Ultralytics auf dem AMD Dev Day Shanghai: Lokale KI trifft auf agentische Systeme

Ultralytics nahm am AMD Dev Day in Shanghai teil, um zu erfahren, wie AMD und seine Partner die nächste Phase der KI-Infrastruktur gestalten. Die wichtigste Botschaft der Veranstaltung war eindeutig: Der AMD-KI-Dialog bewegt sich weg von isolierten Modellen hin zu einsatzfähigen KI-Systemen. Über alle Vorträge, Produktdemos und Partnerdiskussionen hinweg waren die größten Themen agentische KI, lokale KI-Bereitstellung, Open-Source-Ökosysteme und die Entwickler-Tools, die nötig sind, um diese Systeme praxisnah zu skalieren.

Wie es AMD-Vorsitzende & CEO Lisa Su ausdrückte: „Es gab noch nie eine aufregendere Zeit für Technologie als heute.“

Für Teams, die echte KI-Produkte entwickeln, ist dieser Wandel von Bedeutung. Er deutet darauf hin, dass der Erfolg in der nächsten Marktphase weniger vom Zugang zu einem einzelnen Spitzenmodell abhängt, sondern vielmehr davon, wie gut Teams Workflows orchestrieren, Inferenzkosten kontrollieren, sensible Daten schützen und die richtige Bereitstellungsumgebung für die jeweilige Aufgabe wählen können.

Link to this sectionAMD-Botschaft: KI benötigt eine Full-Stack-Compute-Strategie#

Ein zentrales Thema des gesamten AMD Dev Day war AMDs Bestreben, sich als End-to-End-Compute-Anbieter für das KI-Zeitalter zu positionieren. Das Unternehmen legte seinen Fokus auf die Unterstützung von KI-Workloads in Cloud-, Client- und Edge-Umgebungen und betonte dabei ein offenes Software-Ökosystem anstelle eines geschlossenen, proprietären Stacks.

Diese Ausrichtung ist wichtig, da sie widerspiegelt, wie sich die KI-Entwicklung weiterentwickelt. Die Erstellung moderner KI-Produkte bedeutet heute nicht mehr nur das Training oder den Aufruf einer Modell-API. Teams müssen zunehmend lokale Experimente, Multi-Agent-Workflows, Inferenzoptimierung, Tests auf Workstation-Niveau und Unternehmensbereitstellungen unterstützen. Die Botschaften der AMD-Veranstaltung verknüpften die Hardware-Story konsistent mit dieser breiteren Realität aus Software und Systemen.

Dieser Anspruch wurde von Lisa Su während der Veranstaltung klar zusammengefasst: „Wir wollen KI überall in das Ökosystem bringen.“

Abb. 1. Lisa Su auf der Bühne beim AMD Dev Day Event in Shanghai.

Link to this sectionAgentische KI war das beherrschende Thema der Veranstaltung#

Wenn es eine Idee gab, die den ganzen Tag über wiederholt wurde, dann war es der Übergang von traditionellen LLM-Interaktionen zu agentischen KI-Systemen. Die Sprecher beschrieben diesen Wandel als den Übergang von One-Shot-Prompts und -Antworten hin zu einer Multi-Agenten-Orchestrierung, bei der verschiedene Agenten innerhalb von Workflows planen, ausführen, kritisieren und zusammenarbeiten.

Das ist wichtig, weil agentische Systeme neue Anforderungen an den KI-Stack stellen. Laut der Darstellung auf der Veranstaltung benötigen diese Systeme nicht nur GPU-Leistung, sondern auch erhebliche CPU-Rechenleistung, Orchestrierung des Datenflusses und Speicherkapazität, um wiederholte Inferenzschleifen und die Ausführung in mehreren Schritten zu unterstützen.

Für Entwickler und KI-Teams ist die Erkenntnis, dass der Wettbewerbsvorteil darin liegen könnte, effektive KI-Systeme zu bauen, anstatt einfach nur das leistungsfähigste Modell auszuwählen. Die Fähigkeit, Modelle mit Workflows, Tools, lokalen Daten und Geschäftsprozessen zu verbinden, wird zu einem zentralen Bestandteil des Produkts selbst.

