Ultralytics at AMD Dev Day Shanghai: ローカルAIとエージェントシステムの融合

Ultralyticsは、AMDとそのパートナーがAIインフラの次なるフェーズをどのように形作っているかを知るために、上海で開催されたAMD Dev Dayに参加しました。このイベントからの最も強力なメッセージは明確でした。AMDのAIに関する議論は、スタンドアロンのモデルを超え、展開可能なAIシステムへと移行しているということです。講演や製品デモ、パートナーとの議論を通じて最大のテーマとなったのは、エージェント型AI、ローカルAI展開、オープンソースエコシステム、そしてこれらのシステムを大規模かつ実用的なものにするために必要な開発者ツールでした。

AMDの会長兼CEOであるLisa Suが述べたように、「今ほどテクノロジーの世界にいることがエキサイティングな時代はありませんでした。」

実用的なAI製品を構築するチームにとって、その変化は重要です。これは、市場の次の段階における成功が、単一のフロンティアモデルへのアクセスよりも、ワークフローの調整、推論コストの制御、機密データの保護、そして業務に適した展開環境を選択できるかどうかにかかっている可能性を示唆しています。

Link to this sectionAMDのメッセージ：AIにはフルスタックのコンピューティング戦略が必要#

AMD Dev Day全体を通じた主要なテーマは、AI時代におけるエンドツーエンドの包括的なコンピューティングプロバイダーとしての立ち位置を確立しようとするAMDの姿勢でした。同社は、クローズドな独自のスタックではなく、オープンなソフトウェアエコシステムを重視しつつ、クラウド、クライアント、エッジ環境全体でAIワークロードをサポートするアプローチを打ち出しました。

このフレームワークは、AI開発の進化を反映しているため重要です。現代のAI製品を構築することは、もはやモデルAPIの学習や呼び出しだけではありません。チームは、ローカルでの実験、マルチエージェントワークフロー、推論の最適化、ワークステーション規模のテスト、およびエンタープライズへの展開をサポートする必要があります。AMDのイベントメッセージは、ハードウェアのストーリーを一貫してそのより広範なソフトウェアおよびシステムの現実に結びつけていました。

その野心は、イベント中にLisa Suによって明確に要約されました：「私たちはAIをエコシステムのあらゆる場所にもたらしたいと考えています。」

図1. 上海でのAMD Dev Dayイベントで登壇するLisa Su。

Link to this sectionエージェント型AIがイベントの主要テーマ#

一日を通じて繰り返された考えがあるとすれば、それは従来のLLMインタラクションからエージェント型AIシステムへの移行です。スピーカーは、この変化を、一度きりのプロンプトとレスポンスから、複数のエージェントがワークフロー全体で計画、実行、評価、協力を行うマルチエージェントオーケストレーションへの移行であると説明しました。

エージェント型システムはAIスタックに新たな要求を課すため、これは重要です。イベントのフレームワークによれば、これらのシステムにはGPUの性能だけでなく、繰り返される推論ループや多段階の実行をサポートするための高いCPU処理能力、データフローのオーケストレーション、メモリ容量が必要です。

開発者やAIチームにとっての教訓は、単に最も強力なモデルを選択するだけでなく、効果的なAIシステムを構築することで競争上の優位性が生まれる可能性があるということです。モデルをワークフロー、ツール、ローカルデータ、およびビジネスプロセスに接続する能力が、製品そのものの中核的な要素となりつつあります。

Link to this sectionローカルAI展開の戦略的重要性が増大#

AMD Dev Dayにおけるもう一つの注目すべきテーマは、ローカルAI展開の強調でした。AMDとそのパートナーは、高度なAIワークロードがラップトップ、ワークステーション、エンタープライズハードウェアなど、業務が行われる場所に近づいて実行される必要があるという事例を繰り返し示しました。

その理由は、イベント全体を通じて一貫していました。

• 低レイテンシ
• より優れたデータプライバシー
• 機密ワークフローに対する強力な制御
• クラウドAPIコストへの依存度の低減

AMDはその議論の重要な証拠としてRyzen AI Max 395を取り上げ、最大128GBのユニファイドメモリを備え、シャーディングなしで単一のメモリプール内で大規模モデルをローカル実行できる構成を強調しました。また、展開前のテストやローカルでのスケーリングのために、Radeon AI Pro R9700とAMD Threadripper Pro 9000を使用したワークステーション規模の開発セットアップも展示されました。

全体的なメッセージは、クラウドが消滅するというものではありません。むしろ、イベントでは、ローカル環境とクラウド環境が連携するハイブリッドモデルが提示されました。ルーチン的で低レイテンシやプライバシーが求められるタスクはローカルで実行し、より要求の厳しいタスクは必要に応じてクラウドに回すことができます。

Link to this sectionAI推論コストとトークン需要がインフラの選択を形作る#

AMD Dev Dayでは、これらのアーキテクチャ上の決定の背景にある経済的な圧力も浮き彫りにされました。イベントのスピーカーは、トークン需要の急増、推論コストの上昇、そしてこれがAI製品を構築する開発者や企業に与える圧力について強調しました。

その枠組みの中で、ローカルAIは技術的な戦略であると同時に、コスト抑制のための戦略として提示されました。イベントで繰り返し述べられたのは、AIの次のフェーズでは、最も多くの計算資源を消費するチームではなく、計算資源をより効率的に利用するチームが報われるということです。

