Ultralytics YOLO s'associe à DEEPX : inférence d'IA en périphérie pour l'IA physique

Chez Ultralytics, nous constatons une évolution croissante vers l'exécution de modèles de vision par ordinateur directement sur les appareils de périphérie (edge devices), à mesure que l'IA s'intègre plus profondément dans le monde physique. Qu'il s'agisse de robotique, de machines industrielles, de caméras intelligentes ou de véhicules autonomes, de plus en plus de systèmes intelligents doivent voir, comprendre et agir en temps réel, sans dépendre du cloud.

Cette nouvelle vague de systèmes intelligents est appelée IA physique, et elle exige une informatique haute performance et ultra-économe en énergie capable de fonctionner de manière autonome dans le monde réel. Les systèmes réels ont besoin d'une vision par IA qui s'exécute localement, de manière fiable et efficace, sur du matériel conçu spécifiquement pour la périphérie.

Les modèles Ultralytics YOLO tels que Ultralytics YOLO26 sont conçus pour la vision par ordinateur en temps réel, mais exploiter tout leur potentiel à la périphérie (edge) nécessite la bonne combinaison de logiciels et de matériel. À cet effet, nous sommes ravis d'annoncer notre nouveau partenariat avec DEEPX.

Nous avons conclu un partenariat avec DEEPX pour introduire une nouvelle intégration d'exportation, permettant un déploiement efficace et performant des modèles Ultralytics YOLO sur le matériel NPU de DEEPX. Ensemble, nous établissons une norme mondiale unifiée pour la façon dont l'IA physique est construite, déployée et mise à l'échelle.

Fig 1. L'écosystème matériel DEEPX pour l'inférence d'IA sur l'appareil, comprenant le module M.2 DX-M1 et le boîtier d'IA DX-AIPlayer N97**.

Une vision commune pour l'avenir de l'IA physique#

En tant que framework de vision par ordinateur le plus largement adopté au monde, Ultralytics fournit les « yeux » de ces systèmes. En tant que l'un des fabricants de NPU les plus efficaces, DEEPX fournit le « cerveau » pour les faire fonctionner à grande échelle.

Chez Ultralytics et DEEPX, nous croyons en l'accessibilité, la performance et une conception axée sur le développeur, et nous sommes guidés par ces principes. En réunissant les écosystèmes Ultralytics et DEEPX, nous fournissons une voie unique et fiable pour déployer l'IA de vision commercialement, qu'il s'agisse d'une entreprise de robotique en phase de démarrage expédiant son premier produit ou d'un fabricant du Fortune 500 déployant l'IA de vision dans des milliers d'installations.

Cela signifie :

• Mise sur le marché plus rapide : De l'annotation au déploiement en quelques jours, pas des mois.
• Coûts de déploiement réduits : Performances de classe GPU pour une fraction de la puissance et du coût du silicium, vous offrant plus de 250 FPS avec une consommation électrique de 2 à 4 W.
• Nouvelles opportunités de revenus : Construisez et expédiez des produits d'IA en périphérie qui étaient auparavant économiquement non viables.
• Mise à l'échelle pérenne : Un pipeline CI/CD dédié garantit que chaque nouvelle version d'Ultralytics fonctionne dès la sortie de la boîte avec le matériel DEEPX, soutenu par les engagements d'approvisionnement pluriannuels de DEEPX.

Explorer la technologie NPU de DEEPX#

DEEPX est un innovateur en semi-conducteurs pour l'IA qui fournit du matériel d'IA en périphérie (edge) efficace, conçu spécialement pour les modèles de vision comme Ultralytics YOLO avec un nombre d'images par seconde par watt (FPS/W) de premier plan. Plutôt que d'optimiser pour des métriques théoriques, DEEPX se concentre sur l'efficacité en conditions réelles, permettant aux développeurs d'obtenir des résultats de classe GPU avec une fraction du budget énergétique.