Link to this sectionDie lokale KI-Bereitstellung wird strategischer#

Ein weiteres bemerkenswertes Thema am AMD Dev Day war die Betonung der lokalen KI-Bereitstellung. AMD und seine Partner argumentierten wiederholt, dass fortschrittliche KI-Workloads zunehmend dort ausgeführt werden müssen, wo die Arbeit anfällt – also auf Laptops, Workstations und Unternehmenshardware.

Die Gründe dafür waren während der gesamten Veranstaltung konsistent:

• Geringere Latenz
• Besserer Datenschutz
• Stärkere Kontrolle über sensible Workflows
• Reduzierte Abhängigkeit von Cloud-API-Kosten

AMD nutzte den Ryzen AI Max 395 als zentralen Beleg für dieses Argument und hob Konfigurationen mit bis zu 128 GB Unified Memory hervor, die es ermöglichen, große Modelle lokal in einem einzigen Speicherpool ohne Sharding auszuführen. Die Veranstaltung präsentierte zudem Workstation-Entwicklungsumgebungen mit Radeon AI Pro R9700 und AMD Threadripper Pro 9000 für Tests und lokales Scaling vor der Bereitstellung.

Die allgemeine Botschaft war nicht, dass die Cloud verschwindet. Stattdessen präsentierte die Veranstaltung ein hybrides Modell, bei dem lokale und Cloud-Umgebungen zusammenarbeiten. Routinemäßige, latenzkritische oder datenschutzrelevante Aufgaben können lokal ausgeführt werden, während anspruchsvollere Aufgaben bei Bedarf weiterhin in die Cloud verlagert werden können.

Link to this sectionKI-Inferenzkosten und Token-Bedarf prägen Infrastrukturentscheidungen#

Der AMD Dev Day beleuchtete auch den wirtschaftlichen Druck hinter diesen Architekturentscheidungen. Die Redner auf der Veranstaltung betonten das schnelle Wachstum des Token-Bedarfs, steigende Inferenzkosten und den dadurch entstehenden Druck auf Entwickler und Unternehmen, die KI-Produkte entwickeln.

In diesem Rahmen wurde lokale KI ebenso als Strategie zur Kostenkontrolle wie als technische Lösung präsentiert. Die wiederholte Botschaft der Veranstaltung lautete, dass die nächste Phase der KI Teams belohnen wird, die Rechenleistung effizienter nutzen, anstatt einfach nur die meisten Ressourcen zu verbrauchen.

Für KI-Entwickler ist das ein praktisches Signal. Infrastrukturentscheidungen sind zunehmend Produktentscheidungen. Latenz, Datenschutz, Speicher und Token-Kosten sind keine zweitrangigen technischen Details mehr.

Abb. 2. AMD Versal AI Edge Series Gen2 VEK385 Evaluation Kit.

Link to this sectionAMD ROCm und das Open-Source-KI-Ökosystem#

Ein weiteres wichtiges Ergebnis des AMD Dev Day war die zentrale Rolle offener Software-Ökosysteme. AMD betonte ROCm, die Unterstützung gängiger Frameworks ohne Code-Anpassungen, die Unterstützung von über 3 Millionen Modellen über Hugging Face und ModelScope sowie das Ziel der Day-Zero-Unterstützung für neue Modell-Releases.

Nick Ni, Sr Director, AI Product Management bei AMD, brachte diese Betonung gut auf den Punkt: „Für die meisten von Ihnen in diesem Raum ist Software tatsächlich die Geschichte.“

Die Veranstaltung hob zudem mehrere entwicklerorientierte Initiativen hervor:

• AMD AI Developer Cloud mit kostenlosem GPU-Zugang für Entwickler in China
• ModelScope Studio-Integration mit AMD GPU-Laufzeitoptionen
• AMD AI Playbooks mit Schritt-für-Schritt-Anleitungen
• Ein Entwicklerprogramm, das in den letzten Monaten mehr als 100.000 Entwickler gewonnen hat

Dieser Teil der Veranstaltung fühlte sich besonders wichtig an, da er eine grundlegende Wahrheit unterstrich: Hardware-Fähigkeiten allein treiben keine Akzeptanz voran. Entwickler benötigen ausgereifte Tools, vertraute Frameworks, Dokumentation und reibungslose Möglichkeiten zum Experimentieren. Die Ökosystem-Story ist das, was Leistungsversprechen in nutzbare Plattformen verwandelt.