AI構築者にとって、これは実用的なシグナルです。インフラの決定は、ますます製品としての決定事項になっています。レイテンシ、プライバシー、メモリ、トークンコストは、もはや二次的なエンジニアリングの詳細ではありません。

図2. AMD Versal AI Edge Series Gen2 VEK385 評価キット。

Link to this sectionAMD ROCmとオープンソースAIエコシステム#

AMD Dev Dayからのもう一つの大きな収穫は、オープンなソフトウェアエコシステムが果たす中心的な役割です。AMDはROCm、主要フレームワークのコード変更なしのサポート、Hugging FaceやModelScopeを通じて300万以上のモデルをサポートしていること、そして新しいモデルリリースに対する「デイゼロ」サポートの目標を強調しました。

AMDのAIプロダクトマネジメント担当シニアディレクターであるNick Niは、その重要性を的確に表現しました：「この部屋にいるほとんどの方にとって、実際、ソフトウェアこそが重要な物語なのです。」

イベントでは、開発者向けの取り組みもいくつか紹介されました。

• 中国の開発者向けの無料GPUアクセスを提供するAMD AI Developer Cloud
• AMD GPUランタイムオプションとのModelScope Studio統合
• ステップバイステップガイドを提供するAMD AI Playbooks
• ここ数ヶ月で10万人以上の開発者が参加した開発者プログラム

このセッションは、基本的な真実を強調しているため、イベントにおいて特に重要に感じられました。ハードウェアの能力だけで採用が促進されるわけではありません。開発者には成熟したツール、使い慣れたフレームワーク、ドキュメント、そして摩擦のない実験方法が必要です。エコシステムのストーリーこそが、パフォーマンスの主張を実用的なプラットフォームに変えるのです。

Link to this sectionAMD Dev Dayで中国が注目された理由#

AI市場における中国の役割も、繰り返し取り上げられたテーマでした。複数のスピーカーが、中国をオープンソースAIイノベーション、特に効率性、ローカル展開、実用的なエンジニアリングの制約によって形作られた分野における主要な環境であると説明しました。

Zero One AIおよびStepfunとのパートナーシップが、その点を補強するために活用されました。イベント資料には、ローカル展開のためにRyzen AI Maxアーキテクチャ上で構築されたZero One AIとの共同エンタープライズマルチエージェントオールインワンシステムや、AMDハードウェア向けに最適化され、エージェントタスク用に設計されたStepfunモデルについて記載されています。

より大きな意味合いとしては、中国は単なる巨大なAI市場であるだけでなく、ローカルAI展開、オープンソースモデル、およびコスト意識の高いインフラ設計のための重要な実証の場であるということです。

Link to this sectionUltralyticsがAMD Dev Day Shanghaiから得たもの#

Ultralyticsチームの視点から見ると、AMD Dev Dayから得られた最も有益なシグナルは、抽象的なAI能力ではなく、展開可能なAIシステムへの注目でした。イベントは一貫して、開発者や企業が本番環境でAIを実際に実行、統合、保護、スケールさせる方法に焦点を当てていました。

これには、次のような疑問が含まれます。

• 何をローカルで実行し、何をクラウドで実行すべきか？
• チームはレイテンシとプライバシーについてどのように考えるべきか？
• 開発者は高価な推論APIへの依存をどのように減らすことができるか？
• どのツールやソフトウェア層がAIプラットフォームの導入を容易にするか？

これらは実用的な問いであり、成功するAI製品がどのように構築されるかを定義するものです。これらは、私たちがUltralytics YOLOモデルを構築・出荷する方法において直接考えている疑問でもあります。モデルがラップトップ、ワークステーション、クラウドインスタンスのいずれで実行されるかにかかわらず、展開の柔軟性は常に私たちの設計における中核的な制約であり、後付けではありません。

AMD Dev Dayにおけるオープンソースエコシステムと推論効率への推進は、私たちが以前から信じてきたことを補強するものでした。最も役立つAIツールとは、特定のベンダーやプラットフォームを中心にインフラを再構築することなく、実際のハードウェア上で実際のワークフローに適合するツールです。

図3. AMD Dev Day ShanghaiでのUltralyticsチーム。

Link to this section最後の考察#

AMD Dev Day Shanghaiは一つのことを明らかにしました。AIインフラに関する議論は成熟しつつあります。焦点は単なるモデルの規模から、AIを現実世界で役立てるために必要なより広範なシステムへとシフトしています。エージェントワークフロー、ローカルAI展開、オープンソースツール、インフラの効率化が、イベントを通じて最も明確なテーマでした。

AI製品を構築するチームにとって、その変化は注目に値します。進歩の次の波は、単に最大のモデルを選ぶことではなく、適切なアーキテクチャ、適切な展開モデル、そして適切な開発者エコシステムを選択することから生まれる可能性があります。

コンピュータビジョンシステムを構築しており、推論をデバイス上、オンプレミス、クラウドのどこで実行すべきかを検討している場合、Ultralytics YOLOモデルはその柔軟性を念頭に置いて設計されています。まずは私たちのGitHubリポジトリを探索するか、コンピュータビジョンが製造業や物流の現場でどのように活用されているかを確認し、構築を開始するためにライセンスオプションをご覧ください。