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

En Ultralytics, observamos una tendencia creciente a ejecutar modelos de visión artificial directamente en dispositivos edge, a medida que la IA se integra cada vez más 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 requiere computación de alto rendimiento y una eficiencia energética extraordinaria, capaz de funcionar de forma autónoma en el mundo real. Los sistemas del mundo real necesitan IA de visión que se ejecute localmente, de forma fiable y eficiente, en hardware diseñado específicamente para el edge.

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

Nos hemos asociado con DEEPX para presentar una nueva integración de exportación que permite implementar de forma eficiente y con alto rendimiento los modelos de Ultralytics YOLO en hardware NPU de DEEPX. Juntos, estamos estableciendo un estándar global unificado para crear, implementar y escalar la IA física.

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

Una visión compartida del futuro de la IA física#

Como el marco de visión artificial más utilizado del mundo, Ultralytics proporciona los «ojos» de estos sistemas. Como uno de los fabricantes de NPU más eficientes, DEEPX proporciona el «cerebro» para ejecutarlos a gran escala.

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

Esto significa:

• Menor tiempo de comercialización: del etiquetado a la implementación en días, no en meses.
• Menores costes de implementación: rendimiento de nivel GPU con una fracción del consumo energético y del coste del 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 desde el punto de vista económico.
• Escalabilidad preparada para el futuro: una canalización dedicada de CI/CD garantiza que cada nueva versión de Ultralytics funcione directamente con el hardware de DEEPX, respaldada 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 eficiente para IA en el edge, diseñado específicamente para modelos de visión como Ultralytics YOLO y líder en fotogramas por segundo por vatio (FPS/W). En lugar de optimizar métricas teóricas, DEEPX se centra en la eficiencia en condiciones reales, para que los desarrolladores obtengan resultados de nivel GPU con una fracción del presupuesto energético.

Esto es posible gracias a un diseño integral. La NPU DX-M1 está diseñada específicamente para acelerar los patrones de cálculo de los modelos de visión artificial, con refrigeración pasiva y bajo consumo energético, características adecuadas para implementaciones a escala de producción, donde importan el rendimiento por vatio y la fiabilidad a largo plazo.

A medida que la IA perimetral se generaliza, lo importante es lograr un rendimiento sostenible: ejecutar modelos avanzados de forma fiable con límites estrictos de potencia y temperatura, sin renunciar a la escalabilidad necesaria para despliegues reales. Por eso, los FPS por vatio se han convertido en una de las métricas más importantes para evaluar las plataformas de IA perimetral.

Fig. 2. Gráfico de frontera de Pareto del rendimiento 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 pruebas de concepto a los despliegues a gran escala, los clientes necesitan cada vez más ejecutar varios modelos de IA simultáneamente dentro del mismo presupuesto de potencia y temperatura. El gráfico anterior muestra que YOLO26 mantiene 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 recurrir a hardware más grande y con mayor consumo energético.

Primeros pasos para exportar modelos de Ultralytics YOLO a DEEPX#

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

Gracias a esta colaboración, Ultralytics ha incorporado una nueva integración de exportación con DEEPX, que permite exportar modelos YOLO para desplegarlos en hardware NPU de DEEPX con un solo comando: format=deepx. La integración cuenta con pleno soporte en todo el ecosistema de Ultralytics, así que los desarrolladores pueden exportar a DEEPX desde el paquete Python o directamente desde Ultralytics Platform, una vez anotado y entrenado el modelo. Durante la exportación, el modelo se compila y cuantiza a INT8 en un archivo binario .dxnn optimizado; la calibración basada en EMA garantiza el máximo rendimiento de la NPU sin sacrificar la calidad del modelo.

En la práctica, esto permite a los equipos comerciales pasar de los datos etiquetados a un modelo listo para producción que funciona 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, echa un vistazo a la documentación de integración de DEEPX.

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

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

• Integración sencilla con el flujo de trabajo de Ultralytics: La exportación de modelos YOLO para desplegarlos en DEEPX se integra de forma natural en el paquete Python de Ultralytics, con un único comando format=deepx que estandariza el proceso de despliegue perimetral.
• Compatibilidad con varias tareas de visión artificial: Puedes desplegar modelos de detección de objetos, segmentación de instancias, clasificación, estimación de poses y detección con cuadros delimitadores orientados (OBB) en YOLOv8, YOLO11 y YOLO26, además de modelos de segmentación semántica y estimación de profundidad con YOLO26.
• Inferencia ultr eficiente en el edge: las NPU de DEEPX ofrecen rendimiento de nivel GPU con una fracción del consumo energético, además de refrigeración pasiva y un consumo ultrabajo, ideales para implementaciones a escala de producción.
• Base preparada para el futuro: una canalización dedicada de CI/CD garantiza la compatibilidad directa con cada nueva versión 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 para 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 reales.

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

¿Cuáles son algunas de las aplicaciones habituales de IA física en las que pueden implementarse modelos de Ultralytics YOLO en hardware de DEEPX para situaciones reales?

Videovigilancia inteligente en el edge#

Los sistemas de videovigilancia modernos necesitan detección en tiempo real sin poner en riesgo la privacidad ni la conectividad. Los modelos de Ultralytics YOLO que se ejecutan en NPU de DEEPX permiten que las cámaras de seguridad y los sistemas de vigilancia analicen las transmisiones de vídeo localmente e identifiquen personas, vehículos y actividades inusuales en tiempo real, con un consumo energético bajo y sin depender de la nube. A medida que se endurece la aplicación del RGPD en Europa y las licitaciones municipales exigen cada vez más que los datos se almacenen en una ubicación determinada, 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. La combinación de modelos de Ultralytics YOLO con hardware de DEEPX permite realizar inspecciones en el dispositivo de forma fiable, las 24 horas del día y los 7 días de la semana, en entornos industriales exigentes. Esto 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. Ya sea para desplazarse por un almacén, trabajar en entornos industriales dinámicos o colaborar con personas, los robots deben 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, lo que facilita desplazamientos más seguros y una mayor autonomía sin depender de una conexión constante a la nube.

Conclusiones clave#

Los modelos Ultralytics YOLO y las NPU DEEPX facilitan más que nunca llevar la IA física de alto rendimiento al perímetro. Al simplificar el despliegue con el nuevo estándar format=deepx y optimizar los modelos para el hardware de bajo consumo de DEEPX, esta colaboración ayuda a salvar la distancia entre el desarrollo y las aplicaciones comerciales reales. A medida que crece la IA física, esta colaboración es un paso hacia una IA visual de nivel de producción accesible, asequible y escalable para empresas de cualquier tamaño.

¿Todo listo para comercializar antes tus productos de IA en el edge?

• Solicita una licencia para acceder a asistencia comercial y a los modelos YOLO Enterprise.
• Prueba Ultralytics Platform para etiquetar, entrenar e implementar tu primer modelo listo para DEEPX.
• Hazte colaborador de Ultralytics para explorar oportunidades de implementación conjunta.
• Lee la documentación para consultar la guía técnica completa.

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