Ultralytics all'AMD Dev Day Shanghai: l'AI locale incontra i sistemi agentici

Ultralytics ha partecipato all'AMD Dev Day di Shanghai per scoprire come AMD e i suoi partner stanno plasmando la prossima fase dell'infrastruttura AI. Il messaggio più forte dell'evento è stato chiaro: il dibattito sull'AI di AMD sta andando oltre i modelli autonomi, orientandosi verso sistemi AI implementabili. Tra gli interventi, le dimostrazioni dei prodotti e le discussioni con i partner, i temi principali sono stati l'AI agentica, l'implementazione dell'AI locale, gli ecosistemi open source e gli strumenti per sviluppatori necessari a rendere pratici questi sistemi su larga scala.

Come ha affermato Lisa Su, presidente e CEO di AMD, «Non c'è mai stato un momento più entusiasmante di oggi per lavorare nel settore tecnologico».

Per i team che sviluppano prodotti AI reali, questo cambiamento è importante. Indica che il successo nella prossima fase del mercato potrebbe dipendere meno dall'accesso a un singolo modello all'avanguardia e più dalla capacità dei team di orchestrare i flussi di lavoro, controllare i costi di inferenza, proteggere i dati sensibili e scegliere l'ambiente di implementazione più adatto.

Il messaggio di AMD: l'AI ha bisogno di una strategia di calcolo full-stack#

Un tema centrale dell'AMD Dev Day è stata la volontà di AMD di posizionarsi come fornitore di calcolo completo end-to-end per l'era dell'AI. L'azienda ha presentato il proprio approccio come un supporto ai carichi di lavoro AI negli ambienti cloud, client ed edge, sottolineando al contempo un ecosistema software aperto anziché uno stack proprietario chiuso.

Questa prospettiva è importante perché riflette l'evoluzione dello sviluppo dell'AI. La creazione di prodotti AI moderni non riguarda più soltanto l'addestramento o la chiamata di un'API di un modello. I team devono sempre più supportare la sperimentazione locale, i flussi di lavoro multi-agente, l'ottimizzazione dell'inferenza, i test su scala workstation e l'implementazione enterprise. La comunicazione dell'evento AMD ha collegato costantemente la propria proposta hardware a questa realtà più ampia, fatta di software e sistemi.

Lisa Su ha riassunto chiaramente questa ambizione durante l'evento: «Vogliamo portare l'AI ovunque nell'ecosistema».

Fig. 1. Lisa Su sul palco all'evento AMD Dev Day di Shanghai.

L'AI agentica è stata il tema dominante dell'evento#

Se c'è stata un'idea ripetuta per tutta la giornata, è stata la transizione dalle interazioni tradizionali con gli LLM ai sistemi di AI agentica. I relatori hanno descritto questo cambiamento come il passaggio da prompt e risposte una tantum all'orchestrazione multi-agente, in cui agenti diversi pianificano, eseguono, valutano criticamente e collaborano all'interno dei flussi di lavoro.

Questo è importante perché i sistemi agentici impongono nuovi requisiti allo stack AI. Secondo la prospettiva presentata durante l'evento, questi sistemi hanno bisogno non solo delle prestazioni della GPU, ma anche di una notevole capacità di elaborazione della CPU, di orchestrazione del flusso di dati e di memoria per supportare cicli di inferenza ripetuti ed esecuzioni in più fasi.

Per gli sviluppatori e i team AI, il punto chiave è che il vantaggio competitivo potrebbe derivare dalla creazione di sistemi AI efficaci, non semplicemente dalla scelta del modello più capace. La capacità di collegare i modelli ai flussi di lavoro, agli strumenti, ai dati locali e ai processi aziendali sta diventando una componente fondamentale del prodotto stesso.

L'implementazione dell'AI locale assume un'importanza strategica crescente#

Un altro tema rilevante dell'AMD Dev Day è stata l'enfasi sull'implementazione dell'AI locale. AMD e i suoi partner hanno sostenuto ripetutamente che i carichi di lavoro AI avanzati devono sempre più essere eseguiti vicino al luogo in cui si svolge il lavoro, ad esempio su laptop, workstation e hardware aziendale.

Le motivazioni sono state coerenti per tutta la durata dell'evento:

• Latenza ridotta
• Maggiore privacy dei dati
• Controllo più efficace sui flussi di lavoro sensibili
• Minore dipendenza dai costi delle API cloud

AMD ha utilizzato Ryzen AI Max 395 come elemento di prova fondamentale a sostegno di questa tesi, mettendo in evidenza configurazioni con un massimo di 128 GB di memoria unificata e la possibilità di eseguire localmente modelli di grandi dimensioni in un singolo pool di memoria, senza suddivisione. L'evento ha inoltre mostrato configurazioni di sviluppo su scala workstation basate su Radeon AI Pro R9700 e AMD Threadripper Pro 9000 per i test e la scalabilità locale prima dell'implementazione.

Il messaggio complessivo non era che il cloud stia scomparendo. Al contrario, l'evento ha presentato un modello ibrido in cui gli ambienti locali e cloud collaborano. Le attività più ordinarie o sensibili alla latenza o alla privacy possono essere eseguite localmente, mentre quelle più impegnative possono essere trasferite al cloud quando necessario.

I costi dell'inferenza AI e la domanda di token influenzano le scelte infrastrutturali#

L'AMD Dev Day ha inoltre evidenziato la pressione economica alla base di queste decisioni architetturali. I relatori dell'evento hanno sottolineato la rapida crescita della domanda di token, l'aumento dei costi di inferenza e la pressione che ciò esercita sugli sviluppatori e sulle aziende che realizzano prodotti AI.

