Ultralytics à AMD Dev Day Shanghai : l’IA locale rencontre les systèmes agentiques
Ultralytics partage les enseignements tirés d’AMD Dev Day Shanghai sur l’IA d’AMD : déploiement local de l’IA, systèmes agentiques, ROCm et Ryzen AI Max 395.
Ultralytics a participé à l’AMD Dev Day de Shanghai pour découvrir comment AMD et ses partenaires façonnent la prochaine étape des infrastructures d’IA. Le principal message de l’événement était clair : les discussions sur l’IA chez AMD dépassent désormais les modèles autonomes pour s’orienter vers des systèmes d’IA déployables. Parmi les conférences, démonstrations de produits et échanges avec les partenaires, les grands thèmes étaient 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 dit Lisa Su, présidente et directrice générale d’AMD : « Il n’y a jamais eu de période plus passionnante pour travailler dans la technologie qu’aujourd’hui. »
Ce changement est important pour les équipes qui développent de vrais produits d’IA. Il laisse penser que la réussite à la prochaine étape du marché dépendra peut-être moins de l’accès à un seul modèle de pointe que de la capacité des équipes à orchestrer des flux de travail, à maîtriser les coûts d’inférence, à protéger les données sensibles et à choisir l’environnement de déploiement adapté à chaque tâche.
Le message d’AMD : l’IA a besoin d’une stratégie de calcul complète#
L’un des grands thèmes de l’AMD Dev Day était la volonté d’AMD de se positionner comme un fournisseur de calcul complet, de bout en bout, pour l’ère de l’IA. L’entreprise a présenté une approche qui prend en charge les charges de travail d’IA dans le cloud, sur les appareils clients et en périphérie, tout en mettant l’accent sur un écosystème logiciel ouvert plutôt que sur une pile propriétaire fermée.
Cette vision est importante, car elle reflète l’évolution du développement de l’IA. La création de produits d’IA modernes ne consiste plus seulement à entraîner un modèle ou à appeler une API de modèle. 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 d’une station de travail et le déploiement en entreprise. Le discours d’AMD lors de l’événement a constamment relié les aspects matériels à cette réalité plus large des logiciels et des systèmes.
Lisa Su a clairement résumé cette ambition pendant l’événement : « Nous voulons intégrer l’IA partout dans l’écosystème. »
Fig. 1. Lisa Su sur scène lors de l’AMD Dev Day à Shanghai.
L’IA agentique était le thème dominant de l’événement#
S’il y a une idée qui est revenue tout au long de la journée, c’est le passage des interactions traditionnelles avec les grands modèles de langage (LLM) aux systèmes d’IA agentique. Les intervenants ont décrit cette évolution comme le passage de requêtes et de réponses ponctuelles à une orchestration multi-agents, où différents agents planifient, exécutent, évaluent et collaborent tout au long des flux de travail.
Cette évolution est importante, car les systèmes agentiques imposent de nouvelles exigences à la pile d’IA. Selon la présentation de l’événement, ces systèmes ont besoin non seulement de performances GPU, mais aussi d’une puissance de traitement CPU considérable, de l’orchestration des flux de données et d’une grande capacité mémoire pour prendre en charge les boucles d’inférence répétées et l’exécution en plusieurs étapes.
Pour les développeurs et les équipes d’IA, la leçon à retenir est que l’avantage concurrentiel pourrait venir de la création de systèmes d’IA efficaces, et pas simplement du choix du modèle le plus performant. La capacité à relier les modèles aux flux de travail, aux outils, aux données locales et aux processus métier devient un élément central du produit lui-même.
Le déploiement local de l’IA prend une importance stratégique#
L’accent mis sur le déploiement local de l’IA était un autre thème marquant de l’AMD Dev Day. AMD et ses partenaires ont répété que les charges de travail d’IA avancées doivent de plus en plus s’exécuter au plus près des lieux de travail, notamment sur les ordinateurs portables, les stations de travail et le matériel d’entreprise.
Les raisons évoquées tout au long de l’événement étaient les mêmes :
- Une latence réduite
- Une meilleure confidentialité des données
- Un meilleur contrôle des flux de travail sensibles
- Une dépendance réduite aux coûts des API cloud
AMD a présenté le Ryzen AI Max 395 comme un argument clé à l’appui de cette approche, en mettant en avant des configurations pouvant atteindre 128 Go de mémoire unifiée et la capacité d’exécuter de grands modèles localement dans un espace mémoire unique, sans partitionnement. L’événement a également présenté des configurations de développement à l’échelle d’une station de travail, équipées des Radeon AI Pro R9700 et 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 le cloud fonctionnent ensemble. Les tâches 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 lorsque c’est nécessaire.
Les coûts d’inférence de l’IA et la demande en jetons façonnent les choix d’infrastructure#
L’AMD Dev Day a également mis en évidence les pressions économiques qui sous-tendent ces choix d’architecture. Les intervenants ont souligné la croissance rapide de la demande en jetons, la hausse des coûts d’inférence et la pression que cela exerce sur les développeurs et les entreprises qui créent des produits d’IA.
Dans ce contexte, l’IA locale a été présentée comme une stratégie de maîtrise des coûts autant que comme un choix technique. Le message répété lors de l’événement était que la prochaine étape de l’IA favorisera les équipes qui utilisent le calcul plus efficacement, et non celles qui en consomment simplement le plus.
