Ultralytics YOLO27: ウェイトリストに登録する
YOLOのライセンス
プレスリリース

Ultralytics、コンピュータービジョンの可能性を広げるために3,000万ドルを調達

Ultralyticsの最新のシリーズAでの3,000万ドルの資金調達と、Ultralytics YOLOの研究開発の加速からエンタープライズソリューションまで、今後の展望をご覧ください。

4 分で読めます
Ultralyticsの最新のシリーズAでの3,000万ドルの資金調達と、Ultralytics YOLOの研究開発の加速からエンタープライズソリューションまで、今後の展望をご覧ください。

UltralyticsがシリーズAで3,000万ドルを調達したことをお知らせでき、大変うれしく思います。このラウンドはElephantが主導し、SquareOneも参加しました。

今回の資金調達により、コンピュータービジョンへの取り組みを次の段階へ進める準備が整いました。Ultralyticsは創業当初から、高度なビジョンAIをすべての人が利用できるようにすることをミッションとしてきました。

オープンソースのビジョンAIプロジェクトから世界的な普及へ#

オープンソースプロジェクトとして始まった取り組みは、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モデルファミリー、Ultralytics YOLOへと成長しました。現在、YOLOモデルは200か国以上のあらゆる業界でアプリケーションを支え、毎日驚異的な20億回の利用を実現しています。

この成長を支えてきたのは、素晴らしいコミュニティです。共にGitHubスター数は11万5,000件を超え、900人以上のコントリビューターを迎え、UltralyticsのPythonライブラリは1億1,500万回以上ダウンロードされています。

実際、GitHubのOctoverse 2024レポートによると、当社のオープンソースリポジトリは、初めてコントリビューションを行った人を最も多く集めたオープンソースおよび公開プロジェクトの中で、世界第5位にランクインしました。この評価により、Ultralyticsは世界に大きな影響を与えるオープンソースプロジェクトの一つとして位置付けられ、Ultralytics YOLOを取り巻く世界中の開発者コミュニティからの信頼と熱意が示されました。また、私たちが根本に抱いている信念を改めて示すものでもあります。AIはオープンで、協調的で、誰もが利用できるときにこそ発展します。

Ultralyticsのイノベーションを加速#

今後、この資金調達により、より迅速に前進し、イノベーションを推進できます。次世代YOLOモデルの研究開発を加速し、より軽量、高速、高精度にすることを目指しています。同時に、エンタープライズ向けソリューションとサポートチームを拡充し、組織が安心してUltralytics YOLOモデルを導入できるよう支援します。

創業者兼CEOのGlenn Jocherは、次のように強調しました。「UltralyticsはEdge AIの可能性を再定義し、これまで以上に高速、軽量、使いやすいYOLOモデルを提供しています。この投資により、研究開発を加速し、YOLOを基盤とするアプリケーション層ソリューションのエコシステムを拡大することで、企業から学生まで幅広く支援します。」

ビジョンを支えるAIチームの拡大#

この新たな章において、チームは欠かせない要素です。毎年5万人以上がUltralyticsへの応募をしており、世界中の優秀な人材と共にチームを拡大できることを楽しみにしています。研究、エンジニアリング、Go-to-Marketの各チームを拡充することで、イノベーションをより迅速に進めながら、企業がUltralytics YOLOモデルを本番環境に導入するために必要なサポートを提供できます。

Ultralytics YOLO Vision 2025に向けて準備中#

今月、Ultralyticsでは多くのことが進行しています。最新の資金調達ラウンドを発表するとともに、ロンドンで開催する年次ハイブリッドイベント、YOLO Vision 2025(YV25)の準備も進めています。

9月25日にロンドンのThe PelligonでAIコミュニティの皆さまをお迎えし、YouTubeとBilibiliで世界向けにライブ配信します。YV25のテーマは、つながりとアイデアです。

世界中の開発者、企業、研究者が集まり、コンピュータービジョンの画期的な進歩を探り、開発中の取り組みを共有し、互いに学び合います。興味深い基調講演やライブデモに加え、ネットワーキングの時間もたっぷり用意しています。

YV25に参加して、ビジョンAIの未来を探り、新製品発表を最前列でご覧ください。ロンドンでの参加でもオンラインでの視聴でも、YV25はコンピュータービジョンの未来を形作る世界的な議論に加わる機会です。

コミュニティやGitHubリポジトリに参加して、AIについてさらに詳しく学びましょう。ソリューションページでは、小売業におけるAIや農業におけるコンピュータービジョンをご覧いただけます。ライセンスの選択肢を確認して、今日からコンピュータービジョンを使った開発を始めましょう!