In quest'ottica, l'AI locale è stata presentata tanto come una strategia di contenimento dei costi quanto come una scelta tecnica. Il messaggio ripetuto dell'evento è stato che la prossima fase dell'AI premierà i team che utilizzano il calcolo in modo più efficiente, non semplicemente quelli che ne consumano di più.

Per chi sviluppa soluzioni AI, questo è un segnale pratico. Le decisioni infrastrutturali sono sempre più decisioni di prodotto. Latenza, privacy, memoria e costo dei token non sono più dettagli ingegneristici secondari.

Fig. 2. Kit di valutazione AMD Versal AI Edge Series Gen2 VEK385.

AMD ROCm e l'ecosistema AI open source#

Un altro importante insegnamento dell'AMD Dev Day è stato il ruolo centrale degli ecosistemi software aperti. AMD ha sottolineato ROCm, il supporto senza modifiche al codice per i principali framework, il supporto a oltre 3 milioni di modelli tramite Hugging Face e ModelScope e gli obiettivi di supporto dal giorno zero per i nuovi rilasci di modelli.

Nick Ni, direttore senior della gestione dei prodotti AI presso AMD, ha espresso bene questa priorità: «Per la maggior parte di voi in questa sala, infatti, il software è ciò che conta».

L'evento ha inoltre evidenziato diverse iniziative dedicate agli sviluppatori:

• AMD AI Developer Cloud con accesso gratuito alle GPU per gli sviluppatori in Cina
• Integrazione di ModelScope Studio con le opzioni di runtime delle GPU AMD
• AMD AI Playbooks con guide passo passo
• Un programma per sviluppatori che ha aggiunto oltre 100.000 sviluppatori negli ultimi mesi

Questa parte dell'evento è sembrata particolarmente importante perché ha sottolineato una verità fondamentale: la sola capacità hardware non favorisce l'adozione. Gli sviluppatori hanno bisogno di strumenti maturi, framework familiari, documentazione e modalità semplici per sperimentare. È la storia dell'ecosistema a trasformare le promesse sulle prestazioni in piattaforme utilizzabili.

Perché la Cina si è distinta all'AMD Dev Day#

Il ruolo della Cina nel mercato dell'AI è stato un altro tema ricorrente. Diversi relatori hanno descritto la Cina come un ambiente leader per l'innovazione AI open source, soprattutto negli ambiti caratterizzati da efficienza, implementazione locale e vincoli pratici di ingegneria.

Le partnership con Zero One AI e Stepfun sono state utilizzate per rafforzare questo punto. Le note dell'evento descrivevano un sistema enterprise multi-agente tutto-in-uno realizzato con Zero One AI e basato sull'architettura Ryzen AI Max per l'implementazione locale, oltre a un modello Stepfun ottimizzato per l'hardware AMD e progettato per attività agentiche.

L'implicazione più ampia è che la Cina non è solo un importante mercato AI, ma anche un banco di prova fondamentale per l'implementazione dell'AI locale, i modelli open source e la progettazione di infrastrutture attente ai costi.

Cosa ha appreso Ultralytics dall'AMD Dev Day Shanghai#

Dal punto di vista del team Ultralytics, il segnale più utile dell'AMD Dev Day è stata l'attenzione ai sistemi AI implementabili, anziché alla capacità dell'AI in astratto. L'evento si è concentrato costantemente su come sviluppatori e aziende possano effettivamente eseguire, integrare, proteggere e scalare l'AI negli ambienti di produzione.

Questo include domande come:

• Cosa dovrebbe essere eseguito localmente e cosa nel cloud?
• Come dovrebbero i team considerare latenza e privacy?
• Come possono gli sviluppatori ridurre la dipendenza da costose API di inferenza?
• Quali strumenti e livelli software rendono le piattaforme AI più facili da adottare?

Sono domande pratiche che definiscono sempre più il modo in cui vengono realizzati prodotti AI di successo. Ci sono anche domande che ci poniamo direttamente nel modo in cui sviluppiamo e distribuiamo i modelli Ultralytics YOLO. La flessibilità di implementazione, ovvero la possibilità di eseguire un modello su un laptop, una workstation o un'istanza cloud, è sempre stata per noi un vincolo di progettazione fondamentale, non un aspetto secondario.

La spinta verso gli ecosistemi open source e l'efficienza dell'inferenza emersa all'AMD Dev Day ha rafforzato una convinzione che già avevamo: gli strumenti AI più utili sono quelli che si integrano nei flussi di lavoro reali, su hardware reale, senza richiedere ai team di ricostruire la propria infrastruttura attorno a un singolo fornitore o a un'unica piattaforma.

Fig. 3. Il team Ultralytics all'AMD Dev Day di Shanghai.

Considerazioni finali#

L'AMD Dev Day Shanghai ha chiarito un punto: il dibattito sull'infrastruttura AI sta maturando. L'attenzione si sta spostando dalla sola dimensione grezza dei modelli ai sistemi più ampi necessari per rendere l'AI utile nel mondo reale. I flussi di lavoro agentici, l'implementazione dell'AI locale, gli strumenti open source e l'efficienza infrastrutturale sono stati i temi più evidenti dell'evento.

Per i team che sviluppano prodotti AI, vale la pena prestare attenzione a questo cambiamento. La prossima ondata di progresso potrebbe derivare dalla scelta dell'architettura, del modello di implementazione e dell'ecosistema per sviluppatori più adatti, non semplicemente del modello più grande.

Se stai sviluppando sistemi di computer vision e stai valutando dove eseguire l'inferenza, sul dispositivo, on-premise o nel cloud, i modelli Ultralytics YOLO sono progettati pensando a questa flessibilità. Esplora il nostro repository GitHub per iniziare, scopri come la computer vision si integra nelle implementazioni del mondo reale nella produzione e nella logistica, oppure consulta le nostre opzioni di licenza per iniziare a sviluppare.