Ultralytics les points à retenir de l'AMD Dev Day Shanghai concernant l'IA d'AMD : déploiement local de l'IA, systèmes agentiques, ROCm et le Ryzen AI Max 395.
Ultralytics l'AMD Dev Day à Shanghai afin de découvrir comment AMD et ses partenaires façonnent la prochaine étape de l'infrastructure d'IA. Le message principal de l'événement était clair : le débat sur l'IA chez AMD dépasse désormais le cadre des modèles autonomes pour s'orienter vers des systèmes d'IA déployables. À travers les conférences, les démonstrations de produits et les échanges avec les partenaires, les thèmes majeurs ont été l'IA agentique, le déploiement local de l'IA, les écosystèmes open source et les outils de développement nécessaires pour rendre ces systèmes opérationnels à grande échelle.
Comme l'a déclaré Lisa Su, présidente-directrice générale d'AMD : « Il n'y a jamais eu de période plus passionnante que celle que nous vivons aujourd'hui dans le domaine des technologies. »
Pour les équipes qui développent de véritables produits d'IA, cette évolution est importante. Elle laisse entendre que la réussite lors de la prochaine phase du marché dépendra peut-être moins de l'accès à un modèle de pointe unique que de la capacité des équipes à bien coordonner les flux de travail, à maîtriser les coûts d'inférence, à protéger les données sensibles et à choisir l'environnement de déploiement le mieux adapté à la tâche.
L'un des thèmes majeurs de l'AMD Dev Day a été la volonté d'AMD de se positionner comme un fournisseur complet de solutions informatiques de bout en bout pour l'ère de l'IA. L'entreprise a axé son approche sur la prise en charge des charges de travail liées à l'IA dans les environnements cloud, client et périphériques, tout en mettant l'accent sur un écosystème logiciel ouvert plutôt que sur une pile propriétaire fermée.
Ce cadre est important car il reflète l'évolution du développement de l'IA. La création de produits d'IA modernes ne se limite plus à l'entraînement d'un modèle ou à l'appel d'une API. Les équipes doivent de plus en plus prendre en charge l'expérimentation locale, les flux de travail multi-agents, l'optimisation de l'inférence, les tests à l'échelle des stations de travail et le déploiement en entreprise. Le message véhiculé par AMD lors de cet événement a constamment établi un lien entre son offre matérielle et cette réalité plus large des logiciels et des systèmes.
Cette ambition a été clairement résumée par Lisa Su lors de l'événement : « Nous voulons intégrer l'IA à tous les niveaux de l'écosystème. »
S'il y a bien une idée qui est revenue tout au long de la journée, c'est celle de la transition des interactions traditionnelles avec les modèles de langage (LLM) vers des systèmes d'IA agentique. Les intervenants ont décrit cette évolution comme le passage de requêtes et de réponses ponctuelles à une orchestration multi-agents, dans laquelle différents agents planifient, exécutent, évaluent et collaborent tout au long des flux de travail.
Cela est important car les systèmes agentiques imposent de nouvelles exigences à la pile d'IA. Selon la présentation de l'événement, ces systèmes nécessitent non seulement GPU , mais aussi CPU importante, une orchestration des flux de données et une capacité de mémoire suffisante pour prendre en charge des boucles d'inférence répétées et une exécution en plusieurs étapes.
Pour les développeurs et les équipes spécialisées en IA, il faut retenir que l'avantage concurrentiel peut résider dans la mise au point de systèmes d'IA efficaces, et non pas simplement dans le choix du modèle le plus performant. La capacité à intégrer les modèles aux flux de travail, aux outils, aux données locales et aux processus métier devient un élément central du produit lui-même.
Un autre thème marquant de l'AMD Dev Day a été l'accent mis sur le déploiement local de l'IA. AMD et ses partenaires ont souligné à plusieurs reprises que les charges de travail IA avancées doivent de plus en plus être exécutées au plus près du lieu où le travail est effectué, notamment sur les ordinateurs portables, les stations de travail et le matériel d'entreprise.
Les raisons invoquées ont été les mêmes tout au long de l'événement :
AMD a mis en avant le Ryzen AI Max 395 comme argument clé dans ce débat, soulignant les configurations pouvant atteindre 128 Go de mémoire unifiée et la possibilité d'exécuter des modèles volumineux en local dans un seul pool de mémoire sans fragmentation. L'événement a également présenté des environnements de développement de niveau station de travail utilisant la Radeon AI Pro R9700 et l'AMD Threadripper Pro 9000 pour les tests et la mise à l'échelle locale avant le déploiement.
Le message général n'était pas que le cloud allait disparaître. L'événement a plutôt présenté un modèle hybride dans lequel les environnements locaux et cloud fonctionnent en synergie. Les tâches plus courantes, sensibles à la latence ou à la confidentialité peuvent être exécutées localement, tandis que les tâches plus exigeantes peuvent toujours être transférées vers le cloud en cas de besoin.
L'AMD Dev Day a également mis en lumière les contraintes économiques qui sous-tendent ces choix architecturaux. Les intervenants ont souligné la croissance rapide de la demande en jetons, l'augmentation des coûts d'inférence et la pression que cela engendre pour les développeurs et les entreprises qui conçoivent des produits d'IA.
