Ultralytics YOLO Vision 2026의 주요 하이라이트를 확인하세요!

9월 13일, Ultralytics YOLO Vision 2026 (YV26)이 문을 열어 전 세계 컴퓨터 비전 커뮤니티를 다시 한번 온·오프라인으로 한자리에 모았습니다. 올해의 주제인 “열린 비전, 실제 환경을 위한 구축”은 제조, 물류, 로보틱스 및 보안 분야의 운영 시스템에서 오픈 소스의 근간이 어떤 역할을 하는지 조명하는 하루의 분위기를 이끌었습니다.

기업 리더, 창업자, 엔지니어, 연구자, 학생 및 오픈 소스 기여자들이 행사장을 가득 채웠고, 더 많은 사람들이 YouTube에서 함께했습니다. 이 글에서는 Ultralytics YOLO27 발표, Ultralytics Platform의 주요 업데이트, 발표 세션, 그리고 YV26을 기억에 남게 한 커뮤니티의 순간을 비롯해 당일의 주요 발표를 살펴봅니다.

행사의 시작: 개방적이고 실제 환경에 적용되는 AI를 향한 Ultralytics의 비전#

행사는 Ultralytics의 창립자 겸 CEO인 Glenn Jocher와 성장 부문 부사장 Paula Derrenger, 선임 머신러닝 엔지니어 Jing Qiu가 함께한 기조연설로 시작되었습니다. 이들은 비전 AI가 실험실의 벤치마크에만 머무르지 않고 현장에서 실제로 배포하는 사람들이 만들어 가는 개방적이고 접근성 높은 기술일 때 가장 큰 가치를 창출한다는 당일의 주제를 제시했습니다.

그림 1. Ultralytics YOLO Vision 2026 전시장.

이러한 관점은 이후 일정의 기반이 되었습니다. YV26은 모델 아키텍처뿐 아니라 모델 학습 이후의 과정, 즉 실제 운영 환경에서 모델을 배포하고 모니터링하며 반복 개선하는 방법에도 같은 비중을 두었습니다. 이 주제는 당일의 주요 발표 두 가지 모두에서 이어졌습니다.

Ultralytics YOLO27: 차세대 플래그십 모델을 현장에서 공개#

Ultralytics YOLO Vision 2026의 주요 발표는 YOLO 제품군의 차세대 플래그십 모델인 Ultralytics YOLO27이었습니다. YOLO27은 단순한 점진적 업데이트를 넘어 다양한 작업, 모델 아키텍처 및 전문 애플리케이션으로 제품군을 확장합니다.

이번 발표는 세 가지 핵심 축을 중심으로 진행되었습니다.

• Ultralytics YOLO27: 4가지 크기(n, s, m, l)와 7가지 작업을 아우르는 28개 모델 라인업입니다. 7가지 작업은 객체 감지, 인스턴스 분할, 시맨틱 분할, 깊이 추정, 분류, 포즈 추정 및 방향성 객체 감지입니다. 소형 모델은 엣지에 빠르게 배포할 수 있도록 설계되었으며, 대형 모델은 운영 환경의 GPU 워크로드와 높은 정확도가 중요한 애플리케이션에 중점을 둡니다. YOLO27l은 COCO에서 60 mAP를 돌파한 최초의 Ultralytics 모델이며, 모든 크기에서 익숙한 Ultralytics 인터페이스를 동일하게 사용합니다.
• Ultralytics YOLO27 Enterprise 모델: 소매, 창고 운영, 보안 및 항공 비전 AI를 포함한 고수요 엔터프라이즈 애플리케이션을 위해 제작된 도메인별 사전 학습 모델입니다. 각 도메인에서 일반적인 객체, 환경 및 예외 사례를 대상으로 학습하여, 전문화된 운영용 감지 시스템을 구축하는 팀에 더 나은 출발점을 제공합니다.
• Ultralytics YOLOE-27: Ultralytics의 실시간 오픈 보캐뷸러리 감지 및 분할 모델의 차세대 버전입니다. YOLOE-27은 텍스트, 시각 정보 또는 프롬프트 없는 추론을 통해 객체를 인식하도록 설계되어, 비전 시스템이 사전에 정의된 고정 클래스 집합을 넘어설 수 있게 합니다.