ブログ記事

ダブリンで開催されたAMD Embedded AI Working Groupに参加したUltralytics

ダブリンで開催されたAMD Embedded AI Working Groupに参加したUltralytics

UltralyticsとAMDが、ダブリンで開催されたAMD Embedded AI Working Group 2026において、フィジカルAI、ロボティクス、コンピュータービジョンのデプロイをどのように探求したかをご紹介します。
詳しく見る
精度と再現率を使って自動アノテーション用のVLMを選ぶ方法

精度と再現率を使って自動アノテーション用のVLMを選ぶ方法

精度と再現率を基準に自動アノテーション用のVLMを選びます。誤検出のボックスが少ないモデル、見逃す物体が少ないモデルを確認し、自分のデータでテストする方法を紹介します。
詳しく見る
AI-generated logistics scene with illustrative detections; the inset shows Ultralytics Platform benchmark latency for YOLO26n on an NVIDIA L4.

コンピュータービジョン推論におけるONNXとTensorRTの比較:ベンチマークと選び方

コンピュータービジョン推論におけるONNX RuntimeとTensorRTの比較:19種類のNVIDIA GPUでUltralytics YOLO26の速度と精度を測定し、選び方を解説します。
詳しく見る
PPEの未着用検出:Construction-PPEでUltralytics YOLOをトレーニング

PPEの未着用検出:Construction-PPEでUltralytics YOLOをトレーニング

Construction-PPEがヘルメット、ベスト、手袋の未着用をどのようにラベル付けしているかを確認し、Ultralytics YOLOをトレーニングして、現場のカメラ映像からPPEの未着用を検出する方法を紹介します。
詳しく見る
ドローン検出データセットガイド:小型UAVを対象にUltralytics YOLOをトレーニング

ドローン検出データセットガイド:小型UAVを対象にUltralytics YOLOをトレーニング

DUT Anti-UAV、Drone-vs-Bird、サーマルドローン検出データセットを比較し、Ultralytics YOLO26をトレーニングして小型ドローンを検出し、誤警報を減らしましょう。
詳しく見る
医療画像向けHIPAA準拠AI:BAAの対象範囲と患者データを使ったトレーニング方法

医療画像向けHIPAA準拠AI:BAAの対象範囲と患者データを使ったトレーニング方法

医療画像におけるHIPAA準拠AIに必要な要件、UltralyticsのBAAの対象範囲、患者データを使ったアノテーション、トレーニング、デプロイの方法について説明します。
詳しく見る
最適な深度推定モデル:選び方

最適な深度推定モデル:選び方

Depth Anything、Depth Pro、Metric3D、UniDepth、Ultralytics YOLO26などの単眼深度モデルを比較し、メートル単位の深度、エッジデバイス、ロボティクスに適したモデルを検討します。
詳しく見る
Ultralytics YOLOモデルをW&BからUltralytics Platformに移行する方法

Ultralytics YOLOモデルをW&BからUltralytics Platformに移行する方法

再トレーニングせずに、Ultralytics YOLOモデルをWeights & Biases (W&B)からUltralytics Platformにインポートし、実験を比較して、エクスポートおよびデプロイできます。
詳しく見る
GPT-6.1 Terraが自動アノテーションで第1位を獲得し、OpenAIの最上位モデルを上回りました

GPT-6.1 Terraが自動アノテーションで第1位を獲得し、OpenAIの最上位モデルを上回りました

GPT-6.1 Terraの自動アノテーションは、VLM Leaderboardで39モデル中トップです。1,000枚あたり$4.36で0.560 mAP50を達成し、GPT-6.1 SolとGemini 4 Argonを上回りました。
詳しく見る
MiniMax-M3.1-Flashの自動アノテーション:推論を減らすとボックスの精度が上がった理由

