Ultralytics no AMD Dev Day Shanghai: a IA local encontra sistemas agênticos

A Ultralytics participou na AMD Dev Day em Xangai para saber como a AMD e os seus parceiros estão a moldar a próxima fase da infraestrutura de IA. A mensagem mais forte do evento foi clara: a conversa sobre IA da AMD está a ultrapassar os modelos autónomos e a avançar para sistemas de IA implementáveis. Entre as apresentações, demonstrações de produtos e discussões com parceiros, os principais temas foram a IA agêntica, a implementação de IA local, os ecossistemas de código aberto e as ferramentas de desenvolvimento necessárias para tornar estes sistemas práticos em grande escala.

Como afirmou a presidente e CEO da AMD, Lisa Su, “Nunca houve uma época mais entusiasmante para estar na área da tecnologia do que a atual.”

Para as equipas que desenvolvem produtos de IA reais, esta mudança é importante. Isto sugere que o sucesso na próxima fase do mercado poderá depender menos do acesso a um único modelo de fronteira e mais da capacidade das equipas para orquestrar fluxos de trabalho, controlar os custos de inferência, proteger dados sensíveis e escolher o ambiente de implementação adequado para cada tarefa.

A mensagem da AMD: a IA precisa de uma estratégia de computação full-stack#

Um dos principais temas ao longo da AMD Dev Day foi o esforço da AMD para se posicionar como um fornecedor de computação completo, de ponta a ponta, para a era da IA. A empresa apresentou a sua abordagem como uma forma de suportar cargas de trabalho de IA em ambientes de cloud, cliente e edge, destacando simultaneamente um ecossistema de software aberto em vez de uma stack proprietária fechada.

Esse enquadramento é importante porque reflete a evolução do desenvolvimento de IA. Criar produtos modernos de IA já não consiste apenas em treinar ou chamar uma API de modelo. As equipas precisam cada vez mais de suportar experimentação local, fluxos de trabalho multiagente, otimização de inferência, testes à escala de uma workstation e implementação empresarial. A mensagem da AMD no evento associou consistentemente a sua proposta de hardware a essa realidade mais ampla de software e sistemas.

Lisa Su resumiu claramente essa ambição durante o evento: “Queremos levar a IA a todo o ecossistema.”

Fig. 1. Lisa Su no palco do evento AMD Dev Day em Xangai.

A IA agêntica foi o tema dominante do evento#

Se houve uma ideia repetida ao longo do dia, foi a transição das interações tradicionais com LLM para sistemas de IA agêntica. Os oradores descreveram esta mudança como uma passagem de prompts e respostas únicos para a orquestração multiagente, na qual diferentes agentes planeiam, executam, criticam e colaboram em vários fluxos de trabalho.

Isto é importante porque os sistemas agênticos impõem novas exigências à stack de IA. De acordo com o enquadramento do evento, estes sistemas precisam não só do desempenho da GPU, mas também de capacidade significativa de processamento da CPU, orquestração do fluxo de dados e capacidade de memória para suportar ciclos de inferência repetidos e execução em várias etapas.

Para os programadores e as equipas de IA, a conclusão é que a vantagem competitiva poderá resultar da criação de sistemas de IA eficazes, e não simplesmente da seleção do modelo mais capaz. A capacidade de ligar modelos a fluxos de trabalho, ferramentas, dados locais e processos empresariais está a tornar-se uma parte essencial do próprio produto.

A implementação de IA local está a assumir um papel mais estratégico#

Outro tema relevante na AMD Dev Day foi a ênfase na implementação de IA local. A AMD e os seus parceiros defenderam repetidamente que as cargas de trabalho avançadas de IA precisam cada vez mais de ser executadas mais perto do local onde o trabalho acontece, incluindo em portáteis, workstations e hardware empresarial.

As razões foram consistentes ao longo de todo o evento:

• Menor latência
• Maior privacidade dos dados
• Maior controlo sobre fluxos de trabalho sensíveis
• Menor dependência dos custos das APIs cloud

A AMD utilizou o Ryzen AI Max 395 como principal prova desse argumento, destacando configurações com até 128 GB de memória unificada e a capacidade de executar localmente modelos grandes num único conjunto de memória, sem sharding. O evento também apresentou configurações de desenvolvimento à escala de uma workstation, utilizando o Radeon AI Pro R9700 e o AMD Threadripper Pro 9000 para testes e escalabilidade local antes da implementação.

A mensagem geral não foi a de que a cloud iria desaparecer. Em vez disso, o evento apresentou um modelo híbrido no qual os ambientes locais e cloud trabalham em conjunto. As tarefas mais rotineiras ou sensíveis à latência ou à privacidade podem ser executadas localmente, enquanto as tarefas mais exigentes podem continuar a ser encaminhadas para a cloud quando necessário.

Os custos de inferência de IA e a procura de tokens estão a moldar as escolhas de infraestrutura#

A AMD Dev Day também destacou a pressão económica por detrás destas decisões de arquitetura. Os oradores do evento enfatizaram o rápido crescimento da procura de tokens, o aumento dos custos de inferência e a pressão que isso cria para os programadores e as empresas que desenvolvem produtos de IA.