Ce qui rend cela possible, c'est une conception « full-stack ». Le NPU DX-M1 est conçu spécifiquement pour accélérer les modèles computationnels des modèles de vision par ordinateur, avec un refroidissement passif et une faible consommation d'énergie adaptés aux déploiements à l'échelle industrielle où la performance par watt et la fiabilité à long terme sont primordiales.

Alors que l'Edge AI entre dans une phase d'adoption généralisée, ce qui compte, c'est la performance durable : exécuter des modèles avancés de manière fiable sous des contraintes strictes de puissance et de chaleur, tout en restant évolutif pour un déploiement réel. C'est pourquoi le FPS par Watt est devenu l'une des métriques les plus importantes pour évaluer les plateformes Edge AI.

Fig 2. Test de référence (benchmark) du front de Pareto de YOLO26, YOLO11 et YOLOv8 sur le NPU DX-M1. Mesuré sur DX-M1 avec un hôte i5-14600K (32 Go de RAM), le SDK dx-com v2.3.0, puce NPU uniquement.

À mesure que le marché dépasse le stade des preuves de concept (PoC) pour passer au déploiement à grande échelle, les clients ont de plus en plus besoin d'exécuter plusieurs modèles d'IA simultanément avec le même budget énergétique et thermique. Le graphique ci-dessus montre que YOLO26 offre systématiquement un meilleur équilibre entre précision et efficacité : YOLO26n atteint environ 405 FPS/W sur DX-M1, permettant aux développeurs d'exécuter des charges de travail IA plus avancées sans passer à du matériel plus imposant et gourmand en énergie.

Démarrer avec l'exportation des modèles Ultralytics YOLO vers DEEPX#

Le paquet Python Ultralytics et la plateforme Ultralytics fournissent un environnement complet et unifié pour l'entraînement, l'évaluation et le déploiement de modèles YOLO à travers les cinq tâches de vision par ordinateur. Que tu préfères travailler en code ou via un flux de travail visuel sans friction, ces deux approches te offrent un moyen cohérent et évolutif de faire passer un modèle des données au déploiement.

Grâce à ce partenariat, Ultralytics a introduit une nouvelle intégration d'exportation avec DEEPX, permettant d'exporter les modèles YOLO pour un déploiement sur le matériel NPU DEEPX avec une seule commande : format=deepx. L'intégration est entièrement prise en charge dans tout l'écosystème Ultralytics, ce qui signifie que les développeurs peuvent exporter vers DEEPX à partir du paquet Python ou directement depuis la plateforme Ultralytics après avoir annoté et entraîné leur modèle. Pendant l'exportation, le modèle est compilé et quantifié en INT8 dans un fichier binaire optimisé .dxnn, la calibration basée sur l'EMA garantissant une performance NPU maximale sans sacrifier la qualité du modèle.

En pratique, cela signifie que les équipes commerciales peuvent passer de données étiquetées à un modèle prêt pour la production s'exécutant sur des NPU DEEPX avec seulement trois commandes :

# 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

Pour tous les détails de configuration, y compris l'installation du runtime et la visualisation avec la visionneuse de graphes dxtron de DEEPX, consulte la documentation sur l'intégration DEEPX.

Principaux avantages de l'exécution des modèles Ultralytics YOLO sur les NPU DEEPX#

Voici quelques-uns des principaux avantages du déploiement des modèles Ultralytics YOLO sur le matériel DEEPX en utilisant la nouvelle intégration :

