Ultralytics YOLO27: Iscriviti alla lista d'attesa.
Licenza YOLO
Press release

Ultralytics YOLO26 to Bring Real-Time Computer Vision to Intel Processors

Ultralytics and Intel bring YOLO26 to Intel processors with OpenVINO, with sub-5 ms inference reported in supported CPU and GPU scenarios.

3 min di lettura
Ultralytics and Intel bring YOLO26 to Intel processors with OpenVINO, with sub-5 ms inference reported in supported CPU and GPU scenarios.

SANTA CLARA, Calif. – July 14, 2026 – Ultralytics, the company behind the YOLO family of object detection models, today announced a collaboration with Intel to bring production-ready YOLO (You Only Look Once) computer vision models to Intel hardware, making real-time vision AI faster, easier, and more cost-effective to deploy across industries from robotics to manufacturing, logistics, and security.

Most real-world vision AI technologies run on existing, CPU-based infrastructures including industrial PCs, laptops and edge devices. By pairing Ultralytics YOLO models with OpenVINO Toolkit, developers can deploy YOLO models across various platforms powered by any Intel processor, putting the compute where appropriate: CPU, GPU, or NPU.

The result is faster, more cost-effective, and more accessible computer vision for the industries that need it most. The collaboration meets AI where it actually ships, resulting in faster inference in supported CPU/GPU scenarios, with sub-5-millisecond inference reported across YOLO tasks on Intel hardware, reducing latency and deployment costs.

"Enterprises train in the data center, but the real work of vision AI happens at the edge, on factory floors, in retail, in robotics-running on Intel CPUs and NPUs," said Glenn Jocher, Founder and CEO of Ultralytics. "This collaboration means developers get state-of-the-art models like YOLO26 running production-ready on the hardware they already own, eliminating the need for a discrete GPU."

The collaboration also cuts friction for developers, who can train and export their applications to OpenVINO and deploy them with the same familiar Ultralytics Platform or Python package and command line interface, often with a single command. This single workflow supports use cases in a variety of industries, including:

  • Manufacturing: quality inspection, defect detection and process monitoring on factory-floor industrial PCs
  • Logistics: parcel/asset detection, counting and tracking
  • Security: monitoring analytics (people/object detection) plus privacy/compliance monitoring
  • Retail: shelf availability and inventory intelligence, including detecting SKUs, labels and shelf stock to monitor availability, planogram compliance and stock movement; real-time product recognition, including detecting, segmenting or tracking retail products for mobile applications, smart stores and e-commerce.
  • Healthcare: internal imaging workflow improvement, annotation workflow, model validation and internal research-to-production workflows.
  • Robotics: real-time perception on compact, power-efficient Intel hardware
  • Smart cities: scalable vision on distributed edge infrastructure
  • Edge AI broadly: bringing advanced vision to devices that use integrated AI acceleration already available on the SoC

“Extending Intel's AI PC and physical AI platforms with leading open vision models helps developers deploy applications with real-world efficient AI inferencing on processors with AI acceleration built right in. This ensures that some of the industry’s top models are optimized for the latest Intel Core Ultra processors and beyond,” said Matthew Formica, Intel Senior Director & Global Head of Edge Technical Marketing. “We are excited to partner with Ultralytics to build on this momentum.”

About Ultralytics#

Founded by Glenn Jocher, Ultralytics is the leading force in vision AI, best known for its Ultralytics YOLO (You Only Look Once) models. With over 135K GitHub stars, 300 million pip downloads, and 3.3+ billion model usages, Ultralytics YOLOv5, YOLOv8, YOLO11, and now YOLO26 have become the most widely recognized object detection models globally. Ultralytics empowers users with easy-to-use, cutting-edge AI technology. Our mission is to simplify and democratize the use of AI, making it accessible and impactful across industries ranging from manufacturing to healthcare and more.

©Intel, the Intel logo, and other Intel marks are trademarks of Intel Corporation or its subsidiaries.

