Ultralytics Dev Day di Shanghai: l'IA locale incontra i sistemi agenti
Ultralytics i punti salienti dell'AMD Dev Day di Shanghai sull'intelligenza artificiale di AMD: implementazione locale dell'IA, sistemi agentici, ROCm e Ryzen AI Max 395.
Ultralytics i punti salienti dell'AMD Dev Day di Shanghai sull'intelligenza artificiale di AMD: implementazione locale dell'IA, sistemi agentici, ROCm e Ryzen AI Max 395.
Ultralytics 'AMD Dev Day di Shanghai per scoprire in che modo AMD e i suoi partner stanno plasmando la prossima fase dell'infrastruttura di IA. Il messaggio più forte emerso dall'evento è stato chiaro: il dibattito sull'IA di AMD sta andando oltre i modelli autonomi per orientarsi verso sistemi di IA implementabili. Durante gli interventi, le dimostrazioni di prodotto e le discussioni con i partner, i temi principali sono stati l'IA agentica, l'implementazione locale dell'IA, gli ecosistemi open source e gli strumenti di sviluppo necessari per rendere questi sistemi praticabili su larga scala.
Come ha affermato Lisa Su, presidente e amministratore delegato di AMD: «Non c’è mai stato un momento più entusiasmante di oggi per lavorare nel settore tecnologico».
Per i team impegnati nello sviluppo di prodotti di IA concreti, questo cambiamento è significativo. Ciò suggerisce che il successo nella prossima fase di sviluppo del mercato potrebbe dipendere meno dall'accesso a un singolo modello all'avanguardia e più dalla capacità dei team di organizzare i flussi di lavoro, controllare i costi di inferenza, proteggere i dati sensibili e scegliere l'ambiente di implementazione più adatto alle esigenze specifiche.
Uno dei temi principali emersi durante l'AMD Dev Day è stato l'impegno di AMD nel posizionarsi come fornitore completo di soluzioni di elaborazione end-to-end per l'era dell'intelligenza artificiale. L'azienda ha incentrato il proprio approccio sul supporto dei carichi di lavoro di intelligenza artificiale in ambienti cloud, client ed edge, ponendo l'accento su un ecosistema software aperto piuttosto che su uno stack proprietario chiuso.
Questo approccio è importante perché riflette l'evoluzione dello sviluppo dell'IA. La realizzazione di prodotti IA moderni non si limita più al semplice addestramento o all'utilizzo dell'API di un modello. I team devono sempre più spesso supportare la sperimentazione locale, i flussi di lavoro multi-agente, l'ottimizzazione dell'inferenza, i test su workstation e l'implementazione aziendale. Il messaggio trasmesso da AMD durante l'evento ha costantemente collegato la sua offerta hardware a questa realtà più ampia, che abbraccia software e sistemi.
Questa ambizione è stata sintetizzata chiaramente da Lisa Su durante l'evento: «Vogliamo portare l'intelligenza artificiale in ogni angolo dell'ecosistema».
Se c'è stata un'idea che è stata ripetuta più volte nel corso della giornata, è stata quella del passaggio dalle tradizionali interazioni con i modelli di linguaggio (LLM) ai sistemi di IA basati su agenti. I relatori hanno descritto questo cambiamento come il passaggio da prompt e risposte "one-shot" a un'orchestrazione multi-agente, in cui diversi agenti pianificano, eseguono, valutano e collaborano tra i vari flussi di lavoro.
Questo è importante perché i sistemi agentici pongono nuove esigenze allo stack di IA. Secondo quanto emerso durante l'evento, questi sistemi non richiedono solo GPU , ma anche CPU notevole CPU , l'orchestrazione dei flussi di dati e una capacità di memoria adeguata a supportare cicli di inferenza ripetuti ed esecuzioni in più fasi.
Per gli sviluppatori e i team che si occupano di IA, la conclusione è che il vantaggio competitivo può derivare dalla creazione di sistemi di IA efficaci, non semplicemente dalla scelta del modello più performante. La capacità di integrare i modelli con i flussi di lavoro, gli strumenti, i dati locali e i processi aziendali sta diventando una componente fondamentale del prodotto stesso.
Un altro tema di rilievo emerso durante l'AMD Dev Day è stata l'enfasi posta sull'implementazione locale dell'IA. AMD e i suoi partner hanno ripetutamente sottolineato che i carichi di lavoro avanzati basati sull'IA richiedono sempre più spesso di essere eseguiti più vicino al luogo in cui si svolge l'attività, inclusi laptop, workstation e hardware aziendale.
Le motivazioni sono state le stesse per tutta la durata dell'evento:
AMD ha utilizzato Ryzen AI Max 395 come prova fondamentale a sostegno di tale argomentazione, mettendo in evidenza configurazioni con fino a 128 GB di memoria unificata e la possibilità di eseguire modelli di grandi dimensioni a livello locale in un unico pool di memoria senza necessità di sharding. L'evento ha inoltre presentato configurazioni di sviluppo su scala workstation che utilizzano la Radeon AI Pro R9700 e l'AMD Threadripper Pro 9000 per il collaudo e lo scalamento locale prima della distribuzione.
Il messaggio generale non era che il cloud sarebbe scomparso. L'evento ha invece presentato un modello ibrido in cui gli ambienti locali e quelli cloud operano in sinergia. Le attività più di routine, sensibili alla latenza o alla privacy possono essere eseguite localmente, mentre quelle più impegnative possono comunque essere trasferite al cloud quando necessario.
