Ultralytics à Arm Create 2026 : IA de vision en temps réel en périphérie
Ultralytics à Arm Create 2026 : déploie Ultralytics YOLO pour l'IA en périphérie en temps réel, des retours du panel de modèles et le nouveau Arm AI Portal.
Le 11 septembre 2026, notre responsable marketing Ziyue Wang et notre ingénieur senior en apprentissage automatique, Rick Hou, ont rejoint Arm Create, l'événement des développeurs d'Arm consacré à la création, à l'optimisation et au déploiement de l'IA sur le cloud, en périphérie, sur mobile et dans l'IA physique. Notre objectif était le déploiement en périphérie d'Ultralytics YOLO : comment prendre un modèle de vision par ordinateur entraîné et l'exécuter en temps réel sur des appareils basés sur Arm.
L'événement de Shenzhen a fait suite à une étape précédente à Shanghai, et tous deux ont exploré une question que tout développeur d'IA finit par se poser : comment transformer un modèle performant en un logiciel qui fonctionne de manière fiable dans le monde réel ?
Voici un récapitulatif de notre session, du panel sur les modèles et de la manière dont Arm et Ultralytics travaillent ensemble pour rendre Ultralytics YOLO plus accessible aux développeurs qui construisent sur Arm.
Déploiement d'Ultralytics YOLO pour l'IA en périphérie en temps réel#
Notre ingénieur senior en apprentissage automatique, Rick Hou, a présenté « Deploying Ultralytics YOLO: Real-Time Vision AI at the Edge », une session pratique sur l'optimisation et le déploiement de modèles Ultralytics YOLO sur des appareils en périphérie. La conférence a exploré l'ensemble du parcours de déploiement et a partagé des leçons tirées d'applications d'IA en périphérie de production avec Ultralytics YOLO.
Fig 1. Rick d'Ultralytics présentant le déploiement en périphérie d'Ultralytics YOLO lors d'Arm Create.
Exportation de modèles Ultralytics YOLO pour les environnements d'exécution en périphérie#
La première étape du déploiement en périphérie consiste à exporter un modèle entraîné vers un format pris en charge par l'environnement d'exécution cible. Rick a expliqué comment le bon format d'exportation dépend de l'appareil, du moteur d'inférence et des objectifs de performance de l'application.
Quantification de modèle pour une inférence plus rapide sur l'appareil#
La quantification réduit la précision numérique d'un modèle, par exemple de FP32 à FP16 ou INT8, ce qui réduit la taille du modèle et accélère l'inférence avec une perte de précision minimale. La session a expliqué comment équilibrer vitesse et précision lorsque les budgets de calcul, de mémoire et d'énergie sont restreints.
Atteindre des performances de vision par ordinateur en temps réel sur des appareils en périphérie#
La vision par ordinateur en temps réel en périphérie dépend de bien plus que du modèle. Le prétraitement, le choix de l'environnement d'exécution et l'accélération matérielle affectent tous la latence et le débit. Rick a partagé la manière d'identifier les goulots d'étranglement et d'optimiser l'ensemble du pipeline d'inférence.
Leçons tirées des déploiements d'IA en périphérie en production#
Les benchmarks sont un point de départ, mais le véritable test est de savoir comment un modèle se comporte sur l'appareil sur lequel il sera déployé, dans de véritables conditions d'exploitation. La validation sur le matériel cible réel a été une leçon clé de la session, et un thème qui est revenu tout au long d'Arm Create.
Panel sur les modèles avec Arm, Alibaba Qwen, Tencent et ModelBest#
Rick a également participé à une table ronde sur les modèles avec Arm, Alibaba Qwen, Tencent et ModelBest. Plutôt que de comparer les modèles directement, le panel s'est concentré sur l'adéquation avec l'application : ce dont une charge de travail a besoin, où elle doit s'exécuter et comment elle se comporte une fois déployée.
Fig 2. Panel sur les modèles avec Arm, Alibaba Qwen, Tencent, ModelBest et Ultralytics à Arm Create.
Choisir le bon modèle pour la charge de travail#
Une fonctionnalité de réponse rapide dans une application mobile, un agent cloud raisonnant sur de grands ensembles de documents et un pipeline de vision en périphérie nécessitent tous des modèles très différents. En tant que voix de la vision par AI dans le panel, Rick a apporté la perspective de la périphérie, où la latence, l'efficacité et la fiabilité sur l'appareil comptent souvent plus que la taille du modèle.
Portail d'IA Arm : Rendre Ultralytics YOLO plus accessible sur Arm#
Arm Create Shenzhen a eu lieu quelques jours seulement après qu'Arm a lancé le Portail d'IA Arm, une plateforme qui aide les développeurs et les agents d'IA à découvrir, optimiser et déployer des logiciels d'IA sur l'ensemble de la plateforme de calcul Arm. Les développeurs peuvent trouver des modèles pré-optimisés et spécifiques à des tâches avec des données de performance et de précision, comparer la latence, la mémoire et la taille du modèle, et accéder à des exemples de code et à des flux de travail de déploiement.
Modèles Ultralytics YOLO pré-optimisés au lancement#
Ultralytics YOLO fait partie des modèles pré-optimisés disponibles au lancement, aux côtés d'Alibaba Qwen et de Google Gemma, Ultralytics soutenant le portail en tant que partenaire de l'écosystème.
Gains de performance d'Ultralytics YOLO26n sur Arm#
Les premiers résultats sont prometteurs. Ultralytics YOLO26n a atteint une amélioration des performances de plus de 40 % avec une exécution à un seul thread dans deux configurations :
- FP16 par rapport à FP32 sur un smartphone vivo X300 avec SME2
- Quantification mixte FP16 et INT8 par rapport à FP32 sur un Raspberry Pi 5 avec NEON
Ce que cela signifie pour les développeurs d'IA en périphérie#
Le Portail d'IA Arm réduit le temps que les développeurs passent à rechercher, évaluer et affiner manuellement les modèles, créant ainsi un chemin plus rapide de la sélection du modèle au déploiement sur du matériel basé sur Arm. Il soutient notre mission de rendre la vision par IA de pointe simple et accessible pour tout le monde. Explorez Ultralytics YOLO sur le Portail d'IA Arm.
Points clés à retenir#
Merci à l'équipe d'Arm pour son accueil, et à tous ceux qui se sont arrêtés pour parler du déploiement en périphérie, de la quantification et de la vision par IA dans le monde réel. Les conversations à Shenzhen ont montré à quelle vitesse l'écosystème de l'IA en périphérie mûrit lorsque les modèles, les outils et le matériel sont conçus pour fonctionner ensemble.
Le prochain Arm Create se dirige vers les États-Unis, et nous avons hâte de poursuivre la conversation. En attendant, visitez la documentation Ultralytics pour commencer à déployer Ultralytics YOLO sur vos propres appareils en périphérie.