Media Contact: Altaïr Kabunda-Margalet - altair@ultralytics.com

Dal blog

AI-generated aerial view of a car park that changes from 3D wireframe to photo, with real Ultralytics YOLO26 car detections at each stage

I migliori strumenti per dati sintetici nell'addestramento della visione artificiale

Strumenti per dati sintetici per la visione artificiale a confronto per metodo: simulazione 3D, modelli generativi e augmentation, e come testarli con Ultralytics YOLO.
Scopri di più
Ultralytics all'AMD Embedded AI Working Group di Dublino

Ultralytics all'AMD Embedded AI Working Group di Dublino

Scopri come Ultralytics e AMD hanno esplorato l'IA fisica, la robotica e la distribuzione della computer vision all'AMD Embedded AI Working Group 2026 di Dublino.
Scopri di più
Come scegliere un VLM per l'annotazione automatica usando precisione e richiamo

Come scegliere un VLM per l'annotazione automatica usando precisione e richiamo

Scegli un VLM per l'annotazione automatica in base a precisione e richiamo: quali modelli generano meno riquadri indesiderati, quali mancano meno oggetti e come testarli sui tuoi dati.
Scopri di più
AI-generated logistics scene with illustrative detections; the inset shows Ultralytics Platform benchmark latency for YOLO26n on an NVIDIA L4.

ONNX vs TensorRT per l'inferenza di visione artificiale: benchmark e come scegliere

ONNX Runtime vs TensorRT per l'inferenza di visione artificiale: velocità e accuratezza misurate di Ultralytics YOLO26 su 19 GPU NVIDIA e come scegliere.
Scopri di più
Rilevamento dei DPI mancanti: addestra Ultralytics YOLO su Construction-PPE

Rilevamento dei DPI mancanti: addestra Ultralytics YOLO su Construction-PPE

Scopri come Construction-PPE etichetta caschi, giubbotti e guanti mancanti, quindi addestra Ultralytics YOLO a rilevare i DPI mancanti dalle telecamere del tuo sito.
Scopri di più
Guida ai dataset per il rilevamento dei droni: addestra Ultralytics YOLO sui piccoli UAV

Guida ai dataset per il rilevamento dei droni: addestra Ultralytics YOLO sui piccoli UAV

Confronta i dataset DUT Anti-UAV, Drone-vs-Bird e per il rilevamento termico dei droni, poi addestra Ultralytics YOLO26 per individuare i droni minuscoli e ridurre i falsi allarmi.
Scopri di più
AI conforme a HIPAA per l'imaging medico: cosa copre un BAA e come addestrare modelli con dati dei pazienti

AI conforme a HIPAA per l'imaging medico: cosa copre un BAA e come addestrare modelli con dati dei pazienti

Scopri cosa richiede l'AI conforme a HIPAA per l'imaging medico, cosa copre un BAA di Ultralytics e come annotare, addestrare e distribuire modelli usando dati dei pazienti.
Scopri di più
I migliori modelli di stima della profondità: come scegliere

I migliori modelli di stima della profondità: come scegliere

Confronta modelli di profondità monoculare come Depth Anything, Depth Pro, Metric3D, UniDepth e Ultralytics YOLO26 per la profondità metrica, i dispositivi edge e la robotica.
Scopri di più
Come migrare i modelli Ultralytics YOLO da W&B a Ultralytics Platform

Come migrare i modelli Ultralytics YOLO da W&B a Ultralytics Platform

Importa i modelli Ultralytics YOLO da Weights & Biases (W&B) in Ultralytics Platform senza riaddestrarli, quindi confronta gli esperimenti, esporta i modelli e distribuiscili.
Scopri di più
GPT-6.1 Terra conquista il primo posto nell'auto-annotazione, superando gli stessi modelli di punta di OpenAI

GPT-6.1 Terra conquista il primo posto nell'auto-annotazione, superando gli stessi modelli di punta di OpenAI

