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

En Ultralytics, estamos observando un cambio cada vez mayor hacia la ejecución directa de modelos de visión artificial en dispositivos edge, a medida que la IA se integra más profundamente en el mundo físico. Desde la robótica y la maquinaria industrial hasta las cámaras inteligentes y los vehículos autónomos, cada vez se pide a más sistemas inteligentes que vean, comprendan y actúen en tiempo real sin depender de la nube.

Esta nueva ola de sistemas inteligentes se conoce como IA física y exige una computación de alto rendimiento y ultraeficiente desde el punto de vista energético, capaz de funcionar de forma autónoma en el mundo real. Los sistemas del mundo real necesitan una IA de visión que se ejecute localmente, de forma fiable y eficiente, en hardware diseñado específicamente para el edge.

Los modelos Ultralytics YOLO, como Ultralytics YOLO26, están diseñados para la visión artificial en tiempo real, pero para aprovechar todo su potencial en el edge se necesita la combinación adecuada de software y hardware. Por eso, nos complace anunciar nuestra nueva asociación con DEEPX.

Nos hemos asociado con DEEPX para presentar una nueva integración de exportación que permite desplegar de forma eficiente y con alto rendimiento los modelos Ultralytics YOLO en hardware NPU de DEEPX. Juntos, estamos estableciendo un estándar mundial unificado sobre cómo se crea, despliega y escala la IA física.

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

Una visión compartida del futuro de la IA física#

Como el framework de visión artificial más adoptado del mundo, Ultralytics proporciona los «ojos» de estos sistemas. Como uno de los fabricantes de NPU más eficientes, DEEPX proporciona el «cerebro» que los ejecuta a escala.

En Ultralytics y DEEPX, creemos en la accesibilidad, el rendimiento y un diseño centrado en los desarrolladores, y nos mueven estos principios. Al unir los ecosistemas de Ultralytics y DEEPX, ofrecemos una vía única y fiable para desplegar comercialmente IA de visión, tanto si eres una empresa de robótica en sus primeras etapas que lanza su primer producto como si eres un fabricante de la lista Fortune 500 que implementa IA de visión en miles de instalaciones.

Esto significa:

• Menor tiempo de comercialización: De la anotación al despliegue en días, no meses.
• Menores costes de despliegue: Rendimiento de clase GPU por una fracción del coste energético y de silicio, con más de 250 FPS y un consumo de entre 2 y 4 W.
• Nuevas oportunidades de ingresos: Crea y lanza productos de IA en el edge que antes no eran viables económicamente.
• Escalabilidad preparada para el futuro: Una canalización de CI/CD específica garantiza que todas las nuevas versiones de Ultralytics funcionen sin configuración adicional con el hardware de DEEPX, respaldadas por los compromisos de suministro plurianuales de DEEPX.

Explora la tecnología NPU de DEEPX#

DEEPX es una empresa innovadora de semiconductores para IA que ofrece hardware de IA en el edge eficiente y diseñado específicamente para modelos de visión como Ultralytics YOLO, con un rendimiento líder del sector en fotogramas por segundo por vatio (FPS/W). En lugar de optimizar métricas teóricas, DEEPX se centra en la eficiencia en el mundo real, lo que permite a los desarrolladores alcanzar resultados de clase GPU con una fracción del presupuesto energético.

Esto es posible gracias a 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 un bajo consumo energético adecuados para despliegues a escala de producción en los que el rendimiento por vatio y la fiabilidad a largo plazo son importantes.

A medida que la IA en el edge se generaliza, lo importante es un rendimiento sostenible: ejecutar modelos avanzados de forma fiable dentro de unos límites estrictos de consumo y temperatura, manteniendo la escalabilidad necesaria para el despliegue en el mundo real. Por eso, los FPS por vatio se han convertido en una de las métricas más importantes para evaluar las plataformas de IA en el edge.

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

A medida que el mercado pasa de las PoC al despliegue a gran escala, los clientes necesitan cada vez más ejecutar varios modelos de IA simultáneamente dentro del mismo presupuesto energético y térmico. El gráfico anterior muestra que YOLO26 ofrece sistemáticamente un mejor equilibrio 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 pasar a un hardware más grande y con mayor consumo energético.

