AMD Dev Day ShanghaiにおけるUltralytics：ローカルAIとエージェント型システムの融合

Ultralyticsは上海で開催されたAMD Dev Dayに参加し、AMDとそのパートナーがAIインフラストラクチャの次の段階をどのように形作っているかについて話を聞きました。このイベントからの最も強いメッセージは明確でした。AMDのAIに関する議論は、単独のモデルを超えて、デプロイ可能なAIシステムへと移行しています。講演、製品デモ、パートナーとの議論を通じて、主なテーマとなったのは、エージェント型AI、ローカルAIのデプロイ、オープンソースエコシステム、そしてこうしたシステムを大規模に実用化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は、*「テクノロジーに携わるうえで、今日ほどエキサイティングな時代はこれまでありませんでした」*と述べました。

実際のAI製品を構築するチームにとって、この変化は重要です。市場の次の段階で成功するには、単一の最先端モデルへのアクセスよりも、ワークフローをどれだけ適切にオーケストレーションし、推論コストを管理し、機密データを保護し、用途に適したデプロイ環境を選択できるかが重要になる可能性を示しています。

AMD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です#

AMD Dev Day全体を通じた大きなテーマの一つは、AI時代に向けたフルエンドツーエンドのコンピューティングプロバイダーとして自社を位置付けるAMDの取り組みでした。同社は、クローズドなプロプライエタリ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ながら、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示しました。

この位置付けが重要なのは、AI開発がどのように進化しているかを反映しているためです。最新のAI製品の構築は、もはやモデルのトレーニングやモデルAPIの呼び出しだけではありません。チームには、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、エンタープライズへのデプロイをサポートすることが、ますます求められています。AMDのイベントで発信されたメッセージは、ハードウェアに関する説明を、より広範なソフトウェアとシステムの現実に一貫して結び付けていました。

Lisa Suはイベント中、この目標を明確に要約しました。「エコシステムのあらゆる場所にAIを届けたいと考えています」

図1. 上海で開催されたAMD Dev Dayイベントのステージ上のLisa Su。

エージェント型AIがイベントの中心的なテーマでした#

この日を通じて繰り返し取り上げられたアイデアが一つあるとすれば、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した。登壇者はこの変化について、一度限りのプロンプトと応答から、異なるエージェントがワークフロー全体で計画、実行、批評、協調するマルチエージェントオーケストレーションへ移行することだと説明しました。

これは、エージェント型システムがAIスタックに新たな要件を課すため重要です。イベントで示された説明によると、こうしたシステムにはGPU性能だけでなく、繰り返し行われる推論ループや複数ステップの実行をサポートするための大規模なCPU処理能力、データフローのオーケストレーション、メモリ容量も必要です。

開発者やAIチームにとってのポイントは、最も高性能なモデルを選ぶだけでなく、効果的なAIシステムを構築することが競争力につなが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、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になりつつあります。

ローカルAIのデプロイがより戦略的になっています#

AMD Dev Dayで注目されたもう一つのテーマは、ローカルAIのデプロイが重視されていたことです。AMDとそのパートナーは、ノートPC、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、作業が行われる場所の近くで高度なAIワークロードを実行する必要性が高まっていると繰り返し説明しました。

イベント全体を通じて示された理由は一貫していました。

• 低レイテンシ
• データプライバシーの向上
• 機密性の高いワークフローに対する、より強固な制御
• クラウドAPIコストへの依存の低減

AMDはこの主張の重要な実証例としてRyzen AI Max 395を取り上げ、最大128GBの統合メモリを備えた構成と、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能力を強調しました。また、デプロイ前のテストとローカルスケーリングに向けて、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環境も紹介しました。

全体的なメッセージは、クラウドが消滅するということではありませんでした。代わりにイベントでは、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。より定型的で、レイテンシやプライバシーの影響を受けやすいタスクはローカルで実行し、より負荷の高いタスクは必要に応じてクラウドにエスカレーションできます。

AIの推論コストとトークン需要がインフラストラクチャの選択を左右しています#

AMD Dev Dayでは、こうしたアーキテクチャ上の判断の背景にある経済的な圧力も強調されました。登壇者は、トークン需要の急速な増加、推論コストの上昇、そしてAI製品を構築する開発者や企業に生じるプレッシャーについて説明しました。

この文脈では、ローカルAIは技術的な戦略であると同時に、コスト管理の戦略としても提示されました。イベントで繰り返し示されたメッセージは、AIの次の段階では、コンピューティングリソースを最も多く消費するチームではなく、より効率的に活用するチームが評価されるというものでした。