L'auto-annotazione con GPT-6.1 Terra supera 39 modelli nella nostra VLM Leaderboard: 0.560 mAP50 a 4,36 $ per 1.000 immagini, davanti a GPT-6.1 Sol e Gemini 4 Argon.
Scopri di più
Auto-annotazione con MiniMax-M3.1-Flash: perché ragionare meno ha prodotto box migliori

Auto-annotazione con MiniMax-M3.1-Flash: perché ragionare meno ha prodotto box migliori

Auto-annotazione con MiniMax-M3.1-Flash in Ultralytics Platform: 0,317 mAP50 a 1,84 $ per 1.000 immagini dopo la messa a punto, con 0,86 nel rilevamento di navi SAR.
Scopri di più
Auto-annotazione con Kimi K3.1 Pro: un terzo meglio di K3, con impegno elevato

Auto-annotazione con Kimi K3.1 Pro: un terzo meglio di K3, con impegno elevato

L'auto-annotazione con Kimi K3.1 Pro ottiene 0,444 mAP50 su UL37, un terzo in più di Kimi K3. Scopri perché lo eseguiamo con impegno elevato, quanto costa e in quali ambiti eccelle.
Scopri di più
Ultralytics YOLO e NVIDIA Cosmos Data Factory: dati sintetici per il rilevamento dei difetti

Ultralytics YOLO e NVIDIA Cosmos Data Factory: dati sintetici per il rilevamento dei difetti

I dati sintetici di NVIDIA Cosmos Data Factory e un ciclo di addestramento agentico aiutano Ultralytics YOLO26 a raggiungere la stessa accuratezza nel rilevamento dei difetti dell'intero dataset usando meno etichette.
Scopri di più
Auto-annotazione con Gemini 4 Argon: i box più precisi tra 39 modelli

Auto-annotazione con Gemini 4 Argon: i box più precisi tra 39 modelli

Auto-annotazione con Gemini 4 Argon su Ultralytics Platform: 2° su 39 modelli, precisione massima (0,667), primo in 6 domini su 12, 7,60 $ per 1.000 immagini fino al 30 novembre.
Scopri di più
Open Compute, Open Vision: AMD a Ultralytics YOLO Vision 2026

Open Compute, Open Vision: AMD a Ultralytics YOLO Vision 2026

Scopri come AMD ha portato l'open compute a Ultralytics YOLO Vision 2026 con un intervento su ROCm, workshop pratici e demo che eseguono YOLO sulle GPU AMD Radeon.
Scopri di più
I migliori modelli di classificazione delle immagini: come scegliere

I migliori modelli di classificazione delle immagini: come scegliere

Confronta i principali modelli di classificazione delle immagini, da ConvNeXt V2 e DINOv3 a EfficientNetV2, ViT e Ultralytics YOLO26-cls, e scopri come scegliere.
Scopri di più
Segmentazione semantica e di istanza: come scegliere l'attività giusta

Segmentazione semantica e di istanza: come scegliere l'attività giusta

La segmentazione semantica assegna una classe a ogni pixel; la segmentazione di istanza distingue ogni singolo oggetto. Scopri quale serve al tuo progetto di visione artificiale e perché.
Scopri di più
Ultralytics ad Arm Create 2026: IA per la visione in tempo reale sull'edge

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

I momenti salienti di Ultralytics ad Arm Create 2026 a Shenzhen: distribuzione di Ultralytics YOLO per l'IA edge in tempo reale, il panel sui modelli e il nuovo Arm AI Portal.
Scopri di più
Meetup Ultralytics: Londra

Meetup Ultralytics: Londra

Resoconto del meetup Ultralytics di Londra: primo sguardo a YOLO27, demo di Ultralytics Platform e un panel sull'IA per la visione con NVIDIA e Arm.
Scopri di più
Monitoraggio di Ultralytics Platform: mantieni sotto controllo le distribuzioni di IA per la visione

Monitoraggio di Ultralytics Platform: mantieni sotto controllo le distribuzioni di IA per la visione

