Arm Create 2026でのUltralytics：エッジにおけるリアルタイムビジョンAI
Arm Create 2026でのUltralytics：リアルタイムエッジAIに向けたUltralytics YOLOのデプロイ、モデルパネルからのインサイト、および新しいArm AI Portalについて。
2026年9月11日、マーケティングアソシエイトのZiyue Wangと、シニア機械学習エンジニアのRick Houが、クラウド、エッジ、モバイル、物理AIにわたるAIの構築、最適化、デプロイに関するArmの開発者イベントであるArm Createに参加しました。私たちの焦点はUltralytics YOLOのエッジデプロイであり、トレーニング済みコンピュータビジョンモデルを取得し、Armベースのデバイス上でリアルタイムに実行する方法について取り上げました。
上海での事前のストップに続く深センでのイベントでは、すべてのAI開発者が遅かれ早かれ直面する疑問、すなわち有能なモデルを現実世界で確実に動作するソフトウェアにどのように変換するかという点が探求されました。
ここでは、セッションの振り返り、モデルパネル、そしてArmとUltralyticsがどのように協力してArm上で開発を行う開発者にとってUltralytics YOLOをよりアクセシブルなものにしているかについて紹介します。
リアルタイムエッジAIに向けたUltralytics YOLOのデプロイ#
シニア機械学習エンジニアのRick Houは、「Deploying Ultralytics YOLO: Real-Time Vision AI at the Edge」と題した実用的なセッションを発表し、エッジデバイス上でのUltralytics YOLO モデルの最適化とデプロイについて解説しました。この講演では、完全なデプロイパスをたどり、本番のエッジAIアプリケーションにおけるUltralytics YOLOからの学びが共有されました。
図1：Arm CreateでUltralytics YOLOのエッジデプロイについてプレゼンテーションを行うUltralyticsのRick。
エッジランタイムに向けたUltralytics YOLOモデルのエクスポート#
エッジデプロイの最初のステップは、トレーニング済みモデルをターゲットランタイムがサポートする形式にエクスポートすることです。適切なエクスポート形式がデバイス、推論エンジン、およびアプリケーションのパフォーマンス目標にどのように依存するかについて、Rickが解説しました。
オンデバイス推論の高速化のためのモデル量子化#
量子化は、モデルの数値精度をたとえばFP32からFP16やINT8へと低下させることであり、これにより最小限の精度損失でモデルサイズが縮小され、推論が高速化されます。このセッションでは、コンピュート、メモリ、および電力の予算が限られている場合に、速度と精度のバランスをとる方法が説明されました。
エッジデバイスでのリアルタイムコンピュータビジョンパフォーマンスの達成#
エッジでのリアルタイムコンピュータビジョンは、モデルだけに依存するものではありません。前処理、ランタイムの選択、およびハードウェアアクセラレーションはすべて、レイテンシとスループットに影響を与えます。ボトルネックを特定し、完全な推論パイプラインを最適化する方法について、Rickが共有しました。
本番のエッジAIデプロイからの学び#
ベンチマークは出発点にすぎませんが、本当のテストは、モデルが実際に稼働するデバイス上で、実際の動作条件のも下でどのようにパフォーマンスを発揮するかです。実際のターゲットハードウェアで検証することがセッションからの重要な学びであり、Arm Create全体を通じて取り上げられたテーマでした。
Arm、Alibaba Qwen、Tencent、ModelBestによるモデルパネル#
Rickはまた、Arm、Alibaba Qwen、Tencent、ModelBestによるモデルパネルディスカッションに参加しました。モデル同士の直接的な比較ではなく、ワークロードに必要なもの、実行すべき場所、デプロイ後の動作といったアプリケーションへの適合性に焦点が当てられました。
図2：Arm CreateでのArm、Alibaba Qwen、Tencent、ModelBest、およびUltralyticsによるモデルパネル。
ワークロードに適したモデルの選択#
モバイルアプリ内のクイック返信機能、大規模なドキュメントセットを推論するクラウドエージェント、およびエッジビジョンパイプラインのそれぞれには、非常に異なるモデルが必要です。パネルにおけるビジョンAIの代表として、Rickはエッジの視点をもたらし、そこではモデルサイズよりもレイテンシ、効率、およびオンデバイスの信頼性がしばしば重要になります。
Arm AI Portal：Arm上でのUltralytics YOLOのアクセシビリティの向上#
Arm Create深センは、Armが開発者やAIエージェントがArmコンピュートプラットフォーム全体でAIソフトウェアを発見、最適化、デプロイするのを支援するハブであるArm AI Portalを立ち上げてからわずか数日後に行われました。開発者は、パフォーマンスおよび精度のデータを含むタスク固有の事前最適化済みモデルを見つけ、レイテンシ、メモリ、およびモデルサイズを比較し、コードの例やデプロイワークフローにアクセスできます。
ローンチ時に利用可能な事前最適化済みUltralytics YOLOモデル#
Ultralytics YOLOは、Alibaba QwenやGoogle Gemmaと並び、ローンチ時に利用可能な事前最適化済みモデルの1つであり、Ultralyticsはエコシステムパートナーとしてポータルをサポートしています。
ArmにおけるUltralytics YOLO26nのパフォーマンス向上#
初期の結果は有望です。Ultralytics YOLO26nは、2つのセットアップにおいてシングルスレッド実行で40%を超えるパフォーマンスの向上を達成しました：
- SME2を搭載したvivo X300スマートフォンにおけるFP16とFP32の比較
- NEONを搭載したRaspberry Pi 5におけるFP16およびINT8の混合量子化とFP32の比較
エッジAI開発者にとってこれが意味すること#
Arm AI Portalは、開発者がモデルの検索、ベンチマーク、手動による調整に費やす時間を短縮し、モデルの選択からArmベースのハードウェアへのデプロイまでの道のりを迅速化します。これは、最先端のビジョンAIをシンプルにし、誰もが利用できるようにするという私たちのミッションをサポートするものです。Arm AI PortalでUltralytics YOLOを探索する。
主なポイント#
私たちを受け入れてくださったArmチーム、そしてエッジデプロイ、量子化、現実世界のビジョンAIについて話し合うために立ち寄ってくださったすべての方々に感謝いたします。深センでの会話は、モデル、ツール、ハードウェアが連携するように設計されているとき、エッジAIエコシステムがいかに急速に成熟しているかを示していました。
次のArm Createは米国に向かいます。私たちは会話を継続することを楽しみにしています。それまでの間、Ultralytics docsにアクセスして、ご自身のエッジデバイス上でUltralytics YOLOのデプロイを開始してください。