MiniMax-M3.1-Flashの自動アノテーション:推論を減らすとボックスの精度が上がった理由

Ultralytics PlatformでのMiniMax-M3.1-Flashによる自動アノテーション:チューニング後、1,000枚あたり$1.84で0.317 mAP50を達成し、SAR船舶検出では0.86を記録。
詳しく見る
Kimi K3.1 Proの自動アノテーション:高い推論レベルでK3を3分の1上回る性能

Kimi K3.1 Proの自動アノテーション:高い推論レベルでK3を3分の1上回る性能

Kimi K3.1 Proの自動アノテーションはUL37で0.444 mAP50を達成し、Kimi K3を3分の1上回りました。高い推論レベルで実行する理由、コスト、強みを発揮する領域をご紹介します。
詳しく見る
Ultralytics YOLOとNVIDIA Cosmos Data Factory:欠陥検出のための合成データ

Ultralytics YOLOとNVIDIA Cosmos Data Factory:欠陥検出のための合成データ

NVIDIA Cosmos Data Factoryの合成データとエージェント型トレーニングループにより、Ultralytics YOLO26はラベル数を減らしながら、データセット全体を使った場合と同等の欠陥検出精度を実現します。
詳しく見る
Gemini 4 Argonの自動アノテーション:39モデル中で最も高精度なボックス

Gemini 4 Argonの自動アノテーション:39モデル中で最も高精度なボックス

Ultralytics PlatformでのGemini 4 Argonによる自動アノテーション:39モデル中2位、最高精度(0.667)、12領域中6領域で首位、11月30日まで1,000枚あたり$7.60。
詳しく見る
オープンコンピューティング、オープンビジョン:Ultralytics YOLO Vision 2026におけるAMD

オープンコンピューティング、オープンビジョン:Ultralytics YOLO Vision 2026におけるAMD

ROCmの講演、ハンズオンワークショップ、AMD Radeon GPU上でYOLOを実行するデモを通じて、AMDがUltralytics YOLO Vision 2026でオープンコンピューティングをどのように実現したかをご覧ください。
詳しく見る
おすすめの画像分類モデル:選び方

おすすめの画像分類モデル:選び方

ConvNeXt V2やDINOv3からEfficientNetV2、ViT、Ultralytics YOLO26-clsまで、主要な画像分類モデルを比較し、選び方を解説します。
詳しく見る
セマンティックセグメンテーションとインスタンスセグメンテーション:適切なタスクの選び方

セマンティックセグメンテーションとインスタンスセグメンテーション:適切なタスクの選び方

セマンティックセグメンテーションはすべてのピクセルにクラスラベルを付け、インスタンスセグメンテーションは各オブジェクトを個別に分離します。コンピュータービジョンプロジェクトでどちらが必要か、またその理由を解説します。
詳しく見る
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

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

深センで開催されたArm Create 2026におけるUltralyticsの注目ポイントをご紹介します。リアルタイムのエッジAIへのUltralytics YOLOの導入、モデルパネル、新しいArm AI Portalを取り上げます。
詳しく見る
Ultralyticsミートアップ:ロンドン

Ultralyticsミートアップ:ロンドン

Ultralyticsロンドンミートアップのまとめ:YOLO27の初公開、Ultralytics Platformのデモ、NVIDIAとArmを交えたビジョンAIパネル。
詳しく見る
Ultralytics Platformのモニタリング:ビジョンAIのデプロイを適切に管理

Ultralytics Platformのモニタリング:ビジョンAIのデプロイを適切に管理

Ultralytics Platformでデプロイ済みのビジョンAIモデルをモニタリングできます。エンドポイントのヘルス状態、レイテンシ、エラー、ログ、ライブ予測の統計を追跡します。
詳しく見る
Ultralytics Agentsのご紹介:ビジュアルAIワークフローをより迅速に構築