Monitora i modelli di IA per la visione distribuiti con Ultralytics Platform. Tieni sotto controllo lo stato degli endpoint, la latenza, gli errori, i log e le statistiche delle predizioni in tempo reale.
Scopri di più
Presentazione di Ultralytics Agents: crea più rapidamente workflow di IA visiva

Presentazione di Ultralytics Agents: crea più rapidamente workflow di IA visiva

Crea workflow di IA visiva con Ultralytics Agents. Collega modelli YOLO, modelli visione-linguaggio, condizioni, dataset e avvisi Slack in un'unica canvas.
Scopri di più
Presentazione di Ultralytics AutoTrain: semplifica l'addestramento dei modelli di IA visiva

Presentazione di Ultralytics AutoTrain: semplifica l'addestramento dei modelli di IA visiva

Addestra, confronta e migliora i modelli Ultralytics YOLO con AutoTrain in Ultralytics Platform, dalla baseline iniziale alla messa in produzione.
Scopri di più
I momenti salienti di Ultralytics YOLO Vision 2026!

I momenti salienti di Ultralytics YOLO Vision 2026!

I momenti salienti di YOLO Vision 2026, dove Ultralytics ha presentato Ultralytics YOLO27 e mostrato AutoTrain, Agents e Monitoring su Ultralytics Platform.
Scopri di più
Ultralytics YOLO26 ora supporta la stima monoculare della profondità

Ultralytics YOLO26 ora supporta la stima monoculare della profondità

Scopri come la nuova attività di stima della profondità in Ultralytics YOLO26 predice la profondità metrica per ogni pixel da una singola immagine RGB, senza bisogno di un sistema stereo o di LiDAR.
Scopri di più
Le migliori piattaforme di annotazione di immagini per la visione artificiale

Le migliori piattaforme di annotazione di immagini per la visione artificiale

Confronto tra nove piattaforme di annotazione di immagini per la visione artificiale: CVAT, Encord, Label Studio, Labelbox, Roboflow, Scale AI, SuperAnnotate, Ultralytics e V7.
Scopri di più
Rilevamento automatico dei difetti nel settore manifatturiero: confronto tra piattaforme

Rilevamento automatico dei difetti nel settore manifatturiero: confronto tra piattaforme

Confronta le piattaforme per il rilevamento automatico dei difetti: Cognex, Instrumental, Keyence, Landing AI, Overview e Ultralytics, e scopri come abbinare l'attività del modello al difetto.
Scopri di più
Quanto costa la visione artificiale aziendale: un quadro del TCO

Quanto costa la visione artificiale aziendale: un quadro del TCO

Un quadro dei costi totali per la visione artificiale aziendale, che considera dati, annotazione, telecamere, hardware edge, addestramento, inferenza, integrazione e nuovo addestramento.
Scopri di più
Verifica dell'assemblaggio e prevenzione degli errori con la visione artificiale

Verifica dell'assemblaggio e prevenzione degli errori con la visione artificiale

Scopri come la visione artificiale verifica completezza, correttezza e sequenza dell'assemblaggio: progettazione della postazione di imaging, scelta dell'attività del modello, integrazione PLC e convalida.
Scopri di più
Inferenza per la visione artificiale su larga scala: confronto tra sette piattaforme

Inferenza per la visione artificiale su larga scala: confronto tra sette piattaforme

Confronto tra sette piattaforme di inferenza per la visione artificiale: Azure ML, KServe, NVIDIA Triton, Roboflow, SageMaker AI, Ultralytics e Vertex AI, in termini di latenza e scalabilità.
Scopri di più
Ultralytics YOLO Vision 2026: tutto quello che devi sapere

Ultralytics YOLO Vision 2026: tutto quello che devi sapere

Partecipa a Ultralytics YOLO Vision 2026 il 13 settembre a Shenzhen o online per scoprire nuovi modelli YOLO, lanci di prodotti, demo dal vivo e applicazioni reali dell'IA visiva.
Scopri di più

Costruiamo insieme il futuro dell'IA!

Inizia il tuo percorso verso il futuro del machine learning