环境温度过高。
- 避坑指南： 我曾经在Orin NX上涂了过量的硅脂，结果硅脂溢出到电容上，导致短路。从那以后，我涂硅脂只用「米粒法」，绿豆大小就够了。
1.2.3 外设故障
外设问题最容易被忽略。很多人一上来就怀疑核心板，其实往往是线没插好。
- 症状： CSI摄像头无图像、USB设备不识别、HDMI无输出、GPIO电平异常。
- 常见原因： 设备树配置错误、供电不足、驱动未加载、线缆损坏。
- 我的习惯： 遇到外设问题，我第一件事不是查代码，而是换一根线。你想想看，一根劣质HDMI线能让你排查三天。
1.2.4 软件故障
软件故障最隐蔽，也最考验功底。
- 症状： 模型推理报错、CUDA版本不兼容、包管理器冲突、内核panic。
- 常见原因： JetPack版本不匹配、依赖库缺失、权限问题、环境变量错误。
- 我的建议： 别用apt-get乱装包。Jetson的软件生态很脆弱，一个库版本不对，整个环境就崩了。我习惯用Docker或者conda隔离环境。
小技巧： 遇到软件故障，先看 dmesg 和 journalctl -xe。这两个命令能告诉你80%的问题真相。
1.3 排查思路：从现象到根因
排查故障，说白了就是「大胆假设，小心求证」。我总结了一套四步法，分享给你。
- 第一步：复现现象
别急着修。先确认故障能不能稳定复现。如果时好时坏，多半是接触不良或散热问题。
- 第二步：缩小范围
用排除法。拔掉所有外设，只保留最小系统（核心板+电源+串口）。如果能启动，那就是外设的问题。如果还不行，那就是核心板或电源的问题。
- 第三步：查看日志
日志是故障排查的「黑匣子」。启动日志看
dmesg，应用日志看syslog，内核崩溃看kern.log。 - 第四步：交叉验证
换一块已知好的板子，或者换一个已知好的电源。如果问题消失，那就是硬件差异。如果问题依旧，那就是软件或环境问题。
警告： 千万不要在没确认电源稳定的情况下，反复给板子断电上电。Jetson的PMIC（电源管理芯片）很脆弱，频繁的浪涌电流会烧坏它。我见过有人一天内烧了三块Orin的PMIC，就是因为电源开关按得太频繁。
1.4 我的工具箱
最后，分享几个我常用的排查工具。这些工具帮我省了不少时间。
- 串口线（USB转TTL）： 必备。没有显示输出时，串口是你唯一的窗口。
- 热成像仪： 排查散热问题的神器。一眼就能看出哪里过热。
- 可调电源： 带电流显示的那种。看电流波形就能判断板子是否正常启动。
- SD卡烧录器： 多备几张不同品牌的SD卡。有些卡兼容性差，会导致启动失败。
好了，第一章就聊到这里。记住，排查故障就像破案，耐心比技术更重要。下一章，我们会深入启动流程，看看板子从按下电源到进入系统，到底经历了什么。