Ultralytics YOLO se asocia con DEEPX: inferencia de IA de borde para IA física

En Ultralytics, estamos presenciando un cambio creciente hacia la ejecución de modelos de visión artificial directamente en dispositivos perimetrales a medida que la IA se integra con mayor profundidad en el mundo físico. Desde la robótica y la maquinaria industrial hasta las cámaras inteligentes y los vehículos autónomos, a cada vez más sistemas inteligentes se les exige ver, comprender y actuar en tiempo real, sin depender de la nube.

Esta nueva ola de sistemas inteligentes se denomina Physical AI y exige una computación de alto rendimiento y ultraeficiencia energética capaz de operar de forma autónoma en el mundo real. Los sistemas del mundo real necesitan visión artificial que se ejecute de forma local, fiable y eficiente en hardware diseñado específicamente para el edge.

Los modelos YOLO de Ultralytics, como Ultralytics YOLO26, están diseñados para la visión artificial en tiempo real, pero desplegar todo su potencial en el borde requiere la combinación adecuada de software y hardware. Con este fin, nos emociona anunciar nuestra nueva colaboración con DEEPX.

Nos hemos asociado con DEEPX para introducir una nueva integración de exportación que permite el despliegue eficiente y de alto rendimiento de los modelos de Ultralytics YOLO en hardware NPU de DEEPX. Juntos, estamos estableciendo un estándar global unificado para la creación, despliegue y escalado de Physical AI.

Fig 1. El ecosistema de hardware de DEEPX para inferencia de IA en el dispositivo, que incluye el módulo M.2 DX-M1 y el DX-AIPlayer N97 AI Box**.

Una visión compartida para el futuro de Physical AI#

Como el framework de computer vision más utilizado en el mundo, Ultralytics proporciona los "ojos" de estos sistemas. Como uno de los fabricantes de NPU más eficientes, DEEPX proporciona el "cerebro" para ejecutarlos a escala.

En Ultralytics y DEEPX, creemos en la accesibilidad, el rendimiento y el diseño centrado en el desarrollador, y nos guiamos por ellos. Al unir los ecosistemas de Ultralytics y DEEPX, ofrecemos una vía única y fiable para desplegar visión artificial comercialmente, tanto si se trata de una empresa de robótica en fase inicial que lanza su primer producto como de un fabricante de la lista Fortune 500 que despliega visión artificial en miles de instalaciones.

Esto significa:

• Menor tiempo de comercialización: desde el etiquetado hasta el despliegue en días, no meses.
• Menores costes de despliegue: rendimiento de clase GPU con una fracción del consumo de energía y del coste del silicio, lo que te ofrece más de 250 FPS con un consumo de 2-4 W.
• Nuevas oportunidades de ingresos: crea y envía productos de edge AI que antes no eran económicamente viables.
• Escalabilidad preparada para el futuro: un pipeline de CI/CD dedicado garantiza que cada nuevo lanzamiento de Ultralytics funcione de forma inmediata con el hardware de DEEPX, respaldado por los compromisos de suministro plurianuales de DEEPX.

Explorando la tecnología NPU de DEEPX#

DEEPX es un innovador en semiconductores de IA que ofrece hardware de IA de borde eficiente, diseñado específicamente para modelos de visión como Ultralytics YOLO a una velocidad líder en su clase de fotogramas por segundo por vatio (FPS/W). En lugar de optimizar para métricas teóricas, DEEPX se centra en la eficiencia en el mundo real, permitiendo a los desarrolladores lograr resultados de clase GPU con una fracción del presupuesto de energía.

Lo que hace esto posible es un diseño de pila completa. La NPU DX-M1 está diseñada específicamente para acelerar los patrones computacionales de los modelos de visión artificial, con refrigeración pasiva y bajo consumo de energía que se adaptan a despliegues a escala de producción donde el rendimiento por vatio y la fiabilidad a largo plazo son importantes.

A medida que la IA de borde avanza hacia una adopción generalizada, lo que importa es el rendimiento sostenible: ejecutar modelos avanzados de forma fiable dentro de estrictas limitaciones de energía y térmicas, manteniéndose escalable para un despliegue en el mundo real. Esta es la razón por la que los FPS por vatio se han convertido en una de las métricas más importantes para evaluar las plataformas de IA de borde.

Fig 2. Prueba comparativa de la frontera de Pareto de YOLO26, YOLO11 y YOLOv8 en la NPU DX-M1. Medido en DX-M1 con un anfitrión i5-14600K (32 GB de RAM), SDK dx-com v2.3.0, solo chip de NPU.

A medida que el mercado va más allá de las pruebas de concepto (PoC) hacia despliegues a gran escala, los clientes necesitan cada vez más múltiples modelos de IA ejecutándose simultáneamente dentro del mismo presupuesto de energía y térmico. El gráfico anterior muestra que YOLO26 ofrece de forma consistente un equilibrio más sólido entre precisión y eficiencia: YOLO26n alcanza aproximadamente 405 FPS/W en DX-M1, lo que permite a los desarrolladores ejecutar cargas de trabajo de IA más avanzadas sin tener que pasar a hardware más grande y que consume más energía.

Cómo empezar a exportar modelos de Ultralytics YOLO a DEEPX#

El paquete de Python de Ultralytics y Ultralytics Platform proporcionan un entorno completo y unificado para entrenar, evaluar y desplegar modelos YOLO en las cinco tareas de visión artificial. Ya sea que prefieras trabajar mediante código o a través de un flujo de trabajo visual sin fricciones, ambas vías te ofrecen una forma coherente y escalable de llevar un modelo desde los datos hasta el despliegue.