Primeros pasos para exportar modelos Ultralytics YOLO a DEEPX#

El paquete de Python de Ultralytics y Ultralytics Platform ofrecen un entorno completo y unificado para entrenar, evaluar y desplegar modelos YOLO en las cinco tareas de visión artificial. Tanto si prefieres trabajar con código como mediante un flujo de trabajo visual sin complicaciones, ambas opciones te proporcionan una forma coherente y escalable de pasar de los datos al despliegue.

A través de esta asociación, Ultralytics ha introducido una nueva integración de exportación con DEEPX que permite exportar modelos YOLO para desplegarlos en hardware NPU de DEEPX con un único comando: format=deepx. La integración es totalmente compatible con todo el ecosistema de Ultralytics, por lo 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, y la calibración basada en EMA 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 los 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 consultar todos los detalles de configuración, incluida la instalación del entorno de ejecución y la visualización con el visor de grafos dxtron de DEEPX, visita la documentación de integración de DEEPX.

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

Estas son algunas de las principales ventajas de desplegar modelos Ultralytics YOLO en hardware de DEEPX mediante la nueva integración:

• Integración fluida con el flujo de trabajo de Ultralytics: Exportar modelos YOLO para desplegarlos en DEEPX se integra de forma natural en el paquete de Python de Ultralytics, con un único comando format=deepx que estandariza el proceso de despliegue en el edge.
• Compatibilidad con varias tareas de visión artificial: 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 ultraeficiente en el edge: Las NPU de DEEPX ofrecen un rendimiento de clase GPU con una fracción del consumo energético, además de refrigeración pasiva y un consumo ultra bajo, ideales para despliegues a escala de producción.
• Base preparada para el futuro: Una canalización de CI/CD específica garantiza la compatibilidad inmediata con todas las nuevas versiones de Ultralytics, mientras que la hoja de ruta de DX-M1 a DX-M2 amplía la misma pila de software a la era de la IA agéntica.
• Escalabilidad en aplicaciones de IA física: Desde la videovigilancia inteligente y la inspección industrial hasta la robótica y los sistemas autónomos, la integración es compatible con una amplia variedad de casos de uso del mundo real.

Dónde pueden marcar la diferencia Ultralytics YOLO y el hardware de DEEPX#

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

Videovigilancia inteligente en el edge#

Los sistemas modernos de videovigilancia exigen detección en tiempo real sin comprometer la privacidad ni la conectividad. Los modelos Ultralytics YOLO ejecutados en NPU de DEEPX permiten que las cámaras de seguridad y los sistemas de monitorización analicen localmente las secuencias de vídeo, identifiquen personas, vehículos y actividades inusuales en tiempo real, con un bajo consumo energético y sin depender de la nube. A medida que se intensifica la aplicación del RGPD en Europa y la contratación municipal exige cada vez más la residencia de los datos, la inferencia en el dispositivo se convierte tanto en una ventaja normativa como técnica.

Automatización industrial y control de calidad#

En fábricas e instalaciones de fabricación, la IA de visión se utiliza cada vez más para automatizar el control de calidad, la detección de defectos y la supervisión de procesos. Combinar los modelos Ultralytics YOLO con el hardware de DEEPX permite realizar inspecciones en el dispositivo de forma fiable las 24 horas del día, los 7 días de la semana, en entornos industriales exigentes, lo que ayuda a reducir los residuos, mejorar la calidad de los productos y proteger la seguridad de los trabajadores.

Robótica y sistemas autónomos#

En robótica, la velocidad y la capacidad de respuesta son fundamentales. Tanto si se desplazan por un almacén como si operan en entornos industriales dinámicos o trabajan junto a personas, los robots necesitan interpretar su entorno al instante. Los modelos Ultralytics YOLO ejecutados en NPU de DEEPX permiten a los robots detectar obstáculos, seguir a personas e identificar objetos en tiempo real, favoreciendo desplazamientos más seguros y una mayor autonomía sin depender de una conexión constante con la nube.

Conclusiones clave#

Los modelos Ultralytics YOLO y las NPU de DEEPX facilitan más que nunca llevar la IA física 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 IA física sigue creciendo, esta colaboración supone un paso hacia una IA de visión de nivel de producción accesible, asequible y escalable para empresas de cualquier tamaño.

¿Todo listo para llevar tus productos de IA en el edge al mercado más rápido?

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

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