Ultralytics Agentsのご紹介:ビジュアルAIワークフローをより迅速に構築

Ultralytics AgentsでビジョンAIワークフローを構築できます。YOLOモデル、視覚言語モデル、条件、データセット、Slackアラートを1つのキャンバス上で接続できます。
詳しく見る
Ultralytics AutoTrainのご紹介:ビジョンAIモデルのトレーニングを簡素化

Ultralytics AutoTrainのご紹介:ビジョンAIモデルのトレーニングを簡素化

Ultralytics PlatformのAutoTrainを使って、初期ベースラインから本番環境へのデプロイまで、Ultralytics YOLOモデルをトレーニング、比較、改善できます。
詳しく見る
Ultralytics YOLO Vision 2026の主な見どころをご紹介します。

Ultralytics YOLO Vision 2026の主な見どころをご紹介します。

UltralyticsがUltralytics YOLO27を発表し、Ultralytics PlatformのAutoTrain、Agents、Monitoringを紹介したYOLO Vision 2026の主な見どころ。
詳しく見る
Ultralytics YOLO26が単眼深度推定に対応しました

Ultralytics YOLO26が単眼深度推定に対応しました

Ultralytics YOLO26の新しい深度推定タスクでは、ステレオカメラやLiDARを使わず、単一のRGB画像からピクセル単位のメートルスケール深度を推定できます。
詳しく見る
コンピュータービジョン向け画像アノテーションプラットフォームのおすすめ

コンピュータービジョン向け画像アノテーションプラットフォームのおすすめ

コンピュータービジョン向けの9つの画像アノテーションプラットフォーム、CVAT、Encord、Label Studio、Labelbox、Roboflow、Scale AI、SuperAnnotate、Ultralytics、V7を比較します。
詳しく見る
製造業向け自動欠陥検出:プラットフォームの比較

製造業向け自動欠陥検出:プラットフォームの比較

自動欠陥検出プラットフォームのCognex、Instrumental、Keyence、Landing AI、Overview、Ultralyticsを比較し、欠陥に適したモデルタスクの選び方も解説します。
詳しく見る
エンタープライズ向けコンピュータービジョンのコスト:TCO算定フレームワーク

エンタープライズ向けコンピュータービジョンのコスト:TCO算定フレームワーク

データ、アノテーション、カメラ、エッジハードウェア、トレーニング、推論、統合、再トレーニングを網羅する、エンタープライズ向けコンピュータービジョンの総所有コスト算定フレームワーク。
詳しく見る
コンピュータービジョンによる組み立て検証とエラープルーフ化

コンピュータービジョンによる組み立て検証とエラープルーフ化

コンピュータービジョンで組み立ての完全性、正確性、順序を検証する方法を解説します。撮像ステーションの設計、モデルタスクの選択、PLCとの統合、検証を取り上げます。
詳しく見る
大規模なコンピュータービジョン推論:7つのプラットフォームを比較

大規模なコンピュータービジョン推論:7つのプラットフォームを比較

Azure ML、KServe、NVIDIA Triton、Roboflow、SageMaker AI、Ultralytics、Vertex AIという7つのコンピュータービジョン推論プラットフォームを、レイテンシとスケーラビリティの観点から比較します。
詳しく見る
Ultralytics YOLO Vision 2026:知っておきたいことすべて

Ultralytics YOLO Vision 2026:知っておきたいことすべて

9月13日に深センまたはオンラインで開催されるUltralytics YOLO Vision 2026にご参加ください。新しいYOLOモデル、製品発表、ライブデモ、実世界のビジョンAIをご紹介します。
詳しく見る
ラベリング作業を減らす方法:自動ラベリングとアクティブラーニングツールの比較

ラベリング作業を減らす方法:自動ラベリングとアクティブラーニングツールの比較

自動ラベリングとアクティブラーニングのツール10製品を比較します。CVAT、Encord、Label Studio、Labelbox、Lightly、Roboflow、SuperAnnotate、Ultralytics、V7、FiftyOneを取り上げます。
詳しく見る

AIの未来を一緒に築きましょう!

機械学習の未来に向けた歩みを始めましょう