Ultralytics YOLO27: Únete a la lista de espera.
Licencia YOLO
Press release

Ultralytics YOLO26 to Bring Real-Time Computer Vision to Intel Processors

Ultralytics and Intel bring YOLO26 to Intel processors with OpenVINO, with sub-5 ms inference reported in supported CPU and GPU scenarios.

3 min de lectura
Ultralytics and Intel bring YOLO26 to Intel processors with OpenVINO, with sub-5 ms inference reported in supported CPU and GPU scenarios.

SANTA CLARA, Calif. – July 14, 2026 – Ultralytics, the company behind the YOLO family of object detection models, today announced a collaboration with Intel to bring production-ready YOLO (You Only Look Once) computer vision models to Intel hardware, making real-time vision AI faster, easier, and more cost-effective to deploy across industries from robotics to manufacturing, logistics, and security.

Most real-world vision AI technologies run on existing, CPU-based infrastructures including industrial PCs, laptops and edge devices. By pairing Ultralytics YOLO models with OpenVINO Toolkit, developers can deploy YOLO models across various platforms powered by any Intel processor, putting the compute where appropriate: CPU, GPU, or NPU.

The result is faster, more cost-effective, and more accessible computer vision for the industries that need it most. The collaboration meets AI where it actually ships, resulting in faster inference in supported CPU/GPU scenarios, with sub-5-millisecond inference reported across YOLO tasks on Intel hardware, reducing latency and deployment costs.

"Enterprises train in the data center, but the real work of vision AI happens at the edge, on factory floors, in retail, in robotics-running on Intel CPUs and NPUs," said Glenn Jocher, Founder and CEO of Ultralytics. "This collaboration means developers get state-of-the-art models like YOLO26 running production-ready on the hardware they already own, eliminating the need for a discrete GPU."

The collaboration also cuts friction for developers, who can train and export their applications to OpenVINO and deploy them with the same familiar Ultralytics Platform or Python package and command line interface, often with a single command. This single workflow supports use cases in a variety of industries, including:

  • Manufacturing: quality inspection, defect detection and process monitoring on factory-floor industrial PCs
  • Logistics: parcel/asset detection, counting and tracking
  • Security: monitoring analytics (people/object detection) plus privacy/compliance monitoring
  • Retail: shelf availability and inventory intelligence, including detecting SKUs, labels and shelf stock to monitor availability, planogram compliance and stock movement; real-time product recognition, including detecting, segmenting or tracking retail products for mobile applications, smart stores and e-commerce.
  • Healthcare: internal imaging workflow improvement, annotation workflow, model validation and internal research-to-production workflows.
  • Robotics: real-time perception on compact, power-efficient Intel hardware
  • Smart cities: scalable vision on distributed edge infrastructure
  • Edge AI broadly: bringing advanced vision to devices that use integrated AI acceleration already available on the SoC

“Extending Intel's AI PC and physical AI platforms with leading open vision models helps developers deploy applications with real-world efficient AI inferencing on processors with AI acceleration built right in. This ensures that some of the industry’s top models are optimized for the latest Intel Core Ultra processors and beyond,” said Matthew Formica, Intel Senior Director & Global Head of Edge Technical Marketing. “We are excited to partner with Ultralytics to build on this momentum.”

About Ultralytics#

Founded by Glenn Jocher, Ultralytics is the leading force in vision AI, best known for its Ultralytics YOLO (You Only Look Once) models. With over 135K GitHub stars, 300 million pip downloads, and 3.3+ billion model usages, Ultralytics YOLOv5, YOLOv8, YOLO11, and now YOLO26 have become the most widely recognized object detection models globally. Ultralytics empowers users with easy-to-use, cutting-edge AI technology. Our mission is to simplify and democratize the use of AI, making it accessible and impactful across industries ranging from manufacturing to healthcare and more.

©Intel, the Intel logo, and other Intel marks are trademarks of Intel Corporation or its subsidiaries.

