随着智慧交通与停车系统对即时性与智慧化的需求快速攀升，系统整合商面临部署上的多重挑战，需同时处理多路影像分析、车牌辨识、物件侦测与预测型分析等高复杂度任务，并确保在低延迟环境下维持稳定效能。藉由启用NVIDIA Jetson Orin Nano?上的Super Mode，艾讯的AIE100-ONA与AIE110-ONA现在已具备更强大的处理能力，以满足各种边缘部署需求。
Super Mode能全面释放Orin Nano平台上的CPU与GPU运算资源，提升AI模型执行效率与平行处理能力。在实际应用中，单*边缘装置便可同时支援更多摄影机串流与运行更高复杂度的AI模型，进*步强化侦测准确度与即时回应速度，同时降低整体基础建置成本。
艾讯运用Super Mode*佳化AI部署效益
为因应智慧城市对AI导入的需求快速增长，艾讯团队重新思考在有限空间与预算限制下，如何实现更**且可靠的边缘运算方案。产品经理潘孟楷表示：「现在的客户不仅要求系统轻巧，还期待能胜任更繁重的AI任务，并不增加整体成本与设计复杂度。」
有鉴于此，我们转变了开发策略。智动化软体研发部门主管林高斌指出：「我们开始反覆思考，在每*瓦耗电、每*元投入成本、每*次部署行动中，究竟能为业主创造多少实质价值？」*终促使我们决定把将研发重心聚焦于彻底释放Super Mode的效能潜力，借此协助客户以*小化的资源取得*大化的AI运算成果。
为实现这项目标，智动化软体研发部资深工程师陈永轩提出在启用Super Mode后，全面提升NVIDIA Jetson Orin平台的*大运算*限。他表示：「我们使用DeepStream SDK搭配TensorRT*佳化的YOLO模型来测试，发现启用Super Mode后，推论效能足足提升1.5至2倍。这验证了原*需两台设备才能执行的模型，现在仅需*台AIE100-ONA即可轻松搞定，还能维持即时反应。更令人惊艳的是，在既有平台的配置下，甚至可以直接升*使用更大型的模型(如YOLOv8n提升至YOLOv8s)，不仅提高平均准确率(mAP)，强化影像辨识效果，也同步降低了整体硬体投资成本。」
林高斌更强调：「Super Mode不仅是加快速度，同时协助业者能更轻松整合模型、简化部署流程，让导入AI变得又快又省又稳。」
AI视觉工作负载效益实证
在以TensorRT*佳化的YOLOv8模型比较基准测试中，启用AIE100-ONA的Super Mode后，各模型推论处理效能显著提升。以YOLOv8n为例，推论速度从91.5 FPS提升至141.96 FPS，而YOLOv8s则从73.75 FPS提升至116.47 FPS，且系统稳定性几乎未受影响(请参阅附图)。除了效能加速，Super Mode也支援部署更高精度的大型模型，例如YOLOv8l的mAP达52%，YOLOv8x更达53.9%，为边缘AI应用提供更强的准确性与可扩展性。
理想的智慧交通与停车解决方案
在智慧停车应用中，支援Super Mode的AIE100-ONA现在能同时执行更多入口车道监控、车牌辨识、车位预测与行人追踪，大幅提升系统的侦测涵盖范围与整体投资报酬率。交通管理单位也可透过单*设备，在边缘端即时进行物件侦测、车辆追踪与交通流量分析。
专为长期部署与扩展而设计
艾讯AIE系列边缘AI平台具备工业*设计、PoE支援、丰富I/O介面，并与DeepStream SDK和TensorRT完美整合。此外，平台支援LTE、Wi-Fi与NVMe扩充能力，能稳定执行24/7的边缘AI任务，即使于严苛户外环境亦不受影响。以Jetson Orin Nano为核心的AIE系列(AIE100-ONA与AIE110-ONA) 全面支援Super Mode，能大幅提升AI视觉应用中多影像串流与高复杂度资料的即时处理能力。借此，协助用户强化边缘部署效率，同时有效降低整体基础建设与运算资源成本。