Ultralytics YOLOがDEEPXと提携：フィジカルAI向けエッジAI推論

Ultralyticsでは、AIが物理世界により深く組み込まれるにつれて、コンピュータービジョンモデルをエッジデバイス上で直接実行する動きが拡大していることを実感しています。ロボットや産業機械からスマートカメラ、自動運転車まで、より多くのインテリジェントシステムが、クラウドに依存せず、リアルタイムで周囲を認識し、理解し、行動することを求められています。

このインテリジェントシステムの新たな潮流はPhysical AIと呼ばれており、現実世界で自律的に動作できる高性能かつ超省電力のコンピューティングが求められます。現実世界のシステムには、エッジ向けに設計されたハードウェア上でローカルに、安定して、効率的に動作するビジョンAIが必要です。

Ultralytics YOLO26などのUltralytics YOLOモデルはリアルタイムコンピュータービジョン向けに設計されていますが、エッジでその性能を最大限に引き出すには、ソフトウェアとハードウェアの適切な組み合わせが必要です。これを受け、DEEPXとの新たなパートナーシップを発表できることを嬉しく思います。

Ultralytics YOLOモデルをDEEPX NPUハードウェア上で効率的かつ高性能にデプロイできるよう、新しいエクスポート統合を導入するためにDEEPXと提携しました。私たちは共同で、Physical AIの構築、デプロイ、スケーリング方法に関する統一されたグローバル標準を確立しています。

図1. DX-M1 M.2モジュールとDX-AIPlayer N97 AI Box*を備えた、オンデバイスAI推論向けDEEPXハードウェアエコシステム

Physical AIの未来に向けた共通のビジョン#

世界で最も広く採用されているコンピュータービジョンフレームワークとして、Ultralyticsはこれらのシステムの「目」を提供します。最も効率的なNPUメーカーの一つであるDEEPXは、これらのシステムを大規模に動かす「脳」を提供します。

UltralyticsとDEEPXは、アクセシビリティ、パフォーマンス、開発者ファーストの設計を信条とし、その実現に取り組んでいます。UltralyticsとDEEPXのエコシステムを結び付けることで、初めての製品を出荷する初期段階のロボティクス企業から、数千の施設にビジョンAIを展開するFortune 500企業まで、商用環境でビジョンAIをデプロイするための、信頼できる単一の経路を提供します。

これにより、次のことが可能になります。

• 市場投入までの期間を短縮: アノテーションからデプロイまで、数カ月ではなく数日で実現できます。
• デプロイコストを削減: GPUクラスの性能を、電力およびシリコンのコストを大幅に抑えて実現し、2～4 Wの消費電力で250 FPS以上を提供します。
• 新たな収益機会: これまで経済的に実現困難だったエッジAI製品を構築し、出荷できます。
• 将来にわたって拡張可能: 専用のCI/CDパイプラインにより、Ultralyticsの新しいリリースがすべてDEEPXハードウェアでそのまま動作することを保証します。また、DEEPXの複数年にわたる供給コミットメントに支えられています。

DEEPXのNPU技術を探る#

DEEPXは、Ultralytics YOLOのようなビジョンモデル向けに特化して設計された、効率的なエッジAIハードウェアを提供するAI半導体のイノベーターです。クラス最高水準のワット当たりフレーム数（FPS/W）を実現します。理論上の指標ではなく実環境での効率を重視することで、電力予算を大幅に抑えながらGPUクラスの結果を達成できるよう、開発者を支援します。

これを可能にしているのが、フルスタック設計です。DX-M1 NPUは、コンピュータービジョンモデルの計算パターンを高速化するよう特別に設計されています。パッシブ冷却と低消費電力により、ワット当たり性能と長期的な信頼性が重要となる本番規模のデプロイに適しています。

エッジAIが広く普及する中で重要なのは、持続可能なパフォーマンスです。厳しい電力および熱制約の範囲内で高度なモデルを安定して実行しながら、現実世界のデプロイに向けてスケーラブルであることが求められます。そのため、ワット当たりFPSは、エッジAIプラットフォームを評価する最も重要な指標の一つになっています。

図2. DX-M1 NPU上でのYOLO26、YOLO11、YOLOv8のパレートフロントベンチマーク。i5-14600Kホスト（32GB RAM）、SDK dx-com v2.3.0、NPUチップのみを使用してDX-M1上で測定。

市場がPoCから大規模デプロイへ移行するにつれ、顧客は同じ電力および熱予算内で複数のAIモデルを同時に実行することをますます必要としています。上のグラフは、YOLO26が精度と効率のより優れたバランスを一貫して実現していることを示しています。YOLO26nはDX-M1上で約405 FPS/Wに達し、より大規模で消費電力の大きいハードウェアに移行することなく、より高度なAIワークロードを実行できます。

Ultralytics YOLOモデルをDEEPXへエクスポートする方法#

Ultralytics PythonパッケージとUltralytics Platformは、5つすべてのコンピュータービジョンタスクでYOLOモデルをトレーニング、評価、デプロイするための、完全で統合された環境を提供します。コードでの作業を好む場合でも、手間のないビジュアルワークフローを好む場合でも、どちらの経路でもデータからデプロイまでモデルを移行するための、一貫性がありスケーラブルな方法を利用できます。

