Arm Create 2026におけるUltralytics：エッジで実現するリアルタイムビジョンAI

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、フィジカルAIにおけるAIの構築、最適化、デプロイをテーマとしたArmの開発者向けイベント、Arm Createに参加しました。私たちが注目したのはUltralytics YOLOのエッジデプロイです。トレーニング済みのコンピュータービジョンモデルをArmベースのデバイス上でリアルタイムに動作させる方法を取り上げました。

深圳でのイベントに先立ち、上海でも開催されており、どちらのイベントでも、いずれAI開発者が直面することになる問いを探りました。高性能なモデルを、現実世界で安定して動作するソフトウェアに変えるにはどうすればよいのでしょうか。

ここでは、セッションやモデルパネルの概要に加え、ArmとUltralyticsが協力して、Arm上で開発する人々にUltralytics YOLOをより利用しやすくする取り組みをご紹介します。

リアルタイムのエッジAI向けにUltralytics YOLOをデプロイ#

シニア機械学習エンジニアのRick Houが、「Ultralytics YOLOのデプロイ：エッジにおけるリアルタイムビジョンAI」と題した、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関する実践的なセッションを行いました。講演では、デプロイの全工程を解説し、本番環境のエッジAIアプリケーションでUltralytics YOLOを活用して得た知見を共有しました。

図1. Arm CreateでUltralyticsのRickがUltralytics YOLOのエッジデプロイについて発表。

エッジランタイム向けの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。Rickは、適切なエクスポート形式が、デバイス、推論エンジン、アプリケーションのパフォーマンス目標によって異なることを説明しました。

デバイス上の推論を高速化するモデル量子化#

量子化では、たとえばFP32からFP16やINT8へとモデルの数値精度を下げます。これにより、モデルサイズが縮小し、推論が高速化され、多くの場合、精度の低下を最小限に抑えられます。このセッションでは、計算資源、メモリ、電力の予算が限られる状況で、速度と精度のバランスを取る方法を説明しました。

エッジデバイスでリアルタイムのコンピュータービジョン性能を実現#

エッジでリアルタイムのコンピュータービジョンを実現するには、モデル以外の要素も重要です。前処理、ランタイムの選択、ハードウェアアクセラレーションは、いずれもレイテンシとスループットに影響します。Rickは、ボトルネックの特定方法と推論パイプライン全体の最適化方法を紹介しました。

本番環境のエッジAIデプロイから得た知見#

ベンチマークは出発点にすぎません。実際のテストとなるのは、出荷先のデバイス上で、実際の運用条件下においてモデルがどのように動作するかです。実際のターゲットハードウェアで検証することが、このセッションの重要な教訓であり、Arm Create全体を通して話題になったテーマでもありました。

Arm、Alibaba Qwen、Tencent、ModelBestとのモデルパネル#

Rickは、Arm、Alibaba Qwen、Tencent、ModelBestとのモデルパネルディスカッションにも参加しました。モデルを正面から比較するのではなく、アプリケーションへの適合性に焦点を当て、ワークロードに必要なもの、実行場所、デプロイ後の動作について議論しました。

図2. Arm CreateでのArm、Alibaba Qwen、Tencent、ModelBest、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#

モバイルアプリのクイック返信機能、大規模な文書セットを対象に推論するクラウドエージェント、エッジビジョンパイプラインでは、それぞれまったく異なるモデルが必要です。パネルでビジョンAIを代表したRickは、レイテンシ、効率、デバイス上での信頼性がモデルサイズよりも重要になることが多いエッジの視点を提示しました。

Arm AI Portal：Arm上でUltralytics YOLOをより利用しやすく#

Arm Create Shenzhenは、開発者やAIエージェントがArmコンピューティングプラットフォーム全体でAIソフトウェアを見つけ、最適化し、デプロイするのを支援するハブであるArm AI PortalのArmによる公開からわずか数日後に開催されました。開発者は、パフォーマンスと精度のデータが付属するタスク別の最適化済みモデルを見つけ、レイテンシ、メモリ、モデルサイズを比較し、コード例やデプロイワークフローを利用できます。

公開時点で利用できる最適化済みUltralytics YOLOモデル#

Ultralytics YOLOは、公開時点で利用できる最適化済みモデルの一つであり、Alibaba QwenやGoogle Gemmaと並んで提供されています。Ultralyticsはエコシステムパートナーとしてポータルを支援しています。

ArmでのUltralytics YOLO26nのパフォーマンス向上#

初期結果は有望です。Ultralytics YOLO26nは、次の2つの環境でシングルスレッド実行時に40%を超える性能向上を達成しました。

• SME2を搭載したvivo X300スマートフォンでのFP16とFP32の比較
• NEON搭載のRaspberry Pi 5で、FP16とINT8の混合量子化をFP32と比較

エッジAI開発者にとっての意味#

Arm AI Portalは、開発者がモデルの検索、ベンチマーク、手動調整に費やす時間を削減し、モデルの選定からArmベースのハードウェアへのデプロイまでをより迅速に進められるようにします。最先端のビジョンAIを誰もが簡単に利用できるようにするという私たちのミッションを支援します。Arm AI PortalでUltralytics YOLOを確認する。

重要なポイント#

会場をご提供くださったArmチームの皆様、そしてエッジデプロイ、量子化、実環境のビジョンAIについてお話しするためにお立ち寄りくださった皆様に感謝いたします。深圳での対話を通じて、モデル、ツール、ハードウェアが連携するよう設計されることで、エッジAIエコシステムが急速に成熟していることがわかりました。

次回のArm Createは米国で開催されます。引き続き対話を続けられることを楽しみにしています。それまでの間、Ultralyticsのドキュメントをご覧になり、お手元のエッジデバイスでUltralytics YOLOのデプロイを始めてください。