Ultralytics في Arm Create 2026: ذكاء اصطناعي للرؤية آني على الأجهزة الطرفية

في 11 سبتمبر 2026، شاركت مساعدة التسويق لدينا Ziyue Wang ومهندس تعلّم الآلة الأول Rick Hou في Arm Create، فعالية Arm للمطورين حول بناء الذكاء الاصطناعي وتحسينه ونشره عبر السحابة والأجهزة الطرفية والهواتف المحمولة والذكاء الاصطناعي المادي. وكان تركيزنا على نشر Ultralytics YOLO على الأجهزة الطرفية: كيفية تشغيل نموذج رؤية حاسوبية مدرّب في الوقت الفعلي على أجهزة تعتمد على Arm.

أُقيمت الفعالية في شنتشن بعد محطة سابقة في شنغهاي، وتناولت كلتاهما سؤالًا يواجهه كل مطور للذكاء الاصطناعي عاجلًا أم آجلًا: كيف تحوّل نموذجًا قادرًا إلى برنامج يعمل بموثوقية في العالم الحقيقي؟

إليكم ملخصًا لجلسَتنا، ونقاش النماذج، وكيفية تعاون Arm وUltralytics لجعل Ultralytics YOLO أكثر إتاحة للمطورين الذين يبنون حلولًا على Arm.

نشر Ultralytics YOLO لذكاء اصطناعي آني على الأجهزة الطرفية#

قدّم ريك هو، مهندس تعلم الآلة الأول لدينا، جلسة «نشر Ultralytics YOLO: ذكاء اصطناعي للرؤية في الزمن الحقيقي على الأجهزة الطرفية»، وهي جلسة عملية حول تحسين نماذج Ultralytics YOLO ونشرها على الأجهزة الطرفية. تناولت الجلسة مسار النشر الكامل واستعرضت الدروس المستفادة من استخدام Ultralytics YOLO في تطبيقات الذكاء الاصطناعي الطرفي الإنتاجية.

الشكل 1. Rick من Ultralytics يقدم عرضًا عن نشر Ultralytics YOLO على الأجهزة الطرفية في Arm Create.

تصدير نماذج Ultralytics YOLO لبيئات تشغيل الأجهزة الطرفية#

تتمثل الخطوة الأولى في نشر النماذج على الأجهزة الطرفية في تصدير النموذج المدرّب إلى تنسيق تدعمه بيئة التشغيل المستهدفة. وشرح Rick أن اختيار تنسيق التصدير المناسب يعتمد على الجهاز ومحرك الاستدلال وأهداف أداء التطبيق.

تكميم النماذج لتسريع الاستدلال على الجهاز#

تقلّل الكمّية الدقة العددية للنموذج، مثلًا من FP32 إلى FP16 أو INT8، ما يقلّص حجم النموذج ويسرّع الاستدلال، وغالبًا مع خسارة طفيفة في الدقة. وشرحت الجلسة كيفية الموازنة بين السرعة والدقة عندما تكون ميزانيات الحوسبة والذاكرة والطاقة محدودة.

تحقيق أداء للرؤية الحاسوبية في الوقت الفعلي على الأجهزة الطرفية#

لا يعتمد تشغيل الرؤية الحاسوبية في الوقت الفعلي على الأجهزة الطرفية على النموذج وحده. فالمعالجة المسبقة واختيار بيئة التشغيل والتسريع بالأجهزة تؤثر جميعها في زمن الاستجابة ومعدل الإنتاجية. وشرح Rick كيفية تحديد نقاط الاختناق وتحسين مسار الاستدلال بالكامل.

دروس مستفادة من عمليات نشر ذكاء اصطناعي طرفي في بيئات الإنتاج#

تشكّل اختبارات الأداء نقطة بداية، لكن الاختبار الحقيقي هو أداء النموذج على الجهاز الذي سيُطرح عليه، وفي ظروف التشغيل الفعلية. وكان التحقق باستخدام الأجهزة المستهدفة الفعلية درسًا أساسيًا من الجلسة، وموضوعًا تكرر طوال فعالية Arm Create.