Link to this sectionWarum China beim AMD Dev Day herausstach#

Chinas Rolle im KI-Markt war ein weiteres wiederkehrendes Thema. Mehrere Redner beschrieben China als ein führendes Umfeld für Open-Source-KI-Innovationen, insbesondere in Bereichen, die durch Effizienz, lokale Bereitstellung und praktische technische Einschränkungen geprägt sind.

Partnerschaften mit Zero One AI und Stepfun wurden genutzt, um diesen Punkt zu unterstreichen. Die Veranstaltungsnotizen beschrieben ein gemeinsames Multi-Agenten-All-in-One-System für Unternehmen mit Zero One AI, das auf der Ryzen AI Max-Architektur für die lokale Bereitstellung basiert, sowie ein Stepfun-Modell, das für AMD-Hardware optimiert und für agentische Aufgaben konzipiert wurde.

Die weitergehende Implikation war, dass China nicht nur ein wichtiger KI-Markt ist, sondern auch ein bedeutendes Testfeld für lokale KI-Bereitstellung, Open-Source-Modelle und kostensensitives Infrastrukturdesign.

Link to this sectionWas Ultralytics vom AMD Dev Day in Shanghai mitgenommen hat#

Aus der Sicht des Ultralytics-Teams war das nützlichste Signal des AMD Dev Day der Fokus auf einsatzfähige KI-Systeme statt auf abstrakte KI-Leistungsfähigkeit. Die Veranstaltung konzentrierte sich konsequent darauf, wie Entwickler und Unternehmen KI in Produktionsumgebungen tatsächlich ausführen, integrieren, sichern und skalieren können.

Dazu gehören Fragen wie:

• Was sollte lokal und was in der Cloud ausgeführt werden?
• Wie sollten Teams über Latenz und Datenschutz denken?
• Wie können Entwickler die Abhängigkeit von teuren Inferenz-APIs verringern?
• Welche Tools und Softwareschichten erleichtern die Einführung von KI-Plattformen?

Dies sind praktische Fragen, die zunehmend definieren, wie erfolgreiche KI-Produkte entwickelt werden. Das sind auch Fragen, über die wir direkt nachdenken, wenn wir Ultralytics YOLO-Modelle entwickeln und ausliefern. Bereitstellungsflexibilität, egal ob ein Modell auf einem Laptop, einer Workstation oder einer Cloud-Instanz läuft, war für uns schon immer eine grundlegende Designvorgabe und kein nachträglicher Einfall.

Der Trend zu Open-Source-Ökosystemen und Inferenz-Effizienz auf dem AMD Dev Day bestätigte etwas, an das wir bereits glauben: Die nützlichsten KI-Tools sind diejenigen, die sich in echte Workflows auf echter Hardware einfügen, ohne dass Teams ihre Infrastruktur um einen einzelnen Anbieter oder eine Plattform herum neu aufbauen müssen.

Abb. 3. Das Ultralytics-Team beim AMD Dev Day in Shanghai.

Link to this sectionAbschließende Gedanken#

Der AMD Dev Day in Shanghai hat eines deutlich gemacht: Der Dialog über KI-Infrastruktur reift heran. Der Fokus verlagert sich von der reinen Modellskaillierung hin zu den breiteren Systemen, die benötigt werden, um KI in der realen Welt nützlich zu machen. Agentische Workflows, lokale KI-Bereitstellung, Open-Source-Tools und Infrastruktureffizienz waren die klarsten Themen der Veranstaltung.

Für Teams, die KI-Produkte entwickeln, ist dieser Wandel beachtenswert. Die nächste Fortschrittswelle könnte durch die Wahl der richtigen Architektur, des richtigen Bereitstellungsmodells und des richtigen Entwickler-Ökosystems entstehen, nicht nur durch das größte Modell.

Wenn du Computer-Vision-Systeme entwickelst und darüber nachdenkst, wo die Inferenz laufen soll – auf dem Gerät, lokal (on-premise) oder in der Cloud –, dann sind Ultralytics YOLO-Modelle genau mit dieser Flexibilität im Hinterkopf entwickelt worden. Entdecke unser GitHub-Repository, um loszulegen, sieh dir an, wie Computer Vision in reale Bereitstellungen in der Fertigung und Logistik passt, oder informiere dich über unsere Lizenzoptionen, um mit dem Entwickeln zu beginnen.