Treffen der Ultralytics-Community in China: das Land mit dem weltweit größten Interesse an maschinellem Lernen

Während sich die Computer-Vision-Technologie weiterentwickelt, verändert sich auch der Schwerpunkt der Branche. Früher stand vor allem die Frage im Mittelpunkt, ob hochmoderne Modelle aus dem Labor fortschrittlich genug sind. Heute ist jedoch eine wichtigere Frage aufgekommen:

Wie lassen sich diese Modelle tatsächlich in realen Szenarien einsetzen? Wie können Projekte im Bereich Vision AI von Demos zu praktischen Anwendungen übergehen, kontinuierlich weiterentwickelt werden und echten Mehrwert schaffen?

Mit diesen Fragen im Hinterkopf kam Ultralytics nach Shenzhen, um dort das erste Community-Meetup in China vor Ort zu veranstalten. Bei dieser Veranstaltung wollten wir Entwickler, Branchenpartner und Computer-Vision-Begeisterte aus China persönlich zusammenbringen, um darüber zu sprechen, wo Ultralytics YOLO heute steht und wohin sich Ultralytics als Nächstes entwickelt.

Abb. 1: Glenn Jocher, Gründer und CEO von Ultralytics, spricht bei unserer ersten Community-Veranstaltung in Shenzhen.

Von Ultralytics YOLO zur Ultralytics Platform#

Ultralytics YOLO war früher vor allem für seine Geschwindigkeit, Praxistauglichkeit und einfache Bereitstellung bekannt. Ob Objekterkennung, industrielle Inspektion, Sicherheitsüberwachung oder Echtzeit-Vision-Aufgaben auf Edge-Geräten – YOLO hat sich für viele Entwickler, die Computer-Vision-Projekte starten, zu einem der bevorzugten Werkzeuge entwickelt.

Heute entwickelt sich Ultralytics über ein einzelnes Modell hinaus zu einer umfassenden Computer-Vision-Plattform, die die Verwaltung von Datensätzen, Training, Bereitstellung, Überwachung und eine Feedbackschleife zur kontinuierlichen Verbesserung abdeckt.

Früher lauteten die Fragen: Ist das Modell genau? Ist es schnell?

Jetzt konzentrieren wir uns stärker auf eine umfassendere Frage: Wie kann ein Vision-AI-Projekt tatsächlich gestartet, in realen Szenarien eingesetzt und mit der Zeit weiter verbessert werden?

Genau das möchte die Ultralytics Platform ermöglichen: effizientere Datenannotation, einfacheres Modelltraining, eine reibungslosere Bereitstellung auf mehreren Plattformen und die Möglichkeit für Entwickler, ihre Vision-AI-Anwendungen kontinuierlich weiterzuentwickeln.

Abb. 2: Erste Community-Veranstaltung von Ultralytics in Shenzhen, China.

Ultralytics Platform: Der Vision-AI-Workflow wird umfassender#

Während der Session stellte Glenn außerdem mehrere zentrale Funktionen der Ultralytics Platform vor, darunter automatische Annotation, Training mit einem Klick, Bereitstellung in mehreren Formaten und die Möglichkeit, Modelle mithilfe von Feedbackdaten kontinuierlich zu verbessern.

Abb. 3: Glenn Jocher, Gründer und CEO von Ultralytics, spricht bei unserer ersten Community-Veranstaltung in Shenzhen.

Für viele Teams geht es bei der Entwicklung eines Vision-AI-Projekts nicht nur darum, ein Modell auszuwählen. Die eigentliche Komplexität liegt oft in Fragen wie: Woher kommen die Daten? Wie sollten sie annotiert werden? Wie sollte das Modell trainiert und bereitgestellt werden? Und wie lässt es sich nach dem Start weiter verbessern? Sind diese Schritte nicht miteinander verbunden, ist es schwierig, ein Projekt tatsächlich in die Produktion zu überführen.

Die Ultralytics Platform verbindet diese Schritte und ermöglicht Entwicklern, den gesamten Workflow reibungsloser abzuschließen: von den Daten zum Modell, vom Training zur Bereitstellung und vom Start bis zum Feedback – ohne ständig zwischen verschiedenen Tools wechseln zu müssen.

Bis heute wurden mehr als 100 Millionen Bilder auf die Plattform hochgeladen und über 600 Millionen Annotationen erstellt. Außerdem umfasst die Plattform rund 40.000 bis 50.000 Datensätze.

Hinter diesen Zahlen steckt ein klares Signal: Die Nachfrage nach Computer Vision ist real und verlagert sich von Forschung und Experimenten hin zum praktischen Einsatz in großem Maßstab. Die Ultralytics Platform ist auf die unterschiedlichen Bedürfnisse der Nutzer ausgelegt – von Tarifen für einzelne Entwickler und Forschungsteams bis hin zu Unternehmenslizenzen für große Organisationen.