• Intégration transparente avec le flux de travail Ultralytics : L'exportation des modèles YOLO pour le déploiement DEEPX s'intègre naturellement dans le package Python Ultralytics, avec une seule commande format=deepx standardisant le processus de déploiement en périphérie.
• Prise en charge de plusieurs tâches de vision par ordinateur : Tu peux déployer des modèles pour la détection d'objets, la segmentation, l'estimation de pose, la détection de boîtes englobantes orientées (OBB) et la classification sur YOLOv8, YOLO11 et YOLO26.
• Inférence en périphérie ultra-efficace : Les NPU DEEPX offrent des performances de classe GPU pour une fraction de la puissance, avec un refroidissement passif et une consommation d'énergie ultra-faible, idéale pour les déploiements à l'échelle de la production.
• Fondation pérenne : Un pipeline CI/CD dédié garantit une compatibilité immédiate avec chaque nouvelle version d'Ultralytics, tandis que la feuille de route du DX-M1 au DX-M2 étend la même pile logicielle à l'ère de l'IA agentique.
• Évolutif sur toutes les applications d'IA physique : De la surveillance intelligente et l'inspection industrielle à la robotique et aux systèmes autonomes, l'intégration prend en charge un large éventail de cas d'utilisation réels.

Où les modèles Ultralytics YOLO et le matériel DEEPX peuvent avoir un impact#

Alors, quelles sont certaines des applications courantes de l'IA physique où les modèles Ultralytics YOLO peuvent être déployés sur le matériel DEEPX dans des scénarios réels ?

Surveillance intelligente en périphérie#

Les systèmes de surveillance modernes exigent une détection en temps réel sans compromettre la confidentialité ou la connectivité. Les modèles Ultralytics YOLO s'exécutant sur des NPU DEEPX permettent aux caméras de sécurité et aux systèmes de surveillance d'analyser les flux vidéo localement, identifiant les personnes, les véhicules et les activités inhabituelles en temps réel, avec une faible consommation d'énergie et sans dépendance au cloud. Alors que l'application du RGPD se durcit en Europe et que les marchés publics exigent de plus en plus la résidence des données, l'inférence sur l'appareil devient un avantage réglementaire autant qu'un avantage technique.

Automatisation industrielle et contrôle qualité#

Dans les usines et les installations de fabrication, l'IA de vision est de plus en plus utilisée pour automatiser le contrôle qualité, la détection des défauts et la surveillance des processus. Combiner les modèles Ultralytics YOLO avec le matériel DEEPX permet une inspection sur l'appareil qui fonctionne de manière fiable 24/7 dans des environnements industriels exigeants, aidant à réduire les déchets, améliorer la qualité des produits et protéger la sécurité des travailleurs.

Robotique et systèmes autonomes#

Pour la robotique, la vitesse et la réactivité sont critiques. Qu'il s'agisse de naviguer dans un entrepôt, de fonctionner dans des environnements industriels dynamiques ou de travailler aux côtés d'humains, les robots ont besoin d'interpréter leur environnement instantanément. Les modèles Ultralytics YOLO s'exécutant sur des NPU DEEPX permettent aux robots de détecter les obstacles, de suivre les personnes et d'identifier les objets en temps réel, favorisant un mouvement plus sûr et une plus grande autonomie sans dépendre d'une connectivité cloud constante.

Points clés#

Les modèles Ultralytics YOLO et les NPU DEEPX rendent plus facile que jamais l'apport d'une IA physique haute performance à la périphérie. En simplifiant le déploiement avec la nouvelle norme format=deepx et en optimisant les modèles pour le matériel économe en énergie de DEEPX, ce partenariat aide à combler le fossé entre le développement et les applications commerciales réelles. À mesure que l'IA physique continue de croître, cette collaboration est une étape vers la rendre accessible, abordable et évolutive pour les entreprises de toutes tailles.

Prêt à mettre tes produits d'IA en périphérie sur le marché plus rapidement ?

• Demande une licence pour accéder au support commercial et aux modèles Enterprise YOLO.
• Essaie la plateforme Ultralytics pour annoter, entraîner et déployer ton premier modèle prêt pour DEEPX.
• Deviens un partenaire Ultralytics pour explorer des opportunités de déploiement conjointes.
• Lis la documentation pour accéder au guide technique complet.

Découvre comment des innovations telles que l'IA en robotique et l'IA dans la fabrication façonnent l'avenir.