品立科技Y-C18-DEV开发套件，是搭载NVIDIA Jetson Orin NX/Orin Nano系列核心模组的高性能AI边缘计算设备，以巴掌大小的紧凑尺寸，实现大模型本地部署与边缘侧实时推理能力，为海量数据的实时处理分析提供强劲AI推理支撑。

1、开箱展示

• Y-C18-DEV主机×1
• 电源适配器×1
• 硬盘（容量可选）×1
• 蓝牙/WIFI模块×1

2、首次启动与初始设置

Y-C18-DEV支持两种主流使用模式：显示器直连模式（适合初次配置与调试）与无头模式（Headless，适合批量部署与远程管理）。本小节以显示器直连模式为例，详解首次启动操作。

设备为上电自启动设计，按以下步骤操作即可完成首次启动：

1. 硬件连接

① 连接HDMI显示器至设备HDMI接口；

② 连接USB键盘、鼠标至设备USB Type-A接口；

③ 接入电源适配器，设备自动上电启动。

2. 系统登录与基础配置

• 系统登录

设备启动后，显示器将显示登录界面，输入预设密码（可根据客户要求设置），即可进入Ubuntu桌面系统。

• 功率模式配置

点击桌面右上角功率标识，可选择对应功率模式，根据算力需求灵活切换，平衡性能与功耗：0:MAXN SUPER（满功耗性能模式）、1:10W、2:15W、3:20W、4:40W。

• WIFI 连接

点击桌面右上角网络图标，选择「Select Network」，找到目标 WiFi 信号，输入密码即可完成连接，为后续操作提供网络支持。

3、系统信息确认

进入系统桌面后，按Ctrl+Alt+T快捷键打开终端，执行以下命令，可查看设备核心硬件与系统信息，验证初始化状态。

• 查看 CPU 信息

运行lscpu

可获取 CPU 架构、核心数、主频、缓存等详细参数。

• 查看内存容量

运行 free -h

图中以Jetson Orin NX 8GB模组为例，可查看显存总容量、已用/可用容量、缓存等信息。

• 查看硬盘容量

运行 lsblk

图中以256GB NVMe硬盘为例，可查看硬盘分区、各分区容量及挂载点，验证硬盘正常识别。

• 查看预安装的CUDA版本

运行 nvcc -V

确认GPU开发基础环境。

• 查看l4t版本

运行 cat /etc/nv_tegra_release

L4T是NVIDIA为Jetson系列打造的专属Linux 版本，验证底层固件与硬件兼容性。

• 查看内核版本

运行 uname -a

获取 Ubuntu 系统内核版本、系统架构（aarch64）等信息，为软件安装、驱动适配提供依据。

4、SSH命令行远程登录

为满足边缘场景无外设直连的需求，Y-C18-DEV 默认支持SSH 网络远程登录，同一局域网内可通过其它计算机实现远程命令行操作，步骤如下：

1. 设备网络接入

将设备通过网线连接至局域网交换机，或通过 WiFi 完成网络接入，确保与远程控制电脑处于同一网络段。

2. 获取设备局域网IP

在设备本地终端执行ifconfig命令，找到以太网（enP8p1s0）或WiFi（wLP1p1s0）对应的inet，即为设备IP地址。

3. Windows电脑远程连接

① 按Win+R进入终端；

② 执行SSH连接命令（ssh 用户名@设备IP地址）；

③ 首次连接输入yes确认认证，随后输入设备登录密码，验证通过即可完成远程登录，实现全功能命令行操作。

5、常见软件安装

完成基础配置后，安装以下核心开发工具与环境，即可开展边缘AI开发工作，所有命令均在终端执行，需确保设备网络通畅。

1. 安装jtop

jtop是专为Jetson平台设计的资源监控工具，可实时查看CPU/GPU利用率、温度、功耗等关键指标。

运行sudo apt-get install python3-pip

运行sudo pip3 install jetson-stats

运行sudo jetson_release

运行sudo jtop

2. 安装jetpack

JetPack集成CUDA、cuDNN、TensorRT、VPI等核心AI开发库，是边缘AI模型开发、推理部署的基石。

运行sudo apt-get update和sudo apt-get install nvidia-jetpack

运行sudo jetson_release，验证成功后，终端将显示各核心库具体版本，确认开发环境搭建完成。

3. 安装Docker和NVIDIA容器工具包

采用AI模型与应用的容器化部署，实现开发环境隔离、快速部署与跨设备迁移。

• 基础安装与配置

更新软件源并安装基础依赖

运行sudo apt-get update和sudo apt install -y nvidia-container curl

安装Docker引擎并设置开机自启

运行curl https://get.docker.com | sh && sudo systemctl --now enable docker

配置Docker

运行sudo nvidia-ctk runtime configure --runtime=docker

重启Docker使配置生效

运行sudo systemctl daemon-reload && sudo systemctl restart docker

验证Docker安装（查看版本）

运行docker --version

• 配置默认运行时

配置后无需每次启动容器手动指定--runtime nvidia，默认支持 GPU 调度：

运行sudo apt install -y jq

sudo jq '. + {"default-runtime": "nvidia"}' /etc/docker/daemon.json |

sudo tee /etc/docker/daemon.json.tmp &&

sudo mv /etc/docker/daemon.json.tmp /etc/docker/daemon.json

至此，用品立Y-C18-DEV开发套件搭建的边缘AI开发环境已经完成，可直接用于本地大模型（如LLaMA、Qwen）量化部署、计算机视觉模型（YOLO、Segment Anything）实时推理及多模态感知系统原型开发等。