AIを構築するチームにとって、これは実践的なシグナルです。インフラストラクチャに関する判断は、ますます製品に関する判断になっています。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上の細部ではありません。

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

AMD ROCmとオープンソースAIエコシステム#

AMD Dev Dayから得られたもう一つの大きなポイントは、オープンなソフトウェアエコシステムが中心的な役割を担っていることでした。AMDはROCm、主要フレームワークへのコード変更不要の対応、Hugging FaceとModelScopeを通じた300万以上のモデルのサポート、新しいモデルリリースへの初日対応を目指す取り組みを強調しました。

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、その重視する姿勢を次のように的確に表現しました。「実際、この会場にいる皆さんの大半にとって、ソフトウェアこそが本質です」

イベントでは、開発者を対象とした複数の取り組みも紹介されました。

• 中国の開発者向けに無料の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
• ステップごとのガイドを提供するAMD AI Playbooks
• ここ数か月で10万人を超える開発者が参加した開発者プログラム

このイベントの部分が特に重要だと感じられたのは、基本的な真実を強調していたためです。ハードウェアの性能だけでは導入は促進されません。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、そしてスムーズに実験できる手段が必要です。エコシステムに関する説明が、性能に関する主張を実用可能なプラットフォームへと変えます。

AMD 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。複数の登壇者が、中国はオープンソースAIイノベーションをリードする環境であり、特に効率性、ローカルデプロイ、実践的なエンジニアリング上の制約によって形作られる分野で先行していると説明しました。

Zero One AIおよびStepfunとのパートナーシップが、この点を裏付けるものとして取り上げられました。イベントの説明では、Zero One AIとの共同エンタープライズ向けマルチエージェントオールインワンシステムがRyzen AIアーキテクチャ上に構築され、ローカルデプロイに対応していること、またStepfunのモデルがAMDハードウェア向けに最適化され、エージェント型タスク向けに設計されていることが示されました。

より大きな意味として、中国は主要なAI市場であるだけでなく、ローカルAIのデプロイ、オープンソースモデル、コストを重視したインフラストラクチャ設計にとって重要な実証の場でもあるという点が挙げられます。

UltralyticsがAMD Dev Day Shanghaiから得たこと#

Ultralyticsチームの観点から、AMD Dev Dayで得られた最も有益なシグナルは、抽象的なAIの能力ではなく、デプロイ可能なAIシステムに焦点が当てられていたことでした。イベントでは一貫して、開発者や企業が本番環境でAIを実際に実行、統合、保護、スケーリングする方法が中心に据えられていました。

これには次のような問いが含まれます。

• 何をローカルで実行し、何をクラウドで実行すべきでしょうか？
• 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でしょうか？
• 開発者は高コストな推論APIへの依存をどのように減らせるでしょうか？
• AIプラットフォームを導入しやすくするには、どのようなツールやソフトウェアレイヤーが必要でしょうか？

これらは実践的な問いであり、成功するAI製品がどのように構築されるかをますます定義しています。私たちがUltralytics YOLOモデルを構築して提供する方法についても、直接的に考えている問いがあります。モデルをノートPC、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するかを問わず、デプロイの柔軟性は常に私たちにとって中核的な設計上の制約であり、後付けの要素ではありませんでした。

AMD Dev Dayで示されたオープンソースエコシステムと推論効率化への取り組みは、私たちがすでに信じていることを裏付けました。最も役立つAIツールとは、単一のベンダーやプラットフォームを中心にインフラストラクチャ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組み込めるツールです。

図3. 上海で開催されたAMD Dev DayでのUltralyticsチーム。

最後に#

AMD Dev Day Shanghaiによって、一つのことが明確になりました。AIインフラストラクチャをめぐる議論は成熟しつつあります。焦点は、モデル規模の拡大だけから、現実世界でAIを有用にするために必要な、より広範なシステムへと移行しています。エージェント型ワークフロー、ローカルAIのデプロイ、オープンソースツール、インフラストラクチャの効率性が、イベント全体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、この変化は注目に値します。次の進歩の波は、最大のモデルを選ぶことだけではなく、適切なアーキテクチャ、適切なデプロイモデル、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。

コンピュータービジョンシステムを構築し、推論をオンデバイス、オンプレミス、クラウドのどこで実行すべきか検討している場合、Ultralytics YOLOモデルはその柔軟性を考慮して設計されています。GitHubリポジトリを確認して始めるか、製造や物流における実際のデプロイでコンピュータービジョンがどのように活用されているかをご覧になるか、ライセンスオプションを確認して構築を始めてください。