Media Contact: Altaïr Kabunda-Margalet - altair@ultralytics.com

Del blog

AI-generated supermarket checkout queue seen from behind, with overlapping person boxes from real Ultralytics YOLO26x detections at an NMS IoU threshold of 0.5

How to tune the NMS IoU threshold in Ultralytics YOLO

Tune the NMS IoU threshold in Ultralytics YOLO: why prediction now defaults to 0.5, when to change iou vs. conf, and when to skip NMS with YOLO26.
Más información
AI-generated aerial view of a car park that changes from 3D wireframe to photo, with real Ultralytics YOLO26 car detections at each stage

Las mejores herramientas de datos sintéticos para entrenar modelos de visión artificial

Herramientas de datos sintéticos para visión artificial comparadas por método: simulación 3D, modelos generativos y aumento de datos, y cómo probarlas con Ultralytics YOLO.
Más información
Ultralytics en el AMD Embedded AI Working Group de Dublín

Ultralytics en el AMD Embedded AI Working Group de Dublín

Descubre cómo Ultralytics y AMD exploraron la IA física, la robótica y el despliegue de visión artificial en el AMD Embedded AI Working Group 2026 de Dublín.
Más información
Cómo elegir un VLM para el autoetiquetado según la precisión y la exhaustividad

Cómo elegir un VLM para el autoetiquetado según la precisión y la exhaustividad

Elige un VLM para el autoetiquetado según la precisión y la exhaustividad: qué modelos generan menos cajas sobrantes, cuáles omiten menos objetos y cómo probarlos con tus propios datos.
Más información
AI-generated logistics scene with illustrative detections; the inset shows Ultralytics Platform benchmark latency for YOLO26n on an NVIDIA L4.

ONNX frente a TensorRT para la inferencia en visión artificial: comparativas y cómo elegir

ONNX Runtime frente a TensorRT para la inferencia en visión artificial: velocidad y precisión medidas de Ultralytics YOLO26 en 19 GPU NVIDIA, y cómo elegir.
Más información
Detección de EPI ausentes: entrena Ultralytics YOLO con Construction-PPE

Detección de EPI ausentes: entrena Ultralytics YOLO con Construction-PPE

Descubre cómo Construction-PPE etiqueta cascos, chalecos y guantes que faltan, y luego entrena Ultralytics YOLO para detectar EPI ausentes con las cámaras de tu propia obra.
Más información
Guía de conjuntos de datos para detectar drones: entrena Ultralytics YOLO con UAV diminutos

Guía de conjuntos de datos para detectar drones: entrena Ultralytics YOLO con UAV diminutos

Compara los conjuntos de datos DUT Anti-UAV, Drone-vs-Bird y de detección térmica de drones; después, entrena Ultralytics YOLO26 para detectar drones diminutos y reducir las falsas alarmas.
Más información
IA conforme a HIPAA para el diagnóstico por imagen: qué cubre un BAA y cómo entrenar con datos de pacientes

IA conforme a HIPAA para el diagnóstico por imagen: qué cubre un BAA y cómo entrenar con datos de pacientes

Descubre qué exige la IA conforme a HIPAA para el diagnóstico por imagen, qué cubre un BAA de Ultralytics y cómo anotar, entrenar y desplegar modelos con datos de pacientes.
Más información
Los mejores modelos de estimación de profundidad: cómo elegir

Los mejores modelos de estimación de profundidad: cómo elegir

Compara modelos de profundidad monocular como Depth Anything, Depth Pro, Metric3D, UniDepth y Ultralytics YOLO26 para obtener profundidad métrica y utilizarlos en dispositivos periféricos y robótica.
Más información
Cómo migrar modelos Ultralytics YOLO de W&B a Ultralytics Platform