이 세 가지 핵심 축은 YOLO27을 단일 모델 출시를 넘어 더 폭넓은 제품군으로 확장합니다. 범용 기반 모델, 도메인에 맞게 조정된 Enterprise 모델군, 그리고 Ultralytics Python 패키지에서 이미 사용할 수 있는 LLM 인터페이스에 바로 연결되도록 설계된 오픈 보캐뷸러리 모델로 구성됩니다.

YOLO27은 YV26 무대에서 발표되었으며 올해 후반에 출시될 예정입니다. 출시 시점에 알림을 받으려면 대기자 명단에 등록하세요.

Ultralytics Platform: AutoTrain, Agents 및 Monitoring#

모델 발표에 이어 팀은 Ultralytics Platform을 소개하며 컴퓨터 비전 시스템 구축의 일상 업무를 어떻게 간소화하는지 시연했습니다. 세 가지 중점 영역을 통해 데이터 준비부터 운영 환경에서의 모델 운영까지 수작업을 줄이는 Platform의 방식을 보여주었습니다.

• AutoTrain: 모델을 학습하고 비교하며 개선할 수 있는 대화형 환경입니다. 사용자는 자연어로 원하는 목표를 설명한 다음, 데이터셋 검색, 학습 실행 시작, 결과 비교 및 배포 모델 준비와 같은 작업을 진행할 수 있습니다.
• Agents: 이미지, YOLO 모델, 비전-언어 모델, 조건 및 작업을 연결해 전체 워크플로를 구성하는 시각적 캔버스입니다. 예를 들어 YOLO가 사람을 감지할 때만 비전-언어 모델을 호출하거나, confidence가 낮은 예측을 검토용 데이터셋으로 보낼 수 있습니다. 템플릿을 활용하면 사용자는 일반적인 패턴으로 시작한 다음 자체 애플리케이션에 맞게 조정할 수 있습니다.
• Monitoring: 요청량, 지연 시간, 오류, 상태 및 로그를 포함해 배포된 엔드포인트를 기본적으로 확인할 수 있습니다. 유료 전용 엔드포인트에서는 실시간 예측 통계와 임시 예시도 제공되며, 사용자는 이를 확인하고 데이터셋에 저장할 수 있습니다.

이러한 기능을 함께 사용하면 데이터 준비, 모델 학습 및 비교, 최적 결과 배포, 예측을 활용한 워크플로 구축, 운영 동작 모니터링, 유용한 예시의 다음 학습 주기 반영까지 모델 라이프사이클을 더욱 긴밀하게 연결할 수 있습니다.

발표 세션: 엣지 실리콘에서 체화형 AI까지#

제품 발표 외에도 다양한 AI 생태계의 리더들이 한자리에 모여 오늘날 실제 환경에서 비전 AI를 배포하는 모습과 과제를 살펴보았습니다.

• 건설 및 산업 검사: Keith Povich는 Ultralytics YOLO26을 건설 현장 이해에 적용하는 방법을 소개했습니다. 단순한 객체 감지를 넘어 현장 전체의 맥락을 파악하고, 여러 분야 간 충돌을 표시하며, 전문가 검토를 위한 근거 기반 수정안을 준비하는 과정이었습니다.
• 비전 AI를 위한 개방형 컴퓨팅: Alex Zhang은 실험과 학습부터 실제 환경의 추론까지 PyTorch와 ROCm을 통해 AMD GPU에서 Ultralytics YOLO를 실행하는 방법을 선보였습니다.
• 엣지 가속: NVIDIA, Intel 및 Qualcomm의 세션에서는 Intel의 Core Ultra 프로세서용 OpenVINO™ 최적화를 비롯해 차세대 엣지 하드웨어에서 학습부터 배포까지 YOLO 모델을 가속하는 방법을 다루었습니다.
• 현장 로보틱스: Lisa Li는 D-Robotics RDK를 통해 실제 환경의 로봇에 Ultralytics YOLO를 배포하는 전 세계 개발자들의 사례와 벤치마크를 공유했습니다.
• 체화형 비전 AI: Paul Li는 로보틱스 연구를 신뢰할 수 있는 실제 로봇 시스템으로 전환하는 작업, 즉 인식을 실험실에서 꺼내 실제로 작동하는 로봇에 적용하는 실질적인 과제를 논의했습니다.
• 인류를 위한 AI: Dr. James Ong은 개별 제품을 넘어 시야를 넓혀, 비전 AI를 대규모로 배포할 때 따르는 더 폭넓은 책임을 살펴보았습니다.
• 다음에 가치가 이동할 곳: Steve Nouri는 모델의 성능이 향상되고 범용화되면서 AI 경제가 어떻게 변하는지 살펴보고, 지속적인 경쟁력은 모델 자체가 아니라 데이터, 맥락, 워크플로 및 신뢰에서 나온다고 주장했습니다.