نقاش حول النماذج بمشاركة Arm وAlibaba Qwen وTencent وModelBest#

شارك Rick أيضًا في نقاش حول النماذج مع Arm وAlibaba Qwen وTencent وModelBest. وبدلًا من مقارنة النماذج وجهًا لوجه، ركز النقاش على مدى ملاءمة النماذج للتطبيقات: ما الذي يتطلبه عبء العمل، وأين ينبغي تشغيله، وكيف يعمل بعد نشره.

الشكل 2. نقاش حول النماذج بمشاركة Arm وAlibaba Qwen وTencent وModelBest وUltralytics في Arm Create.

اختيار النموذج المناسب لعبء العمل#

تتطلب ميزة الرد السريع في تطبيق جوال، ووكيلًا سحابيًا يستدل على مجموعات كبيرة من المستندات، ومسارًا للرؤية على الأجهزة الطرفية نماذج مختلفة تمامًا. وبصفته ممثل ذكاء الرؤية في النقاش، قدّم Rick منظور الأجهزة الطرفية، حيث غالبًا ما تكون أهمية زمن الاستجابة والكفاءة والموثوقية على الجهاز أكبر من أهمية حجم النموذج.

Arm AI Portal: جعل Ultralytics YOLO أكثر إتاحة على Arm#

جاءت فعالية Arm Create في شنتشن بعد أيام قليلة من إطلاق Arm لـ Arm AI Portal، وهي منصة تساعد المطورين ووكلاء الذكاء الاصطناعي على اكتشاف البرمجيات المعتمدة على الذكاء الاصطناعي وتحسينها ونشرها عبر منصة Arm للحوسبة. ويمكن للمطورين العثور على نماذج محسّنة مسبقًا لمهام محددة مع بيانات عن الأداء والدقة، ومقارنة زمن الاستجابة والذاكرة وحجم النموذج، والوصول إلى أمثلة التعليمات البرمجية وسير عمل النشر.

نماذج Ultralytics YOLO المحسّنة مسبقًا عند الإطلاق#

يأتي Ultralytics YOLO ضمن النماذج المحسّنة مسبقًا والمتاحة عند الإطلاق، إلى جانب Alibaba Qwen وGoogle Gemma، وتدعم Ultralytics البوابة بصفتها شريكًا في المنظومة.

تحسينات أداء Ultralytics YOLO26n على Arm#

النتائج الأولية مبشّرة. حقق Ultralytics YOLO26n تحسنًا في الأداء تجاوز 40% عند التنفيذ بخيط واحد في إعدادين:

• FP16 مقابل FP32 على هاتف vivo X300 ذكي مزود بـ SME2
• الكمّية المختلطة FP16 وINT8 مقارنةً بـ FP32 على Raspberry Pi 5 باستخدام NEON

ما الذي يعنيه ذلك لمطوري الذكاء الاصطناعي الطرفي#

تقلل بوابة Arm AI Portal الوقت الذي يقضيه المطورون في البحث عن النماذج وقياس أدائها وضبطها يدويًا، ما يوفر مسارًا أسرع من اختيار النموذج إلى نشره على الأجهزة المعتمدة على Arm. وهي تدعم مهمتنا الرامية إلى جعل ذكاء الرؤية الاصطناعي المتطور بسيطًا ومتاحًا للجميع. استكشف Ultralytics YOLO على بوابة Arm AI Portal.

أبرز النقاط#

نشكر فريق Arm على استضافتنا، وكل من توقف للحديث عن النشر الطرفي والتكميم وذكاء الرؤية الاصطناعي في العالم الحقيقي. وقد أظهرت المحادثات في شينزين مدى سرعة نضج منظومة الذكاء الاصطناعي الطرفي عندما تُصمم النماذج والأدوات والأجهزة للعمل معًا.

تتجه فعالية Arm Create القادمة إلى الولايات المتحدة، ونتطلع إلى مواصلة الحوار. وفي هذه الأثناء، تفضل بزيارة وثائق Ultralytics لبدء نشر Ultralytics YOLO على أجهزتك الطرفية.