L'AMD Dev Day ha inoltre messo in luce le pressioni economiche alla base di queste scelte architetturali. I relatori presenti all'evento hanno sottolineato la rapida crescita della domanda di token, l'aumento dei costi di inferenza e la pressione che ciò comporta per gli sviluppatori e le aziende che realizzano prodotti di intelligenza artificiale.
In tale contesto, l'IA locale è stata presentata come una strategia volta al contenimento dei costi oltre che come una soluzione tecnica. Il messaggio ricorrente dell'evento è stato che la prossima fase dell'IA premierà i team che utilizzano la potenza di calcolo in modo più efficiente, non semplicemente quelli che ne consumano di più.
Per chi sviluppa soluzioni di intelligenza artificiale, questo è un segnale concreto. Le decisioni relative all'infrastruttura sono sempre più decisioni di prodotto. Latenza, privacy, memoria e costo dei token non sono più semplici dettagli tecnici secondari.
Un altro punto saliente emerso dall'AMD Dev Day è stato il ruolo centrale degli ecosistemi software aperti. AMD ha posto l'accento su ROCm, sul supporto senza modifiche al codice per i principali framework, sul supporto di oltre 3 milioni di modelli tramite Hugging Face ModelScope, nonché sugli obiettivi di supporto immediato per il lancio di nuovi modelli.
Nick Ni, direttore senior della gestione dei prodotti di intelligenza artificiale presso AMD, ha colto bene questo punto: «Per la maggior parte di voi qui presenti, infatti, è il software a fare la differenza».
L'evento ha inoltre messo in luce diverse iniziative rivolte agli sviluppatori:
Questa parte dell'evento è risultata particolarmente significativa perché ha messo in luce una verità fondamentale: le sole capacità hardware non bastano a favorire l'adozione. Gli sviluppatori hanno bisogno di strumenti collaudati, framework familiari, documentazione e modalità di sperimentazione senza intoppi. È proprio l'ecosistema che trasforma le promesse di prestazioni in piattaforme realmente utilizzabili.
Il ruolo della Cina nel mercato dell'intelligenza artificiale è stato un altro tema ricorrente. Diversi relatori hanno descritto la Cina come un ambiente all'avanguardia per l'innovazione nell'ambito dell'intelligenza artificiale open source, in particolare in settori caratterizzati da esigenze di efficienza, implementazione locale e vincoli ingegneristici concreti.
Le collaborazioni con Zero One AI e Stepfun sono state utilizzate per rafforzare tale concetto. Le note relative all'evento descrivevano un sistema multi-agente "all-in-one" sviluppato in collaborazione con Zero One AI e basato sull'architettura Ryzen AI Max per l'implementazione locale, nonché un modello Stepfun ottimizzato per l'hardware AMD e progettato per attività di tipo agentico.
La conclusione più ampia era che la Cina non è solo un mercato di primaria importanza per l'intelligenza artificiale, ma anche un importante banco di prova per l'implementazione locale dell'IA, i modelli open source e la progettazione di infrastrutture attente ai costi.
Dal punto di vista Ultralytics , l'aspetto più significativo emerso dall'AMD Dev Day è stata l'attenzione rivolta ai sistemi di IA implementabili piuttosto che alle potenzialità dell'IA in senso astratto. L'evento si è concentrato costantemente su come gli sviluppatori e le aziende possano effettivamente implementare, integrare, proteggere e scalare l'IA negli ambienti di produzione.
Tra queste figurano domande come:
Si tratta di questioni pratiche, che determinano sempre più il successo nella realizzazione dei prodotti basati sull'intelligenza artificiale. Sono anche aspetti che teniamo direttamente in considerazione quando sviluppiamo e distribuiamoYOLO Ultralytics . 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 progettuale fondamentale, non un elemento secondario.
L'enfasi posta durante l'AMD Dev Day sugli ecosistemi open source e sull'efficienza dell'inferenza ha rafforzato una convinzione che già nutrivamo: gli strumenti di IA più utili sono quelli che si integrano nei flussi di lavoro reali, su hardware reale, senza costringere i team a ricostruire la propria infrastruttura attorno a un unico fornitore o a una singola piattaforma.
L'AMD Dev Day di Shanghai ha messo in luce un aspetto fondamentale: il dibattito sulle infrastrutture per l'IA sta raggiungendo una fase di maturità. L'attenzione si sta spostando dalla semplice scalabilità dei modelli ai sistemi più ampi necessari per rendere l'IA utile nel mondo reale. Flussi di lavoro basati su agenti, implementazione locale dell'IA, strumenti open source ed efficienza delle infrastrutture sono stati i temi più ricorrenti durante l'evento.
Per i team che sviluppano prodotti basati sull'intelligenza artificiale, questo cambiamento merita attenzione. La prossima ondata di progressi potrebbe derivare dalla scelta dell'architettura giusta, del modello di implementazione giusto e dell'ecosistema di sviluppatori giusto, non solo dal modello più grande.
Se state sviluppando sistemi di visione artificiale e state valutando dove eseguire l'inferenza (sul dispositivo, in locale o nel cloud),YOLO Ultralytics sono stati progettati proprio per garantire questa flessibilità. Esplorate il nostro repository GitHub per iniziare, scoprite come la visione artificiale si integra nelle implementazioni reali nei settori della produzione e della logistica, oppure date un'occhiata alle nostre opzioni di licenza per iniziare a sviluppare.
Inizia il tuo viaggio con il futuro del machine learning
