Ultralytics YOLO s’associe à DEEPX : inférence edge d’IA pour la Physical AI

Chez Ultralytics, nous constatons une évolution croissante vers l'exécution directe des modèles de vision par ordinateur sur les appareils edge, à mesure que l'IA s'intègre plus profondément au monde physique. De la robotique aux machines industrielles, en passant par les caméras intelligentes et les véhicules autonomes, de plus en plus de systèmes intelligents doivent voir, comprendre et agir en temps réel, sans dépendre du cloud.

Cette nouvelle génération de systèmes intelligents est appelée IA physique, et elle exige une informatique hautes performances et extrêmement économe en énergie, capable de fonctionner de manière autonome dans le monde réel. Les systèmes réels ont besoin d'une IA de vision qui s'exécute localement, de manière fiable et efficace, sur du matériel conçu spécifiquement pour l'edge.

Les modèles Ultralytics YOLO comme Ultralytics YOLO26 sont conçus pour la vision par ordinateur en temps réel, mais exploiter pleinement leur potentiel sur l'edge nécessite la bonne combinaison de logiciels et de matériel. C'est pourquoi nous sommes ravis d'annoncer notre nouveau partenariat avec DEEPX.

Nous nous sommes associés à DEEPX pour présenter une nouvelle intégration d'exportation, permettant un déploiement efficace et hautes performances des modèles Ultralytics YOLO sur le matériel NPU de DEEPX. Ensemble, nous établissons une norme mondiale unifiée pour concevoir, déployer et mettre à l'échelle l'IA physique.

Fig. 1. L'écosystème matériel de DEEPX pour l'inférence IA sur appareil, avec le module DX-M1 M.2 et l'AI Box 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 » qui les fait fonctionner à grande échelle.

Chez Ultralytics et DEEPX, nous croyons à l'accessibilité, aux performances et à une conception axée sur les développeurs, qui nous motivent. En réunissant les écosystèmes d'Ultralytics et de DEEPX, nous proposons une voie unique et fiable pour déployer commercialement l'IA de vision, qu'il s'agisse d'une jeune entreprise de robotique qui commercialise son premier produit ou d'un fabricant du Fortune 500 qui déploie l'IA de vision sur des milliers de sites.

Cela signifie :

• Mise sur le marché plus rapide : de l'annotation au déploiement en quelques jours, et non en quelques mois.
• Coûts de déploiement réduits : des performances de niveau GPU pour une fraction du coût énergétique et matériel, avec plus de 250 FPS pour une consommation de 2 à 4 W.
• Nouvelles opportunités de revenus : concevoir et commercialiser des produits Edge AI auparavant non viables sur le plan économique.
• Mise à l'échelle pérenne : un pipeline CI/CD dédié garantit que chaque nouvelle version d'Ultralytics fonctionne immédiatement avec le matériel DEEPX, avec le soutien des engagements d'approvisionnement pluriannuels de DEEPX.

À la découverte de la technologie NPU de DEEPX#

DEEPX est un innovateur dans le domaine des semi-conducteurs pour l'IA, qui fournit du matériel Edge AI efficace, conçu spécifiquement 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 des métriques théoriques, DEEPX se concentre sur l'efficacité en conditions réelles, permettant aux développeurs d'obtenir des résultats de niveau GPU pour une fraction du budget énergétique.

Cette performance est rendue possible par une conception full-stack. Le NPU DX-M1 est conçu spécifiquement pour accélérer les schémas de calcul des modèles de vision par ordinateur, avec un refroidissement passif et une faible consommation d'énergie adaptés aux déploiements à l'échelle de la production, où les performances par watt et la fiabilité à long terme sont essentielles.

À mesure que l'Edge AI se généralise, l'essentiel est de maintenir des performances durables : exécuter des modèles avancés de manière fiable dans des contraintes strictes de puissance et de température, tout en restant évolutif pour un déploiement en conditions réelles. C'est pourquoi le nombre d'images par watt est devenu l'une des métriques les plus importantes pour évaluer les plateformes Edge AI.

Fig. 2. Benchmark de la frontière 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), SDK dx-com v2.3.0, puce NPU uniquement.

À mesure que le marché passe des POC aux déploiements à grande échelle, les clients ont de plus en plus besoin de faire fonctionner simultanément plusieurs modèles d'IA dans 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 un matériel plus imposant et plus énergivore.

Premiers pas avec l'exportation de modèles Ultralytics YOLO vers DEEPX#

Le package Python Ultralytics et Ultralytics Platform fournissent un environnement complet et unifié pour entraîner, évaluer et déployer des modèles YOLO dans les cinq tâches de vision par ordinateur. Que tu préfères travailler dans le code ou via un workflow visuel sans friction, les deux approches te donnent un moyen cohérent et évolutif de passer des données au déploiement d'un modèle.

