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 directe de modèles de vision par ordinateur sur des appareils en périphérie, à mesure que l’IA s’intègre davantage 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 vague de systèmes intelligents est appelée IA physique. Elle exige une puissance de calcul performante 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 exécutée localement, de façon fiable et efficace, sur du matériel spécialement conçu pour la périphérie.

Les modèles Ultralytics YOLO, comme Ultralytics YOLO26, sont conçus pour la vision par ordinateur en temps réel, mais exploiter pleinement leur potentiel en périphérie nécessite la bonne combinaison de logiciels et de matériel. C’est dans cette optique que nous sommes ravis d’annoncer notre nouveau partenariat avec DEEPX.

Nous avons noué un partenariat avec DEEPX pour lancer une nouvelle intégration d’exportation, permettant le déploiement efficace et performant des modèles Ultralytics YOLO sur le matériel NPU de DEEPX. Ensemble, nous établissons une norme mondiale unifiée pour la conception, le déploiement et le passage à l’échelle de l’IA physique.

Fig. 1. L’écosystème matériel DEEPX pour l’inférence d’IA sur l’appareil, avec le module DX-M1 M.2 et l’AI Box DX-AIPlayer N97*.*

Une vision commune de l’avenir de l’IA physique#

En tant que framework de vision par ordinateur le plus adopté au monde, Ultralytics fournit les « yeux » de ces systèmes. DEEPX, l’un des fabricants de NPU les plus performants, leur fournit le « cerveau » nécessaire à leur déploiement à grande échelle.

Chez Ultralytics et DEEPX, nous croyons en l’accessibilité, la performance et une conception qui privilégie les développeurs, des valeurs qui nous animent. En réunissant les écosystèmes Ultralytics et 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 lançant son premier produit ou d’un fabricant du Fortune 500 déployant l’IA de vision dans des milliers de sites.

Cela signifie :

• Mise sur le marché plus rapide : de l’annotation au déploiement en quelques jours, et non en plusieurs mois.
• Coûts de déploiement réduits : des performances de classe GPU pour une fraction de la consommation énergétique et du coût des puces, avec plus de 250 FPS pour une consommation de 2 à 4 W.
• Nouvelles possibilités de revenus : crée et commercialise des produits d’IA en périphérie qui n’étaient auparavant pas viables sur le plan économique.
• Évolutivité pérenne : un pipeline CI/CD dédié garantit la compatibilité immédiate de chaque nouvelle version d’Ultralytics avec le matériel DEEPX, soutenu par les engagements d’approvisionnement pluriannuels de DEEPX.

Découverte de la technologie NPU de DEEPX#

DEEPX est un innovateur dans le domaine des semi-conducteurs d’IA qui propose du matériel d’IA en périphérie efficace, spécialement conçu pour les modèles de vision comme Ultralytics YOLO, avec un nombre d’images par seconde par watt (FPS/W) parmi les meilleurs du secteur. Plutôt que d’optimiser des mesures théoriques, DEEPX privilégie l’efficacité dans le monde réel, permettant aux développeurs d’obtenir des résultats de classe GPU pour une fraction de la puissance disponible.

Cette performance repose sur une conception complète, de bout en bout. Le NPU DX-M1 est spécifiquement conçu pour accélérer les schémas de calcul des modèles de vision par ordinateur, avec un refroidissement passif et une faible consommation électrique qui conviennent 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’IA en périphérie se généralise, l’essentiel est d’obtenir des performances durables : exécuter des modèles avancés de façon fiable malgré des contraintes strictes de puissance et de température, tout en restant évolutif pour un déploiement dans le monde réel. C’est pourquoi le nombre d’images par seconde par watt est devenu l’une des mesures les plus importantes pour évaluer les plateformes d’IA en périphérie.

Fig. 2. Front de Pareto comparant YOLO26, YOLO11 et YOLOv8 sur le NPU DX-M1. Mesures réalisées sur le 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 preuves de concept aux déploiements à grande échelle, les clients ont de plus en plus besoin d’exécuter simultanément plusieurs modèles d’IA dans une même enveloppe de puissance et de température. 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 d’IA plus avancées sans passer à un matériel plus volumineux et plus énergivore.