Dans ce contexte, l'IA locale a été présentée comme une stratégie visant autant à maîtriser les coûts qu'à répondre à des enjeux techniques. Le message récurrent de l'événement était que la prochaine étape de l'IA récompensera les équipes qui utilisent la puissance de calcul de manière plus efficace, et non pas simplement celles qui en consomment le plus.
Pour les développeurs d'IA, c'est un signal clair. Les choix d'infrastructure relèvent de plus en plus de choix de produit. La latence, la confidentialité, la mémoire et le coût des jetons ne sont plus de simples détails techniques secondaires.
Un autre point fort de l'AMD Dev Day a été le rôle central des écosystèmes logiciels ouverts. AMD a mis l'accent sur ROCm, la prise en charge sans modification du code des principaux frameworks, la prise en charge de plus de 3 millions de modèles via Hugging Face ModelScope, ainsi que ses objectifs de prise en charge dès le premier jour pour les nouvelles versions de modèles.
Nick Ni, directeur principal de la gestion des produits d'IA chez AMD, a bien résumé cette idée : « Pour la plupart d'entre vous ici présents, en réalité, c'est le logiciel qui fait toute la différence. »
Cet événement a également mis en avant plusieurs initiatives destinées aux développeurs :
Cette partie de l'événement m'a paru particulièrement importante, car elle a mis en évidence une vérité fondamentale : les capacités matérielles ne suffisent pas à elles seules à favoriser l'adoption d'une technologie. Les développeurs ont besoin d'outils éprouvés, de frameworks familiers, d'une documentation complète et de moyens simples pour expérimenter. C'est l'écosystème qui permet de transformer les promesses de performances en plateformes réellement exploitables.
Le rôle de la Chine sur le marché de l'IA a également été un thème récurrent. Plusieurs intervenants ont décrit la Chine comme un pôle d'excellence pour l'innovation en matière d'IA open source, notamment dans des domaines marqués par des impératifs d'efficacité, de déploiement local et de contraintes techniques concrètes.
Les partenariats avec Zero One AI et Stepfun ont permis de souligner ce point. Les notes de l'événement décrivaient un système multi-agents tout-en-un développé en collaboration avec Zero One AI, basé sur l'architecture Ryzen AI Max pour un déploiement local, ainsi qu'un modèle Stepfun optimisé pour le matériel AMD et conçu pour des tâches impliquant des agents.
Cela impliquait surtout que la Chine n'est pas seulement un marché majeur de l'IA, mais aussi un terrain d'essai essentiel pour le déploiement local de l'IA, les modèles open source et la conception d'infrastructures à coûts maîtrisés.
Du point de vue Ultralytics , l'aspect le plus intéressant de l'AMD Dev Day a été l'accent mis sur les systèmes d'IA déployables plutôt que sur les capacités de l'IA en soi. L'événement a constamment porté sur la manière dont les développeurs et les entreprises peuvent concrètement mettre en œuvre, intégrer, sécuriser et faire évoluer l'IA dans des environnements de production.
Cela comprend notamment des questions telles que :
Ce sont là des questions pratiques qui déterminent de plus en plus la manière dont les produits d'IA performants sont développés. Ce sont également des questions que nous nous posons directement lorsque nous développons et déployonsYOLO Ultralytics . La flexibilité de déploiement, qu'un modèle fonctionne sur un ordinateur portable, une station de travail ou une instance cloud, a toujours été pour nous une contrainte de conception fondamentale, et non une considération secondaire.
La promotion des écosystèmes open source et de l'efficacité de l'inférence lors de l'AMD Dev Day a confirmé ce dont nous étions déjà convaincus : les outils d'IA les plus utiles sont ceux qui s'intègrent dans des flux de travail concrets, sur du matériel réel, sans obliger les équipes à refondre leur infrastructure autour d'un seul fournisseur ou d'une seule plateforme.
L'AMD Dev Day de Shanghai a clairement montré une chose : le débat sur l'infrastructure de l'IA gagne en maturité. L'accent n'est plus mis uniquement sur la taille brute des modèles, mais sur les systèmes plus larges nécessaires pour rendre l'IA utile dans le monde réel. Les flux de travail agentiques, le déploiement local de l'IA, les outils open source et l'efficacité de l'infrastructure ont été les thèmes les plus marquants de l'événement.
Pour les équipes qui développent des produits d'IA, cette évolution mérite qu'on s'y attarde. La prochaine vague de progrès pourrait bien résulter du choix d'une architecture adaptée, d'un modèle de déploiement adéquat et d'un écosystème de développeurs approprié, et non pas simplement du modèle le plus imposant.
Si vous développez des systèmes de vision par ordinateur et que vous vous demandez où exécuter l'inférence (sur l'appareil, sur site ou dans le cloud), sachez queYOLO Ultralytics ont été conçus pour offrir cette flexibilité. Explorez notre dépôt GitHub pour vous lancer, découvrez comment la vision par ordinateur s'intègre dans des déploiements concrets dans les secteurs de la fabrication et de la logistique, ou consultez nos options de licence pour commencer à développer.
Commencez votre parcours avec l'avenir de l'apprentissage automatique
