Ultralytics en Arm Create 2026: IA de visión en tiempo real en el borde

El 11 de septiembre de 2026, nuestra asociada de marketing, Ziyue Wang, y nuestro ingeniero sénior de aprendizaje automático, Rick Hou, asistieron a Arm Create, el evento para desarrolladores de Arm centrado en la creación, optimización y despliegue de inteligencia artificial en la nube, el borde, dispositivos móviles y sistemas físicos. Nuestro enfoque fue el despliegue en el borde de Ultralytics YOLO: cómo tomar un modelo de visión por ordenador entrenado y ejecutarlo en tiempo real en dispositivos basados en Arm.

El evento en Shenzhen siguió a una parada anterior en Shanghái, y ambos exploraron una pregunta a la que tarde o temprano se enfrenta todo desarrollador de inteligencia artificial: ¿cómo se convierte un modelo capaz en un software que funcione de forma fiable en el mundo real?

Aquí tienes un resumen de nuestra sesión, el panel de modelos y cómo Arm y Ultralytics colaboran para hacer que Ultralytics YOLO sea más accesible para los desarrolladores que construyen sobre Arm.

Despliegue de Ultralytics YOLO para inteligencia artificial en el borde en tiempo real#

Nuestro ingeniero sénior de aprendizaje automático, Rick Hou, presentó "Despliegue de Ultralytics YOLO: IA de visión en tiempo real en el borde", una sesión práctica sobre la optimización y el despliegue de modelos de Ultralytics YOLO en dispositivos de borde. La charla recorrió el camino completo de despliegue y compartió lecciones sobre Ultralytics YOLO en aplicaciones de inteligencia artificial en el borde en producción.

Fig 1. Rick de Ultralytics presentando el despliegue en el borde de Ultralytics YOLO en Arm Create.

Exportación de modelos de Ultralytics YOLO para entornos de ejecución en el borde#

El primer paso en el despliegue en el borde es exportar un modelo entrenado a un formato compatible con el entorno de ejecución de destino. Rick explicó cómo el formato de exportación adecuado depende del dispositivo, el motor de inferencia y los objetivos de rendimiento de la aplicación.

Cuantización de modelos para una inferencia más rápida en el dispositivo#

La cuantización reduce la precisión numérica de un modelo, por ejemplo de FP32 a FP16 o INT8, lo que disminuye el tamaño del modelo y acelera la inferencia con una pérdida mínima de precisión. La sesión explicó cómo equilibrar la velocidad y la precisión cuando los presupuestos de computación, memoria y energía son ajustados.

Cómo lograr un rendimiento de visión por ordenador en tiempo real en dispositivos de borde#

La visión por ordenador en tiempo real en el borde depende de algo más que del modelo. El preprocesamiento, la elección del entorno de ejecución y la aceleración por hardware afectan a la latencia y al rendimiento. Rick compartió cómo identificar cuellos de botella y optimizar todo el proceso de inferencia.

Lecciones de despliegues de inteligencia artificial en el borde en producción#

Las evaluaciones comparativas son un punto de partida, pero la prueba real es cómo se comporta un modelo en el dispositivo en el que se va a comercializar, bajo condiciones de operación reales. Validar en el hardware de destino real fue una lección clave de la sesión y un tema recurrente en todo Arm Create.

Panel de modelos con Arm, Alibaba Qwen, Tencent y ModelBest#

Rick también participó en una mesa redonda sobre modelos junto con Arm, Alibaba Qwen, Tencent y ModelBest. En lugar de comparar modelos cara a cara, el panel se centró en la adecuación a la aplicación: qué necesita una carga de trabajo, dónde debe ejecutarse y cómo se comporta una vez desplegada.

Fig 2. Panel de modelos con Arm, Alibaba Qwen, Tencent, ModelBest y Ultralytics en Arm Create.

Elección del modelo adecuado para la carga de trabajo#

Una función de respuesta rápida en una aplicación móvil, un agente en la nube que procesa conjuntos de grandes documentos y una canalización de visión en el borde requieren modelos muy diferentes. Como la voz de la visión artificial en el panel, Rick aportó la perspectiva del borde, donde la latencia, la eficiencia y la fiabilidad en el dispositivo suelen importar más que el tamaño del modelo.

Portal de IA de Arm: haciendo que Ultralytics YOLO sea más accesible en Arm#

Arm Create Shenzhen se celebró pocos días después de que Arm lanzara el Portal de IA de Arm, un centro que ayuda a los desarrolladores y agentes de inteligencia artificial a descubrir, optimizar y desplegar software de IA en toda la plataforma de computación de Arm. Los desarrolladores pueden encontrar modelos preoptimizados específicos para tareas con datos de rendimiento y precisión, comparar la latencia, la memoria y el tamaño del modelo, y acceder a ejemplos de código y flujos de trabajo de despliegue.

Modelos de Ultralytics YOLO preoptimizados en el lanzamiento#

Ultralytics YOLO se encuentra entre los modelos preoptimizados disponibles en el lanzamiento, junto con Alibaba Qwen y Google Gemma, y Ultralytics apoya el portal como socio del ecosistema.

Mejoras de rendimiento de Ultralytics YOLO26n en Arm#

Los primeros resultados son prometedores. Ultralytics YOLO26n logró una mejora de rendimiento superior al 40% con ejecución de un solo hilo en dos configuraciones:

• FP16 frente a FP32 en un smartphone vivo X300 con SME2
• Cuantización mixta de FP16 e INT8 frente a FP32 en una Raspberry Pi 5 con NEON

Qué significa esto para los desarrolladores de inteligencia artificial en el borde#

El Portal de IA de Arm reduce el tiempo que los desarrolladores dedican a buscar, evaluar y ajustar manualmente los modelos, creando un camino más rápido desde la selección del modelo hasta el despliegue en hardware basado en Arm. Esto respalda nuestra misión de hacer que la visión artificial de vanguardia sea sencilla y accesible para todo el mundo. Explora Ultralytics YOLO en el Portal de IA de Arm.

Conclusiones clave#

Gracias al equipo de Arm por acogernos y a todos los que se pasaron a hablar sobre el despliegue en el borde, la cuantización y la visión artificial del mundo real. Las conversaciones en Shenzhen demostraron la rapidez con la que madura el ecosistema de inteligencia artificial en el borde cuando los modelos, las herramientas y el hardware se diseñan para trabajar juntos.

El próximo Arm Create se dirige a EE. UU., y esperamos continuar la conversación. Mientras tanto, visita la documentación de Ultralytics para empezar a desplegar Ultralytics YOLO en tus propios dispositivos de borde.