Ultralytics ad Arm Create 2026: IA per la visione in tempo reale sull'edge

L'11 settembre 2026, la nostra Marketing Associate, Ziyue Wang, e Rick Hou, Senior Machine Learning Engineer, hanno partecipato ad Arm Create, l'evento per sviluppatori di Arm dedicato alla realizzazione, all'ottimizzazione e all'implementazione dell'AI su cloud, edge, dispositivi mobili e sistemi di Physical AI. Ci siamo concentrati sull'implementazione edge di Ultralytics YOLO: come portare un modello di computer vision addestrato e farlo funzionare in tempo reale su dispositivi basati su Arm.

L'evento di Shenzhen si è svolto dopo una tappa precedente a Shanghai; entrambi hanno affrontato una domanda che prima o poi si pone ogni sviluppatore di AI: come si trasforma un modello capace in un software che funziona in modo affidabile nel mondo reale?

Ecco un riepilogo della nostra sessione, della tavola rotonda sui modelli e di come Arm e Ultralytics collaborano per rendere Ultralytics YOLO più accessibile agli sviluppatori che lavorano su Arm.

Implementare Ultralytics YOLO per l'AI edge in tempo reale#

Il nostro Senior Machine Learning Engineer, Rick Hou, ha presentato «Distribuire Ultralytics YOLO: visione AI in tempo reale all'edge», una sessione pratica su come ottimizzare e distribuire i modelli Ultralytics YOLO sui dispositivi edge. L'intervento ha illustrato l'intero percorso di distribuzione e condiviso le lezioni apprese dall'uso di Ultralytics YOLO in applicazioni di AI edge in produzione.

Fig. 1. Rick di Ultralytics presenta l'implementazione edge di Ultralytics YOLO ad Arm Create.

Esportare i modelli Ultralytics YOLO per i runtime edge#

Il primo passaggio nell'implementazione edge consiste nell'esportare un modello addestrato in un formato supportato dal runtime di destinazione. Rick ha spiegato che il formato di esportazione più adatto dipende dal dispositivo, dal motore di inferenza e dagli obiettivi prestazionali dell'applicazione.

Quantizzazione dei modelli per un'inferenza più rapida sul dispositivo#

La quantizzazione riduce la precisione numerica di un modello, per esempio da FP32 a FP16 o INT8, riducendone le dimensioni e accelerando l'inferenza, spesso con una perdita minima di accuratezza. La sessione ha illustrato come bilanciare velocità e accuratezza quando i budget di calcolo, memoria ed energia sono limitati.

Ottenere prestazioni di computer vision in tempo reale sui dispositivi edge#

La computer vision in tempo reale sull'edge dipende da molto più del modello. Il preprocessing, la scelta del runtime e l'accelerazione hardware influiscono tutti su latenza e throughput. Rick ha spiegato come individuare i colli di bottiglia e ottimizzare l'intera pipeline di inferenza.

Lezioni dalle implementazioni di AI edge in produzione#

I benchmark sono un punto di partenza, ma la vera prova è il comportamento del modello sul dispositivo su cui verrà distribuito, in condizioni operative reali. Una lezione fondamentale della sessione, ripresa più volte durante Arm Create, è stata convalidare il modello sull'hardware di destinazione effettivo.

Tavola rotonda sui modelli con Arm, Alibaba Qwen, Tencent e ModelBest#

Rick ha partecipato anche a una tavola rotonda sui modelli con Arm, Alibaba Qwen, Tencent e ModelBest. Invece di confrontare direttamente i modelli, la discussione si è concentrata sull'idoneità alle applicazioni: cosa richiede un carico di lavoro, dove dovrebbe essere eseguito e come si comporta una volta implementato.

Fig. 2. Tavola rotonda sui modelli con Arm, Alibaba Qwen, Tencent, ModelBest e Ultralytics ad Arm Create.

Scegliere il modello giusto per il carico di lavoro#

Una funzione di risposta rapida in un'app mobile, un agente cloud che ragiona su grandi raccolte di documenti e una pipeline di visione edge richiedono modelli molto diversi. Come voce della Vision AI nella tavola rotonda, Rick ha portato la prospettiva edge, in cui latenza, efficienza e affidabilità sul dispositivo contano spesso più delle dimensioni del modello.

Arm AI Portal: rendere Ultralytics YOLO più accessibile su Arm#

Arm Create Shenzhen si è svolto pochi giorni dopo il lancio dell'Arm AI Portal da parte di Arm, un hub che aiuta sviluppatori e agenti AI a trovare, ottimizzare e implementare software AI sulla piattaforma di calcolo Arm. Gli sviluppatori possono trovare modelli preottimizzati per attività specifiche, corredati da dati sulle prestazioni e sull'accuratezza, confrontare latenza, memoria e dimensioni dei modelli e accedere a esempi di codice e flussi di lavoro per l'implementazione.

Modelli Ultralytics YOLO preottimizzati al lancio#

Ultralytics YOLO è tra i modelli preottimizzati disponibili al lancio, insieme ad Alibaba Qwen e Google Gemma; Ultralytics supporta il portale in qualità di partner dell'ecosistema.

Miglioramenti delle prestazioni di Ultralytics YOLO26n su Arm#

I primi risultati sono promettenti. Ultralytics YOLO26n ha ottenuto un miglioramento delle prestazioni superiore al 40% con esecuzione a thread singolo in due configurazioni:

• FP16 rispetto a FP32 su uno smartphone vivo X300 con SME2
• Quantizzazione mista FP16 e INT8 rispetto a FP32 su un Raspberry Pi 5 con NEON

Cosa significa per gli sviluppatori di IA edge#

Arm AI Portal riduce il tempo che gli sviluppatori dedicano alla ricerca, al benchmarking e alla regolazione manuale dei modelli, creando un percorso più rapido dalla selezione del modello alla distribuzione su hardware basato su Arm. Supporta la nostra missione di rendere l'IA per la visione all'avanguardia semplice e accessibile a tutti. Esplora Ultralytics YOLO su Arm AI Portal.

Punti chiave#

Grazie al team Arm per averci ospitato e a tutti coloro che sono passati a parlare di distribuzione edge, quantizzazione e IA per la visione nel mondo reale. Le conversazioni a Shenzhen hanno mostrato quanto rapidamente stia maturando l'ecosistema dell'IA edge quando modelli, strumenti e hardware sono progettati per lavorare insieme.

Il prossimo Arm Create si terrà negli Stati Uniti e non vediamo l'ora di proseguire la conversazione. Nel frattempo, visita la documentazione Ultralytics per iniziare a distribuire Ultralytics YOLO sui tuoi dispositivi edge.