Ultralytics el AMD Dev Day de Shanghái: la IA local se une a los sistemas agenticos
Ultralytics las conclusiones del AMD Dev Day de Shanghái sobre la IA de AMD: implementación local de IA, sistemas agenticos, ROCm y el Ryzen AI Max 395.
Ultralytics las conclusiones del AMD Dev Day de Shanghái sobre la IA de AMD: implementación local de IA, sistemas agenticos, ROCm y el Ryzen AI Max 395.
Ultralytics AMD Dev Day en Shanghái para conocer cómo AMD y sus socios están dando forma a la próxima fase de la infraestructura de IA. El mensaje más destacado del evento fue claro: el enfoque de AMD en materia de IA va más allá de los modelos independientes y se orienta hacia sistemas de IA implementables. A lo largo de las charlas, las demostraciones de productos y los debates con los socios, los temas principales fueron la IA con capacidad de acción, la implementación local de IA, los ecosistemas de código abierto y las herramientas de desarrollo necesarias para que estos sistemas sean viables a gran escala.
Como dijo Lisa Su, presidenta y directora ejecutiva de AMD: «Nunca ha habido un momento más emocionante para dedicarse a la tecnología que el actual».
Para los equipos que desarrollan productos de IA reales, este cambio es importante. Indica que el éxito en la próxima etapa del mercado podría depender menos del acceso a un único modelo de vanguardia y más de la capacidad de los equipos para coordinar los flujos de trabajo, controlar los costes de inferencia, proteger los datos confidenciales y elegir el entorno de implementación adecuado para cada tarea.
Uno de los temas principales que se trataron a lo largo del AMD Dev Day fue el esfuerzo de AMD por posicionarse como proveedor integral de soluciones informáticas para la era de la IA. La empresa centró su estrategia en dar soporte a las cargas de trabajo de IA en entornos de nube, cliente y periféricos, al tiempo que hizo hincapié en un ecosistema de software abierto en lugar de una pila propietaria cerrada.
Ese enfoque es importante porque refleja cómo está evolucionando el desarrollo de la IA. La creación de productos modernos de IA ya no se limita al entrenamiento o a la llamada a una API de modelo. Los equipos necesitan cada vez más dar soporte a la experimentación local, los flujos de trabajo con múltiples agentes, la optimización de la inferencia, las pruebas a escala de estación de trabajo y la implementación empresarial. El mensaje transmitido por AMD en el evento vinculó de forma coherente su propuesta de hardware con esa realidad más amplia del software y los sistemas.
Lisa Su resumió claramente esa ambición durante el evento: «Queremos llevar la IA a todos los rincones del ecosistema».
Si hubo una idea que se repitió a lo largo de toda la jornada, fue la transición de las interacciones tradicionales con los modelos de lenguaje grande (LLM) a los sistemas de IA con capacidad de agencia. Los ponentes describieron este cambio como el paso de las solicitudes y respuestas puntuales a la coordinación entre múltiples agentes, en la que distintos agentes planifican, ejecutan, evalúan y colaboran a lo largo de los flujos de trabajo.
Esto es importante porque los sistemas agenticos plantean nuevas exigencias a la pila de IA. Según se expuso en el evento, estos sistemas no solo necesitan GPU , sino también CPU considerable, la coordinación del flujo de datos y una gran capacidad de memoria para soportar bucles de inferencia repetidos y ejecuciones de varios pasos.
Para los desarrolladores y los equipos de IA, la conclusión es que la ventaja competitiva puede residir en la creación de sistemas de IA eficaces, y no simplemente en la selección del modelo más potente. La capacidad de integrar los modelos en los flujos de trabajo, las herramientas, los datos locales y los procesos empresariales se está convirtiendo en una parte fundamental del propio producto.
Otro tema destacado en el AMD Dev Day fue el énfasis en la implementación local de la IA. AMD y sus socios defendieron en repetidas ocasiones que las cargas de trabajo avanzadas de IA deben ejecutarse cada vez más cerca del lugar donde se realiza el trabajo, incluyendo ordenadores portátiles, estaciones de trabajo y hardware empresarial.
Las razones fueron las mismas a lo largo de todo el evento:
AMD utilizó el Ryzen AI Max 395 como argumento clave en ese debate, destacando configuraciones con hasta 128 GB de memoria unificada y la capacidad de ejecutar modelos de gran tamaño de forma local en un único bloque de memoria sin necesidad de fragmentación. El evento también presentó configuraciones de desarrollo a escala de estación de trabajo que utilizan la Radeon AI Pro R9700 y el AMD Threadripper Pro 9000 para realizar pruebas y escalar localmente antes de la implementación.
El mensaje general no era que la nube fuera a desaparecer. Por el contrario, en el evento se presentó un modelo híbrido en el que los entornos locales y en la nube funcionan conjuntamente. Las tareas más rutinarias, sensibles a la latencia o a la privacidad pueden ejecutarse localmente, mientras que las tareas más exigentes pueden seguir derivándose a la nube cuando sea necesario.