Cómo migrar modelos Ultralytics YOLO de W&B a Ultralytics Platform

Importa modelos Ultralytics YOLO de Weights & Biases (W&B) en Ultralytics Platform sin volver a entrenarlos y, después, compara experimentos, expórtalos y despliega los modelos.
Más información
GPT-6.1 Terra se coloca en el n.º 1 en anotación automática y supera a los modelos insignia de la propia OpenAI

GPT-6.1 Terra se coloca en el n.º 1 en anotación automática y supera a los modelos insignia de la propia OpenAI

La anotación automática con GPT-6.1 Terra supera a 39 modelos en nuestra clasificación VLM: 0.560 mAP50 por 4,36 $ por cada 1.000 imágenes, por delante de GPT-6.1 Sol y Gemini 4 Argon.
Más información
Anotación automática con MiniMax-M3.1-Flash: por qué razonar menos dio lugar a mejores cuadros

Anotación automática con MiniMax-M3.1-Flash: por qué razonar menos dio lugar a mejores cuadros

Anotación automática con MiniMax-M3.1-Flash en Ultralytics Platform: 0,317 mAP50 a 1,84 $ por cada 1.000 imágenes tras el ajuste, con 0,86 en la detección de barcos SAR.
Más información
Anotación automática con Kimi K3.1 Pro: un tercio mejor que K3, con un nivel de esfuerzo alto

Anotación automática con Kimi K3.1 Pro: un tercio mejor que K3, con un nivel de esfuerzo alto

La anotación automática con Kimi K3.1 Pro logra 0,444 mAP50 en UL37, un tercio más que Kimi K3. Descubre por qué lo ejecutamos con un nivel de esfuerzo alto, cuánto cuesta y en qué casos destaca.
Más información
Ultralytics YOLO y NVIDIA Cosmos Data Factory: datos sintéticos para detectar defectos

Ultralytics YOLO y NVIDIA Cosmos Data Factory: datos sintéticos para detectar defectos

Los datos sintéticos de NVIDIA Cosmos Data Factory y un ciclo de entrenamiento agéntico ayudan a Ultralytics YOLO26 a igualar la precisión de detección de defectos de un conjunto de datos completo con menos etiquetas.
Más información
Anotación automática con Gemini 4 Argon: los cuadros más precisos de 39 modelos

Anotación automática con Gemini 4 Argon: los cuadros más precisos de 39 modelos

Anotación automática con Gemini 4 Argon en Ultralytics Platform: n.º 2 de 39 modelos, máxima precisión (0,667), primero en 6 de 12 dominios, 7,60 $ por cada 1.000 imágenes hasta el 30 de noviembre.
Más información
Computación abierta, visión abierta: AMD en Ultralytics YOLO Vision 2026

Computación abierta, visión abierta: AMD en Ultralytics YOLO Vision 2026

Descubre cómo AMD llevó la computación abierta a Ultralytics YOLO Vision 2026 con una ponencia sobre ROCm, talleres prácticos y demostraciones de YOLO en GPU AMD Radeon.
Más información
Los mejores modelos de clasificación de imágenes: cómo elegir

Los mejores modelos de clasificación de imágenes: cómo elegir

Compara los principales modelos de clasificación de imágenes, desde ConvNeXt V2 y DINOv3 hasta EfficientNetV2, ViT y Ultralytics YOLO26-cls, y aprende a elegir.
Más información
Segmentación semántica frente a segmentación de instancias: cómo elegir la tarea adecuada

Segmentación semántica frente a segmentación de instancias: cómo elegir la tarea adecuada

La segmentación semántica asigna una clase a cada píxel; la segmentación de instancias separa cada objeto. Descubre cuál necesita tu proyecto de visión artificial y por qué.
Más información
Ultralytics en Arm Create 2026: IA visual en tiempo real en el perímetro

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

Lo más destacado de Ultralytics en Arm Create 2026, en Shenzhen: despliegue de Ultralytics YOLO para IA de borde en tiempo real, el panel sobre modelos y el nuevo Arm AI Portal.
Más información
Encuentro de Ultralytics: Londres

