Ultralytics en AMD Dev Day Shanghai: la IA local se une a los sistemas agénticos

Ultralytics asistió al AMD Dev Day de Shanghái para conocer cómo AMD y sus socios están dando forma a la próxima etapa de la infraestructura de IA. El mensaje más contundente del evento fue claro: la conversación sobre la IA de AMD está dejando atrás los modelos independientes para centrarse en sistemas de IA que puedan implementarse. En las charlas, las demostraciones de productos y las conversaciones con los socios, los temas principales fueron la IA agéntica, la implementación local de IA, los ecosistemas de código abierto y las herramientas para desarrolladores necesarias para hacer que estos sistemas sean prácticos a gran escala.

Como dijo Lisa Su, presidenta y directora ejecutiva de AMD: «Nunca ha habido un momento más emocionante para trabajar en tecnología que el actual».

Para los equipos que desarrollan productos de IA reales, este cambio es importante. Sugiere que el éxito en la próxima etapa del mercado dependerá menos del acceso a un único modelo de vanguardia y más de la capacidad de los equipos para orquestar flujos de trabajo, controlar los costes de inferencia, proteger los datos confidenciales y elegir el entorno de implementación adecuado para cada tarea.

El mensaje de AMD: la IA necesita una estrategia de computación de pila completa#

Uno de los temas principales del AMD Dev Day fue el empeño de AMD por posicionarse como proveedor integral de computación para la era de la IA. La empresa presentó su enfoque como una forma de dar soporte a las cargas de trabajo de IA en la nube, los dispositivos cliente y los entornos edge, y destacó un ecosistema de software abierto frente a una pila propietaria cerrada.

Este enfoque es importante porque refleja la evolución del desarrollo de IA. Crear productos de IA modernos ya no consiste únicamente en entrenar un modelo o llamar a una API de modelos. Cada vez más, los equipos necesitan dar soporte a la experimentación local, los flujos de trabajo multiagente, la optimización de la inferencia, las pruebas a escala de estación de trabajo y la implementación empresarial. Los mensajes de AMD durante el evento relacionaron constantemente su propuesta de hardware con esta realidad más amplia de software y sistemas.

Lisa Su resumió claramente esa ambición durante el evento: «Queremos llevar la IA a todas partes del ecosistema».

Fig. 1. Lisa Su en el escenario durante el evento AMD Dev Day de Shanghái.

La IA agéntica fue el tema predominante del evento#

Si hubo una idea que se repitió a lo largo de la jornada, fue la transición de las interacciones tradicionales con LLM a los sistemas de IA agéntica. Los ponentes describieron este cambio como el paso de las solicitudes y respuestas de una sola interacción a la orquestación multiagente, en la que distintos agentes planifican, ejecutan, revisan y colaboran en los flujos de trabajo.

Esto es importante porque los sistemas agénticos plantean nuevas exigencias a la pila de IA. Según el enfoque presentado en el evento, estos sistemas necesitan no solo rendimiento de GPU, sino también una capacidad de procesamiento considerable de la CPU, orquestación del flujo de datos y memoria suficiente para admitir ciclos de inferencia repetidos y ejecuciones de varios pasos.

Para los desarrolladores y los equipos de IA, la conclusión es que la ventaja competitiva puede venir de crear sistemas de IA eficaces, no simplemente de elegir el modelo más potente. La capacidad de conectar modelos con flujos de trabajo, herramientas, datos locales y procesos empresariales se está convirtiendo en una parte fundamental del propio producto.

La implementación local de IA está adquiriendo importancia estratégica#

Otro tema destacado del AMD Dev Day fue el énfasis en la implementación local de IA. AMD y sus socios defendieron repetidamente que las cargas de trabajo avanzadas de IA deben ejecutarse cada vez más cerca del lugar donde se trabaja, por ejemplo, en portátiles, estaciones de trabajo y hardware empresarial.

Los motivos se repitieron a lo largo del evento:

• Menor latencia
• Mayor privacidad de los datos
• Mayor control de los flujos de trabajo confidenciales
• Menor dependencia de los costes de las API en la nube

AMD utilizó Ryzen AI Max 395 como argumento clave, destacando configuraciones con hasta 128 GB de memoria unificada y la posibilidad de ejecutar grandes modelos localmente en un único conjunto de memoria, sin fragmentación. El evento también mostró configuraciones de desarrollo a escala de estación de trabajo con Radeon AI Pro R9700 y AMD Threadripper Pro 9000 para realizar pruebas y escalar localmente antes de la implementación.

El mensaje general no era que la nube vaya a desaparecer. En su lugar, el evento presentó un modelo híbrido en el que los entornos locales y la nube trabajan conjuntamente. Las tareas más rutinarias, sensibles a la latencia o a la privacidad pueden ejecutarse localmente, mientras que las más exigentes pueden trasladarse a la nube cuando sea necesario.

El coste de la inferencia de IA y la demanda de tokens determinan las decisiones sobre infraestructura#

El AMD Dev Day también puso de relieve la presión económica que subyace a estas decisiones de arquitectura. Los ponentes destacaron el rápido aumento de la demanda de tokens, el incremento de los costes de inferencia y la presión que esto genera para los desarrolladores y las empresas que crean productos de IA.

En este contexto, la IA local se presentó como una estrategia de control de costes, además de técnica. El mensaje que se repitió en el evento fue que la próxima etapa de la IA favorecerá a los equipos que utilicen la computación de forma más eficiente, no simplemente a quienes consuman más recursos.