El AMD Dev Day también puso de relieve la presión económica que subyace a estas decisiones arquitectónicas. Los ponentes del evento destacaron el rápido crecimiento de la demanda de tokens, el aumento de los costes de inferencia y la presión que esto genera para los desarrolladores y las empresas que crean productos de IA.
En ese contexto, la IA local se presentó tanto como una estrategia de control de costes como una estrategia técnica. El mensaje que se repitió a lo largo del evento fue que la próxima fase de la IA premiará a los equipos que utilicen la potencia de cálculo de forma más eficiente, y no simplemente a aquellos que más consuman.
Para los desarrolladores de IA, esto supone una señal clara. 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 meros detalles técnicos secundarios.
Otra de las principales conclusiones del AMD Dev Day fue el papel fundamental que desempeñan los ecosistemas de software abierto. AMD destacó ROCm, la compatibilidad sin necesidad de modificar el código con los principales marcos de trabajo, la compatibilidad con más de tres millones de modelos a través de Hugging Face ModelScope, y los objetivos de compatibilidad desde el primer día con los nuevos lanzamientos de modelos.
Nick Ni, director sénior de Gestión de Productos de IA en AMD, lo expresó muy bien: «De hecho, para la mayoría de los que estáis aquí, lo importante es el software».
El evento también puso de relieve varias iniciativas dirigidas a los desarrolladores:
Esta parte del evento me pareció especialmente importante porque ponía de relieve una verdad fundamental: la capacidad del hardware por sí sola no basta para impulsar la adopción. Los desarrolladores necesitan herramientas consolidadas, marcos de trabajo con los que estén familiarizados, documentación y formas sencillas de experimentar. Es el ecosistema lo que convierte las promesas de rendimiento en plataformas realmente útiles.
El papel de China en el mercado de la inteligencia artificial fue otro de los temas recurrentes. Varios ponentes describieron a China como un entorno puntero para la innovación en inteligencia artificial de código abierto, especialmente en ámbitos marcados por la eficiencia, la implantación local y las limitaciones prácticas de ingeniería.
Las colaboraciones con Zero One AI y Stepfun sirvieron para reforzar ese punto. En las notas del evento se describía un sistema empresarial conjunto «todo en uno» de múltiples agentes, desarrollado junto con Zero One AI y basado en la arquitectura Ryzen AI Max para su implementación local, así como un modelo de Stepfun optimizado para el hardware de AMD y diseñado para tareas de tipo agente.
La conclusión más general es que China no solo es un mercado clave para la inteligencia artificial, sino también un importante campo de pruebas para la implantación local de la IA, los modelos de código abierto y el diseño de infraestructuras con un enfoque en la rentabilidad.
Desde el punto de vista Ultralytics , lo más relevante del AMD Dev Day fue el énfasis puesto en los sistemas de IA implementables, más que en la capacidad de la IA en sí misma. El evento se centró de forma sistemática en cómo los desarrolladores y las empresas pueden realmente ejecutar, integrar, proteger y escalar la IA en entornos de producción.
Entre ellas se incluyen preguntas como:
Se trata de cuestiones prácticas que, cada vez más, determinan el éxito en el desarrollo de productos de IA. También hay cuestiones que tenemos muy presentes a la hora de desarrollar y distribuirYOLO Ultralytics . La flexibilidad de implementación —ya sea que un modelo se ejecute en un ordenador portátil, una estación de trabajo o una instancia en la nube— siempre ha sido para nosotros una restricción de diseño fundamental, y no una cuestión secundaria.
El impulso hacia los ecosistemas de código abierto y la eficiencia en la inferencia que se puso de manifiesto en el AMD Dev Day ha reafirmado algo en lo que ya creíamos: las herramientas de IA más útiles son aquellas que se integran en flujos de trabajo reales, en hardware real, sin que los equipos tengan que reestructurar su infraestructura en torno a un único proveedor o plataforma.
El AMD Dev Day de Shanghái dejó una cosa clara: el debate en torno a la infraestructura de IA está madurando. El enfoque está pasando de centrarse únicamente en la escala de los modelos a centrarse en los sistemas más amplios necesarios para que la IA resulte útil en el mundo real. Los flujos de trabajo basados en agentes, la implementación local de la IA, las herramientas de código abierto y la eficiencia de la infraestructura fueron los temas más destacados a lo largo del evento.
Para los equipos que desarrollan productos de IA, vale la pena prestar atención a este cambio. Es posible que la próxima ola de avances provenga de elegir la arquitectura adecuada, el modelo de implementación adecuado y el ecosistema de desarrolladores adecuado, y no solo del modelo más grande.
Si estás desarrollando sistemas de visión artificial y te estás planteando dónde ejecutar la inferencia —en el propio dispositivo, en tus instalaciones o en la nube—,YOLO Ultralytics se han diseñado teniendo en cuenta esa flexibilidad. Explora nuestro repositorio de GitHub para dar los primeros pasos, 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.
Comience su viaje con el futuro del aprendizaje automático