Bien démarrer avec l’exportation des 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 sur les cinq tâches de vision par ordinateur. Que tu préfères travailler dans le code ou suivre un flux de travail visuel sans friction, les deux approches te permettent de faire passer un modèle des données au déploiement de façon cohérente et évolutive.

Dans le cadre de ce partenariat, Ultralytics a lancé une nouvelle intégration d’exportation avec DEEPX, qui permet 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 permet aux développeurs d’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 fichier binaire .dxnn optimisé. L’étalonnage basé sur EMA garantit des performances NPU maximales 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 exécuté sur des NPU DEEPX en 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 toutes les instructions de configuration, y compris l’installation de l’environnement d’exécution et la visualisation avec l’afficheur 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 grâce à la nouvelle intégration :

• Intégration fluide au flux de travail Ultralytics : l’exportation des modèles YOLO pour un déploiement sur DEEPX s’intègre naturellement au package Python Ultralytics ; une seule commande format=deepx standardise le processus de déploiement en périphérie.
• Prise en charge de plusieurs tâches de vision par ordinateur : tu peux déployer des modèles de détection d’objets, de segmentation, d’estimation de pose, de détection de boîtes englobantes orientées (OBB) et de classification avec YOLOv8, YOLO11 et YOLO26.
• Inférence ultra-efficace en périphérie : les NPU DEEPX offrent des performances de classe GPU pour une fraction de la consommation électrique, avec un refroidissement passif et une consommation ultrafaible, idéals pour les déploiements à l’échelle de la production.
• Base pérenne : un pipeline CI/CD dédié garantit la compatibilité immédiate avec chaque nouvelle version d’Ultralytics, tandis que la feuille de route du DX-M1 au DX-M2 prolonge la même pile 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’usage concrets.

Domaines d’application des modèles Ultralytics YOLO et du matériel DEEPX#

Quelles sont donc les applications courantes de l’IA physique pour lesquelles les modèles Ultralytics YOLO peuvent être déployés sur le matériel DEEPX dans des scénarios réels ?

Vidéosurveillance intelligente en périphérie#

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 les flux vidéo localement, en identifiant les personnes, les véhicules et les activités inhabituelles en temps réel, avec une faible consommation électrique et sans dépendance au cloud. Alors que l’application du RGPD se durcit en Europe et que les marchés publics des collectivités exigent de plus en plus souvent la résidence des données, l’inférence sur l’appareil devient autant un avantage réglementaire que technique.

Automatisation industrielle et contrôle qualité#

Dans les usines et les sites 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. L’association des modèles Ultralytics YOLO au matériel DEEPX permet d’effectuer des inspections sur l’appareil, de façon fiable 24 h/24 et 7 j/7 dans des environnements industriels exigeants, contribuant ainsi à réduire le gaspillage, 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, fonctionnent dans des environnements industriels dynamiques ou travaillent aux côtés d’humains, les robots doivent interpréter leur environnement instantanément. 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, pour des déplacements plus sûrs et une autonomie accrue sans dépendre d’une connexion permanente au cloud.

Points clés à retenir#

Les modèles Ultralytics YOLO et les NPU DEEPX facilitent plus que jamais le déploiement d’une IA physique performante en périphérie. En simplifiant le déploiement grâce à la nouvelle norme format=deepx et en optimisant les modèles pour le matériel écoénergétique de DEEPX, ce partenariat contribue à combler le fossé entre le développement et les applications commerciales concrètes. À mesure que l’IA physique se développe, cette collaboration constitue une avancée vers une IA de vision de qualité industrielle, accessible, abordable et évolutive pour les entreprises de toutes tailles.

Prêt à commercialiser plus rapidement tes produits d’IA en périphérie ?

• 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 étudier les possibilités de déploiement conjoint.
• Consulte la documentation pour lire le guide technique complet.

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