Abb. 4. Glenn Jocher erläutert die wichtigsten von Ultralytics YOLO unterstützten Erkennungsaufgaben.

Die chinesische Community ist ein wesentlicher Teil des globalen Ultralytics-Ökosystems#

Glenn erwähnte, dass China ein sehr wichtiger Teil der Ultralytics-Nutzercommunity sei und möglicherweise zu den Ländern mit den meisten Menschen gehöre, die maschinelles Lernen lernen und sich dafür interessieren.

Für Ultralytics ist China nicht nur eine Region mit einer großen Nutzerbasis, sondern auch eine sehr aktive Community mit starker Entwicklerpräsenz, vielfältigen Anwendungsszenarien und wertvollem technischem Feedback.

Damit ein Werkzeug breite Anwendung findet, reicht eine starke Technologie allein nicht aus. Dokumentation, Community, Zugänglichkeit, Bereitstellungserfahrung und lokaler Support müssen ebenfalls reibungslos und zuverlässig sein.

Einblicke in den tatsächlichen Fokus von Entwicklern bei der Bereitstellung von Vision AI#

Während der Frage-und-Antwort-Runde stellten die Teilnehmer viele durchdachte Fragen. Dadurch erhielten wir einen klareren Eindruck davon, worauf es chinesischen Entwicklern wirklich ankommt, wenn sie Computer Vision in reale Anwendungen integrieren.

Ein Teilnehmer von AMD fragte, ob die Ultralytics Platform private oder lokale Trainingsumgebungen unterstützt. Das ist auch für viele Unternehmen und Teams ein zentrales Anliegen. Wenn Projekte sensible Daten, branchenspezifische Daten oder interne Geschäftsdaten umfassen, werden Datenschutz, Sicherheit und Möglichkeiten zur lokalen Bereitstellung besonders wichtig.

Glenn berichtete, dass das Team diese Richtung aktiv diskutiert. Da Vision AI auf immer mehr Geräten und Chipumgebungen eingesetzt wird, wird die Unterstützung des Hardware-Ökosystems zu einem entscheidenden Teil der Modellauslieferung.

Neben industriellen Anwendungsfällen, Hardware und Bereitstellung fragten einige Teilnehmer auch, ob YOLO zur Erkennung künstlerischer Stile eingesetzt werden oder visuelles Verständnis mit Bewusstsein für geistiges Eigentum unterstützen könne.

Diese Fragen waren inspirierend. Sie zeigen, dass die Vorstellungen zu YOLO-Anwendungen nicht mehr auf die traditionelle industrielle Inspektion, Objekterkennung und Sicherheitsszenarien beschränkt sind. Sie weiten sich nun auf Bereiche wie die Erstellung von Inhalten, das Verständnis von Medien und die kreative Produktion aus.

Auch kleine Edge-Geräte, Offline-Bereitstellung und Quantisierungsoptimierung waren wichtige Themen. Es ist klar, dass Entwickler nicht nur auf die Modellleistung selbst achten, sondern auch auf die gesamte praktische Erfahrung bei der Nutzung von Vision AI.

Genau solche Fragen muss Computer Vision beantworten, wenn die Technologie aus der Forschung in reale Anwendungen übergeht.

Computer Vision tritt in eine neue Phase ein#

Diese Veranstaltung hat uns einen klaren Trend deutlich vor Augen geführt:

Computer Vision geht über den Wettbewerb zwischen Modellen hinaus und tritt in eine neue Phase der Plattformisierung, Produktisierung und Ökosystementwicklung ein.

Die zentralen Stärken von YOLO waren schon immer Geschwindigkeit, Praxistauglichkeit und einfache Bereitstellung. Ultralytics möchte diese Stärken nun auf den gesamten Arbeitsablauf ausweiten, damit Entwickler nicht nur auf leistungsstarke Modelle zugreifen, sondern auch Daten verwalten, Modelle trainieren, Anwendungen bereitstellen und ihre Vision-AI-Systeme kontinuierlich einfacher optimieren können.

Auch die chinesische KI-Community wird zunehmend zu einem wichtigen Teil dieser Entwicklung. Sie verfügt über eine große Entwicklerbasis, vielfältige Anwendungsszenarien und große Begeisterung für das Lernen und die praktische Arbeit. Mit Blick auf die Zukunft freuen wir uns darauf, mit weiteren chinesischen Entwicklern, Unternehmenspartnern und Community-Mitgliedern zusammenzuarbeiten, um Computer Vision in ein breiteres Spektrum realer Anwendungen einzubringen.

Wie Glenn sagte:

„Wir möchten, dass alle Computer Vision nutzen können.“

Das erklärt Ultralytics’ Hinwendung zu einer stärker plattformorientierten Zukunft vielleicht am besten.