Pour les équipes qui créent des solutions d’IA, c’est un signal concret. Les décisions d’infrastructure deviennent de plus en plus des décisions liées au produit. La latence, la confidentialité, la mémoire et le coût des jetons ne sont plus des détails techniques secondaires.
Fig. 2. Kit d’évaluation AMD Versal AI Edge Series Gen2 VEK385.
AMD ROCm et l’écosystème d’IA open source#
Un autre enseignement majeur de l’AMD Dev Day était le rôle central des écosystèmes logiciels ouverts. AMD a mis en avant ROCm, la prise en charge des principaux frameworks sans modification du code, l’accès à plus de 3 millions de modèles via Hugging Face et ModelScope, ainsi que des objectifs de prise en charge dès le jour de sortie des nouveaux modèles.
Nick Ni, directeur principal de la gestion des produits d’IA chez AMD, a bien résumé cette priorité : « Pour la plupart d’entre vous dans cette salle, en fait, le logiciel est au cœur du sujet. »
L’événement a également mis en avant plusieurs initiatives destinées aux développeurs :
- AMD AI Developer Cloud, avec un accès gratuit aux GPU pour les développeurs en Chine
- L’intégration de ModelScope Studio avec des options d’exécution sur GPU AMD
- Les guides pas à pas AMD AI Playbooks
- Un programme pour développeurs qui a accueilli plus de 100 000 développeurs ces derniers mois
Cette partie de l’événement nous a semblé particulièrement importante, car elle soulignait une vérité fondamentale : les capacités matérielles ne suffisent pas à favoriser l’adoption. Les développeurs ont besoin d’outils aboutis, de frameworks familiers, de documentation et de moyens simples pour expérimenter. C’est l’écosystème qui transforme les promesses de performance en plateformes utilisables.
Pourquoi la Chine s’est démarquée lors de l’AMD Dev Day#
Le rôle de la Chine sur le marché de l’IA était un autre thème récurrent. Plusieurs intervenants ont décrit la Chine comme un environnement de premier plan pour l’innovation en IA open source, notamment dans les domaines influencés par les exigences d’efficacité, de déploiement local et d’ingénierie pratique.
Les partenariats avec Zero One AI et Stepfun ont servi à étayer ce point. Selon les notes de l’événement, un système tout-en-un multi-agents destiné aux entreprises a été développé avec Zero One AI sur l’architecture Ryzen AI Max pour un déploiement local, tandis qu’un modèle de Stepfun a été optimisé pour le matériel AMD et conçu pour les tâches agentiques.
La principale conséquence est que la Chine n’est pas seulement un grand marché de l’IA, mais aussi un terrain d’expérimentation important pour le déploiement local de l’IA, les modèles open source et la conception d’infrastructures tenant compte des coûts.
Ce qu’Ultralytics retient de l’AMD Dev Day de Shanghai#
Du point de vue de l’équipe Ultralytics, le signal le plus utile de l’AMD Dev Day était l’accent mis sur les systèmes d’IA déployables plutôt que sur les capacités de l’IA en théorie. L’événement s’est constamment intéressé à la manière dont les développeurs et les entreprises peuvent réellement exécuter, intégrer, sécuriser et faire évoluer l’IA dans des environnements de production.
Cela soulève notamment des questions comme :
- Que faut-il exécuter localement et que faut-il exécuter dans le cloud ?
- Comment les équipes doivent-elles prendre en compte la latence et la confidentialité ?
- Comment les développeurs peuvent-ils moins dépendre des API d’inférence coûteuses ?
- Quels outils et quelles couches logicielles facilitent l’adoption des plateformes d’IA ?
Ce sont des questions concrètes qui déterminent de plus en plus la réussite de la création de produits d’IA. Nous réfléchissons aussi directement à ces questions dans notre manière de développer et de distribuer les modèles Ultralytics YOLO. La flexibilité du déploiement — qu’un modèle s’exécute sur un ordinateur portable, une station de travail ou une instance cloud — a toujours été une contrainte de conception fondamentale pour nous, et non une réflexion après coup.
L’accent mis sur les écosystèmes open source et l’efficacité de l’inférence lors de l’AMD Dev Day a renforcé une conviction que nous avions déjà : les outils d’IA les plus utiles sont ceux qui s’intègrent aux flux de travail réels, sur du matériel réel, sans obliger les équipes à reconstruire leur infrastructure autour d’un seul fournisseur ou d’une seule plateforme.
Fig. 3. L’équipe Ultralytics lors de l’AMD Dev Day à Shanghai.
Pour conclure#
L’AMD Dev Day de Shanghai a clairement montré une chose : les discussions autour des infrastructures d’IA gagnent en maturité. L’attention se détourne de la seule taille brute des modèles pour se porter 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 des infrastructures étaient les thèmes les plus marquants de l’événement.
Les équipes qui créent des produits d’IA ont tout intérêt à prêter attention à ce changement. La prochaine vague de progrès pourrait dépendre du choix de la bonne architecture, du bon modèle de déploiement et du bon écosystème de développement, et pas seulement du plus grand modèle.
Si tu développes des systèmes de vision par ordinateur et que tu réfléchis à l’endroit où exécuter l’inférence — sur l’appareil, sur site ou dans le cloud —, les modèles Ultralytics YOLO sont conçus pour offrir cette flexibilité. Consulte notre dépôt GitHub pour commencer, découvre comment la vision par ordinateur s’intègre aux déploiements concrets dans l’industrie manufacturière et la logistique, ou consulte nos options de licence pour commencer à développer.