このパートナーシップを通じて、UltralyticsはDEEPXとの新しいエクスポート統合を導入し、単一のコマンド（format=deepx）でYOLOモデルをDEEPX NPUハードウェア向けにエクスポートしてデプロイできるようにしました。この統合はUltralyticsエコシステム全体で完全にサポートされているため、開発者はモデルのアノテーションとトレーニングを行った後、Pythonパッケージから、またはUltralytics Platformから直接、DEEPX向けにエクスポートできます。エクスポート中にモデルはコンパイルされ、最適化された.dxnnバイナリへINT8量子化されます。EMAベースのキャリブレーションにより、モデル品質を損なうことなくNPUのパフォーマンスを最大化できます。

実際には、商用チームはわずか3つのコマンドで、ラベル付きデータからDEEPX NPU上で動作する本番環境対応モデルまで移行できます。

# Step 1: Install Ultralytics
pip install ultralytics

# Step 2: Export your YOLO model to DEEPX format
yolo export model=yolo26n.pt format=deepx

# Step 3: Run inference on DEEPX hardware
yolo detect predict model=yolo26n_deepx_model

ランタイムのインストールやDEEPXのdxtronグラフビューアーによる可視化を含む詳細なセットアップ方法については、DEEPX統合ドキュメントをご確認ください。

DEEPX NPU上でUltralytics YOLOモデルを実行する主なメリット#

新しい統合を使用してUltralytics YOLOモデルをDEEPXハードウェアにデプロイする主なメリットは次のとおりです。

• Ultralyticsワークフローとのシームレスな統合: DEEPXデプロイメント向けのYOLOモデルのエクスポートはUltralytics Pythonパッケージに自然に組み込まれており、単一のformat=deepxコマンドによってエッジデプロイメントのプロセスを標準化できます。
• 複数のコンピュータービジョンタスクをサポート: YOLOv8、YOLO11、YOLO26全体で、物体検出、セグメンテーション、姿勢推定、方向付きバウンディングボックス（OBB）検出、分類用のモデルをデプロイできます。
• 超効率的なエッジ推論: DEEPX NPUは、電力を大幅に抑えながらGPUクラスの性能を実現します。パッシブ冷却と超低消費電力により、本番規模のデプロイに最適です。
• 将来にわたって利用できる基盤: 専用のCI/CDパイプラインにより、Ultralyticsの新しいリリースすべてとのそのままの互換性を保証します。また、DX-M1からDX-M2へのロードマップによって、同じソフトウェアスタックをAgentic AI時代へ拡張します。
• Physical AIアプリケーション全体でスケーラブル: スマート監視や産業検査からロボティクス、自律システムまで、幅広い現実世界のユースケースをサポートします。

Ultralytics YOLOとDEEPXハードウェアがもたらす可能性#

では、Ultralytics YOLOモデルをDEEPXハードウェアにデプロイできる、現実世界における一般的なPhysical AIアプリケーションにはどのようなものがあるのでしょうか。

エッジでのスマート監視#

現代の監視システムには、プライバシーや接続性を損なわずにリアルタイム検出を行うことが求められます。DEEPX NPU上で動作するUltralytics YOLOモデルにより、セキュリティカメラや監視システムは映像フィードをローカルで分析し、人物、車両、異常な活動を低消費電力かつクラウドに依存せずリアルタイムで特定できます。欧州でGDPRの執行が強化され、自治体の調達においてデータレジデンシーがますます義務付けられる中、オンデバイス推論は技術面だけでなく規制面でも優位性をもたらします。

産業オートメーションと品質管理#

工場や製造施設では、品質管理、欠陥検出、プロセス監視の自動化にビジョンAIがますます活用されています。Ultralytics YOLOモデルとDEEPXハードウェアを組み合わせることで、厳しい産業環境でも24時間365日安定して動作するオンデバイス検査が可能になり、廃棄物の削減、製品品質の向上、作業員の安全確保に役立ちます。

ロボティクスと自律システム#

ロボティクスでは、速度と応答性が極めて重要です。倉庫内の移動、動的な産業環境での稼働、人間との協働など、ロボットは周囲の状況を瞬時に解釈する必要があります。DEEPX NPU上で動作するUltralytics YOLOモデルにより、ロボットは障害物を検出し、人を追跡し、物体をリアルタイムで識別できます。常時クラウド接続に依存せず、より安全な移動と高い自律性を実現します。

主なポイント#

Ultralytics YOLOモデルとDEEPX NPUにより、高性能なフィジカルAIをエッジにもたらすことがこれまで以上に容易になります。新しいformat=deepx標準によってデプロイメントを簡素化し、エネルギー効率に優れたDEEPXのハードウェア向けにモデルを最適化することで、このパートナーシップは開発と実際の商用アプリケーションの間にある隔たりを埋めるのに役立ちます。フィジカルAIが成長を続ける中、この協業は、あらゆる規模の企業が本番環境対応のビジョンAIを利用しやすく、手頃な価格で、スケーラブルな形で導入できるようにするための一歩となります。

エッジAI製品をより早く市場に投入する準備はできていますか？

• ライセンスを申請して、商用サポートとEnterprise YOLOモデルにアクセスしましょう。
• Ultralytics Platformを試すことで、最初のDEEPX対応モデルにアノテーションを付け、トレーニングし、デプロイできます。
• Ultralyticsのパートナーになることで、共同デプロイの機会を探ることができます。
• 完全な技術ガイドについては、ドキュメントを読む。

ロボティクスにおけるAIや製造業におけるAIなどのイノベーションが、未来をどのように形作っているかをご確認ください。