1956年《国家12年科技远景规划》将计算技术列为重点发展领域，采取中苏合作模式，由苏联提供图纸和专家，帮助中国从无到有建立计算技术。1958年8月1日, 在苏联帮助下，中科院计算所和北京有线电厂（738厂）合作仿制成功M-3机（后定名为103机）。中国第一台电子管计算机诞生了。初代103机运算速度为每秒30次，包括后续103系列一共生产了49台。

曲阜师范大学中国教师博物馆保存着1964年生产的103机。

威盛人工智能教育品牌创造栗发布全国高中新课标产品——人工智能实验箱，这款全新的创造栗人工智能实验箱包括：威栗盒机器学习加速终端、威栗派智能学习终端、威栗camera智能图像模组、威栗speech语音模块、威栗派动力扩展单元、人工智能实验学习平台。

创造栗是隶属于威盛电子（中国）有限公司旗下品牌，于2017年07月11日创立，致力于提供中小学人工智能科普教育解决方案。目前尚无人工智能实验箱硬件配置更多信息，极可能是ARM架构的产品，不过它以内置原生python环境为卖点。

2021 年 6 月 10 日，树莓派基金会官方博客公布推出了一本名为《造就英国的计算机》（The Computers That Made Britain）的新书，作者 Tim Danton 在其中回顾了 1980 年代在英国掀起的家用计算机热潮，包括 Acorn Archimedes、Acorn Electron、Apple II、Apple Macintosh、Amstrad CPC 464、Amstrad PCW 8256、Atari 520ST、BBC Micro、Commodore 64、Commodore Amiga、Commodore PET 2001、Commodore VIC- 20、Dragon 32、IBM PC（5150）、Research Machines 380Z、Sinclair QL、Sinclair ZX80 / ZX81，以及 Sinclair ZX Spectrum 等在内的诸多计算机产品。

树莓派数字内容经理 Alex Bate 评价道，该书讲述了这些电脑的故事、以及人们在创造它们的过程中发生的幕后故事。

深度学习的训练和推理流程，是先采用高性能图形服务器使用深度学习框架来训练（Training）机器学习算法，研究大量的数据来学习一个特定的场景，完成后得到模型参数，再部署到终端执行机器学习推理（Inference），以训练好的模型从新数据中得出结论。

一般的深度学习项目，训练时为了加快速度，会使用多 GPU 分布式训练。但在部署推理时，为了降低成本，往往使用单个 GPU 机器甚至嵌入式平台进行部署。Jetson Nano 可以完成整个训练和推理流程，但基于 Jetson Nano 的低算力，不推荐在 Jetson Nano 上进行复杂训练，而仅用于推理。

树莓派基金会（RASPBERRY PI FOUNDATION）在线免费提供书籍和杂志PDF下载资源（当然也可以捐助或者购买印刷版）。

2021 年 5 月 17 日，ARDUINO 团队发布搭载 Raspberry Pi RP2040 微控制器的 Arduino Nano RP2040 Connect，RP2040 是运行频率为 133MHz 的双核 Arm Cortex M0+，它有 264KB 的 SRAM，还有 2-16MB 的片外闪存，足以运行 TensorFlow Lite。

Arduino Nano RP2040 Connect 包含 u-blox NINA-W102 WiFi（802.11b/g/n）和蓝牙无线（BLE v4.2）模块，以及具有六轴机器学习能力的 IMU 运动传感器、用于声音和语音激活的板载麦克风、RGB LED 和大量多功能 GPIO 引脚。

NVIDIA® Jetson Nano™ 开发者套件是一款面向创客、学习者和开发者的人工智能计算机。官方入门级深度学习教程 Jetson Inference（Hello AI World）仓库使用 NVIDIA TensorRT 将神经网络有效地部署到 Jetson 平台上，以体验三种最常见的计算机视觉 AI——图像识别、对象检测、和语义分割。

《Jetson Nano 2GB 开发套件动手玩》已经介绍了 Jetson Nano Developer Kit 的安装和配置，《Jetson Nano 人工智能开发者套件》也介绍了硬件的基本信息，本实践实际是将利用高算力训练获得的模型参数部署到边缘设备执行深度学习推理的过程。

2019 年 3 月， NVIDIA 在 TX2 和 Xavier 获得成功后推出了最初的低配版 Jetson NANO 开发者工具包，广泛应用于机器人、零售、工业、农业和人工智能 OT 等各个领域。2020年10月，NVIDIA 宣布了 Jetson Nano 2GB 开发者套件 ，价格为 59 美元，这使得它对于学习人工智能和机器人技术来说更加实惠。通过 128 核 NVIDIA Maxwell GPU 和 64 位四核 Arm A57CPU 提供 472 GFLOPS 的算力，对比 Jetson 系列的高级版 AGX Xavier 提供 32 TOPS 的算力，约是后者的 1/60（FLOPS和OPS是有差异的算力概念，姑且等同视之），可以使用一些小规模、并且优化过的框架和网络进行推理，并应用于算力要求较低的边缘嵌入式AI设备中，如小型移动机器人、人脸签到打卡、口罩识别、智能门锁、智能音箱等。相校其他单板计算机架构配置较低（如 A53 的 CPU 对比树莓派4的 A72），但独特优势是在低价位上具有专用 GPU 加速处理器，CPU可以通过CUDA框架在GPU上调用CUDA功能，从而实现并行计算的可能性。

在本站的数据科学（DS）栏目中介绍了《Jetson Nano 人工智能开发者套件》的硬件信息，以下准备以“无头模式”来动手开箱使用 Jetson Nano 2GB Developer Kit，全新套件包括载板，以及已经安装在载板的模块（P3448-0003）。