Dans le cadre de ce partenariat, Ultralytics a introduit une nouvelle intégration d'exportation avec DEEPX, permettant d'exporter des modèles YOLO pour les déployer sur le matériel NPU de DEEPX à l'aide d'une seule commande : format=deepx. L'intégration est entièrement prise en charge dans l'écosystème Ultralytics, ce qui signifie que les développeurs peuvent exporter vers DEEPX depuis le package Python ou directement depuis Ultralytics Platform après avoir annoté et entraîné leur modèle. Lors de l'exportation, le modèle est compilé et quantifié en INT8 dans un binaire .dxnn optimisé, l'étalonnage basé sur EMA garantissant des performances maximales du NPU sans compromettre la qualité du modèle.

En pratique, cela signifie que les équipes commerciales peuvent passer de données annotées à un modèle prêt pour la production et fonctionnant 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 obtenir tous les détails de configuration, notamment l'installation du runtime et la visualisation avec le visualiseur de graphes dxtron de DEEPX, consulte la documentation de l'intégration DEEPX.

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

Voici quelques-uns des principaux avantages du déploiement de modèles Ultralytics YOLO sur du matériel DEEPX avec la nouvelle intégration :

• Intégration transparente au workflow Ultralytics : l'exportation de modèles YOLO pour un déploiement sur DEEPX s'intègre naturellement au package Python Ultralytics, une seule commande format=deepx standardisant le processus de déploiement sur l'edge.
• 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 avec YOLOv8, YOLO11 et YOLO26.
• Inférence edge ultra-efficace : les NPU DEEPX offrent des performances de niveau GPU pour une fraction de la consommation énergétique, avec un refroidissement passif et une consommation extrêmement faible, idéaux 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 DX-M1 vers DX-M2 étend la même stack logicielle à l'ère de l'IA agentique.
• Évolutivité pour les applications d'IA physique : de la vidéosurveillance intelligente à l'inspection industrielle, en passant par la robotique et les systèmes autonomes, l'intégration prend en charge un large éventail de cas d'utilisation en conditions réelles.

Domaines d'impact des modèles Ultralytics YOLO et du matériel DEEPX#

Quelles sont donc les applications courantes de l'IA physique dans lesquelles les modèles Ultralytics YOLO peuvent être déployés sur du matériel DEEPX en conditions réelles ?

Vidéosurveillance intelligente sur l'edge#

Les systèmes de vidéosurveillance modernes exigent une détection en temps réel sans compromis sur la confidentialité ni la connectivité. Les modèles Ultralytics YOLO exécutés sur les NPU DEEPX permettent aux caméras de sécurité et aux systèmes de surveillance d'analyser localement les flux vidéo, d'identifier 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 renforce en Europe et que les marchés publics municipaux exigent de plus en plus la résidence des données, l'inférence sur appareil devient un avantage réglementaire autant que technique.

Automatisation industrielle et contrôle qualité#

Dans les usines et les sites de production, l'IA de vision est de plus en plus utilisée pour automatiser le contrôle qualité, la détection des défauts et la surveillance des processus. La combinaison des modèles Ultralytics YOLO avec le matériel DEEPX permet d'effectuer des inspections sur appareil de manière fiable 24 h/24 et 7 j/7 dans des environnements industriels exigeants, contribuant à réduire les déchets, à améliorer la qualité des produits et à protéger la sécurité des travailleurs.

Robotique et systèmes autonomes#

En robotique, la vitesse et la réactivité sont essentielles. Qu'ils se déplacent dans un entrepôt, opèrent dans des environnements industriels dynamiques ou travaillent aux côtés d'humains, les robots doivent interpréter instantanément leur environnement. Les modèles Ultralytics YOLO exécutés sur les NPU DEEPX permettent aux robots de détecter les obstacles, de suivre les personnes et d'identifier les objets en temps réel, favorisant des déplacements plus sûrs et une plus grande autonomie sans dépendre d'une connectivité constante au cloud.

Points clés à retenir#

Les modèles Ultralytics YOLO et les NPU DEEPX facilitent plus que jamais l'intégration de l'IA physique hautes performances sur l'edge. En simplifiant le déploiement grâce à la nouvelle norme format=deepx et en optimisant les modèles pour le matériel économe en énergie de DEEPX, ce partenariat contribue à combler le fossé entre le développement et les applications commerciales en conditions réelles. Alors que l'IA physique continue de se développer, cette collaboration constitue une étape vers une IA de vision de qualité production, accessible, abordable et évolutive pour les entreprises de toutes tailles.

Prêt à commercialiser plus rapidement tes produits Edge AI ?

• Demande une licence pour accéder au support commercial et aux modèles YOLO Enterprise.
• Essaie Ultralytics Platform pour annoter, entraîner et déployer ton premier modèle compatible avec DEEPX.
• Deviens partenaire d'Ultralytics pour explorer des opportunités de déploiement conjointes.
• Consulte la documentation pour accéder au guide technique complet.

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