Neste enquadramento, a IA local foi apresentada tanto como uma estratégia de controlo de custos como uma estratégia técnica. A mensagem repetida do evento foi que a próxima fase da IA irá beneficiar as equipas que utilizam a computação de forma mais eficiente, e não simplesmente as que consomem mais recursos.

Para quem desenvolve IA, este é um sinal prático. As decisões de infraestrutura são cada vez mais decisões de produto. Latência, privacidade, memória e custo dos tokens já não são meros detalhes secundários de engenharia.

Fig. 2. Kit de avaliação AMD Versal AI Edge Series Gen2 VEK385.

AMD ROCm e o ecossistema de IA de código aberto#

Outra conclusão importante da AMD Dev Day foi o papel central dos ecossistemas de software aberto. A AMD destacou o ROCm, o suporte sem alterações de código para as principais frameworks, o suporte para mais de 3 milhões de modelos através do Hugging Face e do ModelScope e os objetivos de oferecer suporte desde o primeiro dia para novos lançamentos de modelos.

Nick Ni, diretor sénior de gestão de produtos de IA na AMD, resumiu bem essa ênfase: “Para a maioria de vocês nesta sala, na verdade, o software é o tema central.”

O evento também destacou várias iniciativas centradas nos programadores:

• AMD AI Developer Cloud com acesso gratuito a GPU para programadores na China
• Integração do ModelScope Studio com opções de runtime de GPU da AMD
• AMD AI Playbooks com guias passo a passo
• Um programa para programadores que adicionou mais de 100 000 programadores nos últimos meses

Esta parte do evento pareceu especialmente importante porque reforçou uma verdade básica: a capacidade do hardware, por si só, não impulsiona a adoção. Os programadores precisam de ferramentas maduras, frameworks familiares, documentação e formas simples de experimentar. A história do ecossistema é o que transforma alegações de desempenho em plataformas utilizáveis.

Por que motivo a China se destacou na AMD Dev Day#

O papel da China no mercado de IA foi outro tema recorrente. Vários oradores descreveram a China como um ambiente líder para a inovação em IA de código aberto, sobretudo em áreas moldadas pela eficiência, pela implementação local e por restrições práticas de engenharia.

As parcerias com a Zero One AI e a Stepfun foram utilizadas para reforçar esse ponto. As notas do evento descreviam um sistema empresarial conjunto, multiagente e completo com a Zero One AI, criado com base na arquitetura Ryzen AI Max para implementação local, e um modelo da Stepfun otimizado para hardware da AMD e concebido para tarefas agênticas.

A implicação mais ampla foi que a China não é apenas um importante mercado de IA, mas também um campo de testes relevante para a implementação de IA local, modelos de código aberto e conceção de infraestruturas sensíveis aos custos.

O que a Ultralytics retirou da AMD Dev Day Shanghai#

Na perspetiva da equipa da Ultralytics, o sinal mais útil da AMD Dev Day foi o foco em sistemas de IA implementáveis, em vez da capacidade de IA em abstrato. O evento centrou-se consistentemente na forma como os programadores e as empresas podem realmente executar, integrar, proteger e escalar a IA em ambientes de produção.

Isto inclui questões como:

• O que deve ser executado localmente e o que deve ser executado na cloud?
• Como devem as equipas abordar a latência e a privacidade?
• Como podem os programadores reduzir a dependência de APIs de inferência dispendiosas?
• Que ferramentas e camadas de software facilitam a adoção de plataformas de IA?

Estas são questões práticas e definem cada vez mais a forma como os produtos de IA bem-sucedidos são desenvolvidos. Também há questões que consideramos diretamente na forma como desenvolvemos e lançamos modelos Ultralytics YOLO. A flexibilidade de implementação, quer um modelo seja executado num portátil, numa workstation ou numa instância cloud, sempre foi uma restrição essencial de design para nós, e não uma consideração posterior.

O impulso a favor dos ecossistemas de código aberto e da eficiência de inferência na AMD Dev Day reforçou algo em que já acreditamos: as ferramentas de IA mais úteis são as que se integram em fluxos de trabalho reais, em hardware real, sem exigir que as equipas reconstruam a sua infraestrutura em torno de um único fornecedor ou plataforma.

Fig. 3. A equipa da Ultralytics na AMD Dev Day em Xangai.

Considerações finais#

A AMD Dev Day Shanghai deixou uma coisa clara: a conversa sobre infraestrutura de IA está a amadurecer. O foco está a passar da escala bruta dos modelos para os sistemas mais amplos necessários para tornar a IA útil no mundo real. Os fluxos de trabalho agênticos, a implementação de IA local, as ferramentas de código aberto e a eficiência da infraestrutura foram os temas mais claros ao longo do evento.

Para as equipas que desenvolvem produtos de IA, vale a pena prestar atenção a esta mudança. A próxima vaga de progresso poderá resultar da escolha da arquitetura certa, do modelo de implementação certo e do ecossistema de desenvolvimento certo, e não apenas do maior modelo.

Se estás a desenvolver sistemas de visão computacional e a pensar onde a inferência deve ser executada — no dispositivo, no local ou na cloud —, os modelos Ultralytics YOLO foram concebidos tendo essa flexibilidade em mente. Explora o nosso repositório do GitHub para começar, vê como a visão computacional se integra em implementações do mundo real na indústria e na logística, ou consulta as nossas opções de licenciamento para começares a desenvolver.