Un MiniPC pour 55 $ ? NVIDIA relève le défi, et tente de concurrencer le Raspberry Pi

Avec le Raspberry Pi s’est instauré une mode des miniPC. En effet, la sucess story de la petite framboise a de quoi attiser la curiosité de bon nombre de firme, la communauté proposant un nombre gigantesque de projets rendant populaire l’engin, jusqu’aux oreilles des non-initiés. Basé sur un quadcore ARM, la carte a subi de nombreuses évolutions et de nombreux clones.

Celui du jour est néanmoins légèrement différent, puisqu’il est produit par un mastodonte de l’informatique : NVIDIA, qui est justement embarqué dans le rachat d’ARM. Du quoi faire prendre la mayonnaise ? Voyons cela ensemble avec les caractéristiques techniques.

Nommé Jetson Nano 2 GB, il ne s’agit ni plus ni moins que d’une version castrée à 2 Go de RAM (LPDDR4) du Jetson Nano, une carte de développement précédente des verts. Nous retrouvons ainsi un SoC intégrant un CPU quadcore ARM à base de cortex A57 (des petits bousins, que l’on retrouve habituellement dans les clusters lents des big. LITTLE ou dans la partie rapide, mais overclockés) cadencé à 1,43 GHz. Le Gigabit Ethernet est également de la partie, tout comme le WiFi 5 (ou AC, comme vous voulez). Enfin, l’argument majeur se situe dans la partie graphique, composée de 128 cœurs issus de l’architecture Maxwell des verts. Pour la connexion externe, rien de bien mirobolant : le système — un Ubuntu 18.04 par défaut, avec une mise à jour prévue pour la 20.04 — devra se situer sur une carte microSD : et le PCB n’offre qu’une connectique limitée : 1 USB 3.0, un HDMI et 2 USB 2.0, plus un USB 2.0 en type-B. Rajoutez cependant un port GPIO à 40 broches, devenu incontournable sur ces machines. Inutile par contre de lorgner sur le port USB Type-C placé à l’extrême gauche de la carte, il ne servira qu’à l’alimentation.

Pour ce qui est du prix, la carte nue reviendra à 55 $ en précommande (livraisons prévues à partir du 26 octobre), auxquels il faudra rajouter les divers câbles et périphériques nécessaires à son fonctionnement. De quoi ravir les bricoleurs à la recherche de puissance GPU, par exemple pour des projets incorporant du machine learning ?