Encuentro de Ultralytics: Londres

Resumen del encuentro de Ultralytics en Londres: primer vistazo a YOLO27, demostraciones de Ultralytics Platform y una mesa redonda sobre IA visual con NVIDIA y Arm.
Más información
Supervisión de Ultralytics Platform: mantén bajo control tus implementaciones de IA visual

Supervisión de Ultralytics Platform: mantén bajo control tus implementaciones de IA visual

Supervisa modelos de IA visual implementados con Ultralytics Platform. Controla el estado de los endpoints, la latencia, los errores, los registros y las estadísticas de predicción en tiempo real.
Más información
Presentamos Ultralytics Agents: crea flujos de trabajo de IA visual más rápido

Presentamos Ultralytics Agents: crea flujos de trabajo de IA visual más rápido

Crea flujos de trabajo de IA visual con Ultralytics Agents. Conecta modelos YOLO, modelos visión-lenguaje, condiciones, conjuntos de datos y alertas de Slack en un mismo lienzo.
Más información
Presentamos Ultralytics AutoTrain: simplifica el entrenamiento de modelos de IA visual

Presentamos Ultralytics AutoTrain: simplifica el entrenamiento de modelos de IA visual

Entrena, compara y mejora modelos Ultralytics YOLO con AutoTrain en Ultralytics Platform, desde la línea base inicial hasta la implementación en producción.
Más información
¡Lo más destacado de Ultralytics YOLO Vision 2026!

¡Lo más destacado de Ultralytics YOLO Vision 2026!

Momentos destacados de YOLO Vision 2026, donde Ultralytics presentó Ultralytics YOLO27 y mostró AutoTrain, Agents y Monitoring en Ultralytics Platform.
Más información
Ultralytics YOLO26 ahora admite la estimación monocular de profundidad

Ultralytics YOLO26 ahora admite la estimación monocular de profundidad

Descubre cómo la nueva tarea de estimación de profundidad de Ultralytics YOLO26 predice la profundidad a escala métrica para cada píxel a partir de una única imagen RGB, sin necesidad de un sistema estéreo ni de LiDAR.
Más información
Las mejores plataformas de anotación de imágenes para visión artificial

Las mejores plataformas de anotación de imágenes para visión artificial

Compara nueve plataformas de anotación de imágenes para visión artificial: CVAT, Encord, Label Studio, Labelbox, Roboflow, Scale AI, SuperAnnotate, Ultralytics y V7.
Más información
Detección automatizada de defectos en fabricación: comparativa de plataformas

Detección automatizada de defectos en fabricación: comparativa de plataformas

Compara plataformas de detección automatizada de defectos: Cognex, Instrumental, Keyence, Landing AI, Overview y Ultralytics, y descubre cómo elegir la tarea del modelo según el defecto.
Más información
Cuánto cuesta la visión artificial empresarial: un marco de TCO

Cuánto cuesta la visión artificial empresarial: un marco de TCO

Un marco de costes totales para visión artificial empresarial que abarca datos, anotación, cámaras, hardware en el edge, entrenamiento, inferencia, integración y reentrenamiento.
Más información
Verificación de montajes y prevención de errores con visión artificial

Verificación de montajes y prevención de errores con visión artificial

Cómo verifica la visión artificial la integridad, corrección y secuencia del montaje: diseño de la estación de captura de imágenes, elección de la tarea del modelo, integración con PLC y validación.
Más información
Inferencia de visión artificial a gran escala: comparativa de siete plataformas

Inferencia de visión artificial a gran escala: comparativa de siete plataformas

Comparativa de siete plataformas de inferencia de visión artificial: Azure ML, KServe, NVIDIA Triton, Roboflow, SageMaker AI, Ultralytics y Vertex AI, en latencia y escalabilidad.
Más información

¡Construyamos juntos el futuro de la IA!

Inicia tu recorrido hacia el futuro del aprendizaje automático