Ultralytics en Arm Create 2026: IA visual en tiempo real en el perímetro

El 11 de septiembre de 2026, nuestra especialista de marketing, Ziyue Wang, y Rick Hou, ingeniero sénior de aprendizaje automático, participaron en Arm Create, el evento para desarrolladores de Arm dedicado a crear, optimizar e implementar IA en la nube, el perímetro, dispositivos móviles y sistemas de IA física. Nos centramos en la implementación de Ultralytics YOLO en el perímetro: cómo tomar un modelo de visión artificial entrenado y ejecutarlo en tiempo real en dispositivos basados en Arm.

El evento de Shenzhen tuvo lugar después de una parada anterior en Shanghái, y en ambos se abordó una pregunta a la que todo desarrollador de IA acaba enfrentándose tarde o temprano: ¿cómo conviertes un modelo capaz en software que funcione de forma fiable en el mundo real?

Aquí tienes un resumen de nuestra sesión, la mesa redonda sobre modelos y la colaboración entre Arm y Ultralytics para facilitar Ultralytics YOLO a los desarrolladores que crean soluciones con Arm.

Implementación de Ultralytics YOLO para IA en tiempo real en el perímetro#

Nuestro ingeniero sénior de aprendizaje automático, Rick Hou, presentó «Despliegue de Ultralytics YOLO: IA visual en tiempo real en el edge», una sesión práctica sobre la optimización y el despliegue de modelos Ultralytics YOLO en dispositivos edge. La charla recorrió todo el proceso de despliegue y compartió aprendizajes obtenidos al utilizar Ultralytics YOLO en aplicaciones de IA edge en producción.

Fig. 1. Rick, de Ultralytics, presenta la implementación de Ultralytics YOLO en el perímetro en Arm Create.

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

El primer paso para implementar un modelo en el perímetro es exportar el 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 acelerar la inferencia 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, a menudo con una pérdida mínima de precisión. La sesión explicó cómo equilibrar velocidad y precisión cuando los presupuestos de cálculo, memoria y energía son ajustados.

Cómo lograr un rendimiento de visión artificial en tiempo real en dispositivos periféricos#

La visión artificial en tiempo real en el perímetro depende de algo más que del modelo. El preprocesamiento, la elección del entorno de ejecución y la aceleración por hardware también afectan a la latencia y el rendimiento. Rick explicó cómo identificar los cuellos de botella y optimizar toda la cadena de inferencia.

Lecciones de la implementación de IA en el perímetro en producción#

Las pruebas de rendimiento son un punto de partida, pero la verdadera prueba es cómo funciona un modelo en el dispositivo en el que se distribuirá, en condiciones de uso reales. Validar el modelo en el hardware de destino real fue una de las lecciones clave de la sesión y un tema recurrente durante Arm Create.

Mesa redonda sobre modelos con Arm, Alibaba Qwen, Tencent y ModelBest#

Rick también participó en una mesa redonda sobre modelos con Arm, Alibaba Qwen, Tencent y ModelBest. En vez de comparar los modelos directamente, la mesa se centró en su adecuación a cada aplicación: qué necesita una carga de trabajo, dónde debe ejecutarse y cómo se comporta una vez implementada.

Fig. 2. Mesa redonda sobre modelos con Arm, Alibaba Qwen, Tencent, ModelBest y Ultralytics en Arm Create.

Cómo elegir el modelo adecuado para cada carga de trabajo#

Una función de respuesta rápida en una aplicación móvil, un agente en la nube que razona sobre grandes conjuntos de documentos y una cadena de visión en el perímetro requieren modelos muy distintos. Como representante de la IA visual en la mesa, Rick aportó la perspectiva del perímetro, donde la latencia, la eficiencia y la fiabilidad en el dispositivo suelen importar más que el tamaño del modelo.

Arm AI Portal: más accesibilidad a Ultralytics YOLO en Arm#

Arm Create Shenzhen tuvo lugar pocos días después de que Arm lanzara Arm AI Portal, un centro que ayuda a desarrolladores y agentes de IA a descubrir, optimizar e implementar software de IA en toda la plataforma de computación de Arm. Los desarrolladores pueden encontrar modelos optimizados de antemano para tareas específicas con datos de rendimiento y precisión, comparar la latencia, la memoria y el tamaño de los modelos, y acceder a ejemplos de código y flujos de trabajo de implementación.

Modelos Ultralytics YOLO preoptimizados disponibles desde el lanzamiento#

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

Mejoras de rendimiento de Ultralytics YOLO26n en Arm#

Los primeros resultados son prometedores. Ultralytics YOLO26n logró una mejora del rendimiento superior al 40 % con ejecución monohilo en dos configuraciones:

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

Qué implica esto para los desarrolladores de IA en el borde#

Arm AI Portal reduce el tiempo que los desarrolladores dedican a buscar, comparar el rendimiento y ajustar los modelos manualmente, y crea una vía más rápida desde la selección del modelo hasta su implementación en hardware basado en Arm. Esto respalda nuestra misión de hacer que la IA de visión más avanzada sea sencilla y accesible para todos. Explora Ultralytics YOLO en Arm AI Portal.

Conclusiones clave#

Gracias al equipo de Arm por recibirnos y a todas las personas que se acercaron a hablar sobre la implementación en el borde, la cuantización y la IA de visión en aplicaciones reales. Las conversaciones en Shenzhen mostraron lo rápido que madura el ecosistema de IA en el borde cuando los modelos, las herramientas y el hardware están diseñados para funcionar conjuntamente.

La próxima edición de Arm Create llega a EE. UU. y estamos deseando continuar la conversación. Mientras tanto, visita la documentación de Ultralytics para empezar a implementar Ultralytics YOLO en tus propios dispositivos de borde.