하루 일정은 모델 개발자, 하드웨어 혁신가 및 실제 제품을 만드는 팀이 참여한 패널 토론으로 마무리되었습니다. 패널은 이러한 기술이 어떻게 융합되고 있는지, 더욱 역량 있는 비전 AI를 현실에 적용하려면 앞으로 무엇이 필요한지 논의했습니다.

행사장 내 부스, 워크숍 및 라이브 데모#

무대에서 비전 AI의 미래를 논의했다면, 행사장에서는 그중 상당 부분이 이미 현재 실행되고 있음을 확인할 수 있었습니다. YV26은 하루 동안 세 차례의 데모 시간을 마련하고 점심 시간에도 별도 세션을 진행해, 참석자들이 자리에 앉아 관람하는 데 그치지 않고 직접 체험할 충분한 시간을 제공했습니다.

올해 데모의 상당 부분은 다음과 같은 전시를 중심으로 진행되었습니다.

• LimX Dynamics는 행사장에서 체화형 AI 하드웨어를 선보여, 참석자들이 YOLO와 같은 인식 모델이 실제 로봇 플랫폼에 어떻게 연결되는지 가까이에서 살펴볼 수 있게 했습니다.
• D-Robotics는 엣지 SoC 개발 키트를 소개했습니다. 단일 통합 스택에서 감지, 모션 제어 및 의사결정을 실행하는 방법에 관한 논의를 이전 YOLO Vision 행사에 이어 진행했습니다.
• Axera는 효율적이고 저전력인 추론을 위한 칩과 컴퓨팅 플랫폼을 선보여, 참석자들이 동일한 YOLO 모델의 동작을 다양한 엣지 실리콘에서 비교할 수 있게 했습니다.

후원사 부스와 함께 AMD는 참석자 그룹을 대상으로 Ultralytics YOLO를 AMD ROCm 및 AMD 하드웨어에서 직접 배포하는 전용 실습 워크숍을 진행했습니다. 이는 당일 앞서 메인 무대에서 진행된 AMD 발표를 기술적으로 보완하는 세션이었습니다.

그림 2. Ultralytics YOLO Vision 2026에서 진행된 워크숍

데모 시간에는 Ultralytics 팀이 Auto-training과 Agents를 Ultralytics Platform에서 직접 시연하며 당일 발표 내용을 참석자들이 직접 체험하도록 했습니다. 참석자들은 무대 시연을 보기만 하는 대신 Ask AI를 사용하고 직접 워크플로를 구축할 수 있었습니다.

지난 행사들과 마찬가지로 가장 인상적인 순간 중 일부는 이러한 비공식적인 공간에서 만들어졌습니다. 참석자들은 Ultralytics의 커리어 이니셔티브와 상품 매장에서 이야기를 나누고, 부스에서 배포 과제에 관한 경험을 공유하며, 파트너 엔지니어에게 질문하고, 전년도 YV25 런던 및 선전 행사에서 시작된 대화를 이어갔습니다. 해마다 무대 위 기술은 달라지지만, 같은 부스에서 어깨를 나란히 한 기업 리더, 오픈 소스 기여자, 학생 및 취미 개발자가 어우러지는 모습은 모든 YOLO Vision 행사를 관통하는 공통점입니다.

핵심 요점#

YOLO Vision 2026은 Ultralytics가 두 가지 연계된 방향으로 발전하고 있음을 보여주었습니다. YOLO27, Enterprise 모델 및 오픈 보캐뷸러리 기능으로 Ultralytics YOLO 제품군을 확장하는 동시에, Ultralytics Platform을 통해 전체 모델 라이프사이클의 접근성을 높이고 있습니다.

이러한 발전은 더 빠르고 정확할 뿐 아니라 실제 환경에서 더 쉽게 학습하고, 연결하고, 배포하고, 모니터링하고, 개선할 수 있는 비전 AI의 방향을 보여줍니다.

지금 Ultralytics Platform을 살펴보고, YOLO27 출시가 가까워짐에 따라 업데이트를 받으려면 대기자 명단에 등록하세요. 앞으로 펼쳐질 변화에 함께하려면 커뮤니티와 GitHub 저장소에 참여하세요.