A través de esta colaboración, Ultralytics ha introducido una nueva integración de exportación con DEEPX, lo que permite exportar modelos YOLO para su despliegue en hardware de NPU DEEPX con un solo comando: format=deepx. La integración es totalmente compatible en todo el ecosistema de Ultralytics, lo que significa que los desarrolladores pueden exportar a DEEPX desde el paquete de Python o directamente desde Ultralytics Platform después de anotar y entrenar su modelo. Durante la exportación, el modelo se compila y se cuantiza a INT8 en un binario .dxnn optimizado, con una calibración basada en EMA que garantiza el máximo rendimiento de la NPU sin sacrificar la calidad del modelo.

En la práctica, esto significa que los equipos comerciales pueden pasar de datos etiquetados a un modelo listo para producción ejecutándose en NPU de DEEPX con solo tres comandos:

# Step 1: Install Ultralytics
pip install ultralytics

# Step 2: Export your YOLO model to DEEPX format
yolo export model=yolo26n.pt format=deepx

# Step 3: Run inference on DEEPX hardware
yolo detect predict model=yolo26n_deepx_model

Para conocer todos los detalles de configuración, incluida la instalación en tiempo de ejecución y la visualización con el visor de grafos dxtron de DEEPX, consulta la documentación de integración de DEEPX.

Ventajas clave de ejecutar modelos de Ultralytics YOLO en NPU de DEEPX#

Aquí tienes algunas de las ventajas clave de desplegar modelos de Ultralytics YOLO en hardware de DEEPX utilizando la nueva integración:

• Integración perfecta con el flujo de trabajo de Ultralytics: exportar modelos YOLO para el despliegue en DEEPX encaja de forma natural en el paquete Python de Ultralytics, con un único comando format=deepx que estandariza el proceso de despliegue en el edge.
• Soporte para múltiples tareas de computer vision: puedes desplegar modelos para detección de objetos, segmentación, estimación de poses, detección de cajas delimitadoras orientadas (OBB) y clasificación en YOLOv8, YOLO11 y YOLO26.
• Inferencia en el edge ultraeficiente: las NPU de DEEPX ofrecen un rendimiento de clase GPU con una fracción de la energía, con refrigeración pasiva y un consumo de energía ultrabajo ideal para despliegues a escala de producción.
• Base preparada para el futuro: un pipeline de CI/CD dedicado garantiza la compatibilidad inmediata con cada nuevo lanzamiento de Ultralytics, mientras que el roadmap de DX-M1 a DX-M2 extiende el mismo stack de software hacia la era de la Agentic AI.
• Escalable en aplicaciones de Physical AI: desde vigilancia inteligente e inspección industrial hasta robótica y sistemas autónomos, la integración admite una amplia gama de casos de uso del mundo real.

Donde los modelos de Ultralytics YOLO y el hardware de DEEPX pueden marcar la diferencia#

Entonces, ¿cuáles son algunas de las aplicaciones comunes de Physical AI en las que se pueden desplegar modelos de Ultralytics YOLO en hardware de DEEPX en escenarios del mundo real?

Vigilancia inteligente en el edge#

Los sistemas de vigilancia modernos exigen detección en tiempo real sin comprometer la privacidad ni la conectividad. Los modelos de Ultralytics YOLO que se ejecutan en NPU de DEEPX permiten a las cámaras de seguridad y a los sistemas de monitorización analizar las fuentes de vídeo localmente, identificando personas, vehículos y actividades inusuales en tiempo real, con un bajo consumo de energía y sin dependencia de la nube. A medida que la aplicación del GDPR se endurece en Europa y las licitaciones municipales exigen cada vez más la residencia de datos, la inferencia en el propio dispositivo se convierte tanto en una ventaja normativa como técnica.

Automatización industrial y control de calidad#

En las fábricas y centros de producción, la visión artificial se utiliza cada vez más para automatizar el control de calidad, la detección de defectos y la monitorización de procesos. Combinar los modelos de Ultralytics YOLO con el hardware de DEEPX permite realizar inspecciones en el propio dispositivo que funcionan de forma fiable las 24 horas del día, los 7 días de la semana en entornos industriales exigentes, ayudando a reducir los residuos, mejorar la calidad del producto y proteger la seguridad de los trabajadores.

Robótica y sistemas autónomos#

Para la robótica, la velocidad y la capacidad de respuesta son fundamentales. Ya sea navegando por un almacén, operando en entornos industriales dinámicos o trabajando junto a humanos, los robots necesitan interpretar su entorno al instante. Los modelos de Ultralytics YOLO que se ejecutan en NPU de DEEPX permiten a los robots detectar obstáculos, seguir a personas e identificar objetos en tiempo real, apoyando un movimiento más seguro y una mayor autonomía sin depender de una conectividad constante con la nube.

Conclusiones clave#

Los modelos de Ultralytics YOLO y las NPU de DEEPX hacen que sea más fácil que nunca llevar la Physical AI de alto rendimiento al edge. Al simplificar el despliegue con el nuevo estándar format=deepx y optimizar los modelos para el hardware energéticamente eficiente de DEEPX, esta asociación ayuda a cerrar la brecha entre el desarrollo y las aplicaciones comerciales del mundo real. A medida que la Physical AI sigue creciendo, esta colaboración es un paso hacia hacer que la visión artificial de grado de producción sea accesible, asequible y escalable para empresas de todos los tamaños.

¿Listo para llevar tus productos de edge AI al mercado más rápido?

• Solicita una licencia para acceder a soporte comercial y a modelos Enterprise de YOLO.
• Prueba Ultralytics Platform para anotar, entrenar y desplegar tu primer modelo listo para DEEPX.
• Conviértete en socio de Ultralytics para explorar oportunidades conjuntas de despliegue.
• Lee la documentación para ver la guía técnica completa.

Descubre cómo innovaciones como la IA en la robótica y la IA en la fabricación están dando forma al futuro.