Para quienes desarrollan soluciones de IA, esto es una señal práctica. Las decisiones sobre infraestructura son cada vez más decisiones sobre el producto. La latencia, la privacidad, la memoria y el coste de los tokens ya no son detalles secundarios de ingeniería.

Fig. 2. Kit de evaluación AMD Versal AI Edge Series Gen2 VEK385.

AMD ROCm y el ecosistema de IA de código abierto#

Otra conclusión importante del AMD Dev Day fue el papel central de los ecosistemas de software abierto. AMD destacó ROCm, la compatibilidad con los principales frameworks sin cambios en el código, el acceso a más de 3 millones de modelos a través de Hugging Face y ModelScope, y sus objetivos de ofrecer compatibilidad desde el primer día con los nuevos lanzamientos de modelos.

Nick Ni, director sénior de gestión de productos de IA en AMD, resumió bien este énfasis: «Para la mayoría de vosotros en esta sala, de hecho, el software es lo importante».

El evento también destacó varias iniciativas dirigidas a desarrolladores:

• AMD AI Developer Cloud, con acceso gratuito a GPU para desarrolladores en China
• Integración de ModelScope Studio con opciones de ejecución en GPU de AMD
• AMD AI Playbooks, con guías paso a paso
• Un programa para desarrolladores que sumó más de 100 000 participantes en los últimos meses

Esta parte del evento pareció especialmente importante porque recalcó una verdad básica: la capacidad del hardware por sí sola no impulsa su adopción. Los desarrolladores necesitan herramientas maduras, frameworks conocidos, documentación y formas sencillas de experimentar. El ecosistema es lo que convierte las promesas de rendimiento en plataformas utilizables.

Por qué China destacó en el AMD Dev Day#

El papel de China en el mercado de la IA fue otro tema recurrente. Varios ponentes describieron China como un entorno líder en innovación de IA de código abierto, sobre todo en ámbitos marcados por la eficiencia, la implementación local y las limitaciones prácticas de ingeniería.

Las colaboraciones con Zero One AI y Stepfun se utilizaron para reforzar esta idea. Las notas del evento describían un sistema empresarial integral multiagente desarrollado conjuntamente con Zero One AI, basado en la arquitectura Ryzen AI Max para la implementación local, y un modelo de Stepfun optimizado para el hardware de AMD y diseñado para tareas agénticas.

La implicación más amplia era que China no solo es un mercado importante para la IA, sino también un campo de pruebas clave para la implementación local de IA, los modelos de código abierto y el diseño de infraestructuras sensibles a los costes.

Conclusiones de Ultralytics sobre el AMD Dev Day de Shanghái#

Desde la perspectiva del equipo de Ultralytics, la señal más útil del AMD Dev Day fue el énfasis en los sistemas de IA que pueden implementarse, en lugar de en la capacidad de la IA en abstracto. El evento se centró constantemente en cómo los desarrolladores y las empresas pueden ejecutar, integrar, proteger y escalar la IA en entornos de producción.

Esto incluye preguntas como:

• ¿Qué debería ejecutarse localmente y qué en la nube?
• ¿Cómo deberían plantearse los equipos la latencia y la privacidad?
• ¿Cómo pueden los desarrolladores reducir su dependencia de las costosas API de inferencia?
• ¿Qué herramientas y capas de software facilitan la adopción de plataformas de IA?

Son preguntas prácticas que cada vez definen más cómo se crean productos de IA de éxito. También nos planteamos estas cuestiones directamente al desarrollar y distribuir los modelos Ultralytics YOLO. La flexibilidad de implementación —que un modelo pueda ejecutarse en un portátil, una estación de trabajo o una instancia en la nube— siempre ha sido una limitación de diseño fundamental para nosotros, no algo secundario.

El impulso hacia los ecosistemas de código abierto y la eficiencia de la inferencia que vimos en el AMD Dev Day reforzó algo que ya creemos: las herramientas de IA más útiles son las que se integran en flujos de trabajo reales y funcionan con hardware real, sin obligar a los equipos a reconstruir su infraestructura en torno a un único proveedor o plataforma.

Fig. 3. El equipo de Ultralytics en el AMD Dev Day de Shanghái.

Reflexiones finales#

El AMD Dev Day de Shanghái dejó algo claro: la conversación sobre la infraestructura de IA está madurando. El foco está pasando de la escala bruta de los modelos a los sistemas más amplios necesarios para que la IA sea útil en el mundo real. Los flujos de trabajo agénticos, la implementación local de IA, las herramientas de código abierto y la eficiencia de la infraestructura fueron los temas más destacados del evento.

Los equipos que crean productos de IA deberían prestar atención a este cambio. La próxima ola de avances puede surgir de elegir la arquitectura, el modelo de implementación y el ecosistema para desarrolladores adecuados, no solo el modelo más grande.

Si estás desarrollando sistemas de visión artificial y te planteas dónde debería ejecutarse la inferencia —en el dispositivo, en tus propias instalaciones o en la nube—, los modelos Ultralytics YOLO están diseñados para ofrecer esa flexibilidad. Visita nuestro repositorio de GitHub para empezar, descubre cómo se integra la visión artificial en implementaciones reales en los sectores de la fabricación y la logística, o consulta nuestras opciones de licencia para empezar a desarrollar.