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

A Ultralytics participou do AMD Dev Day em Xangai para conhecer como a AMD e seus parceiros estão moldando a próxima fase da infraestrutura de IA. A principal mensagem do evento foi clara: a discussão sobre IA da AMD está indo além dos modelos independentes e avançando para sistemas de IA implantáveis. Nas palestras, demonstrações de produtos e conversas com parceiros, os principais temas foram IA agêntica, implantação local de IA, ecossistemas de código aberto e as ferramentas para desenvolvedores necessárias para tornar esses sistemas práticos em grande escala.

Como disse Lisa Su, presidente e CEO da AMD, “Nunca houve um momento mais empolgante para trabalhar com tecnologia do que agora.”

Para as equipes que desenvolvem produtos reais de IA, essa mudança é importante. Ela sugere que o sucesso na próxima etapa do mercado pode depender menos do acesso a um único modelo de ponta e mais da capacidade das equipes de orquestrar fluxos de trabalho, controlar os custos de inferência, proteger dados confidenciais e escolher o ambiente de implantação adequado para cada tarefa.

A mensagem da AMD: a IA precisa de uma estratégia computacional de pilha completa#

Um dos principais temas do AMD Dev Day foi a iniciativa da AMD de se posicionar como provedora de computação completa, de ponta a ponta, para a era da IA. A empresa apresentou sua abordagem como uma forma de oferecer suporte a cargas de trabalho de IA na nuvem, em dispositivos cliente e em ambientes de edge, enfatizando um ecossistema de software aberto em vez de uma pilha proprietária fechada.

Essa perspectiva é importante porque reflete a evolução do desenvolvimento de IA. Criar produtos modernos de IA já não se resume a treinar ou chamar uma API de modelo. Cada vez mais, as equipes precisam oferecer suporte à experimentação local, a fluxos de trabalho multiagente, à otimização de inferência, a testes em escala de estação de trabalho e à implantação empresarial. As mensagens da AMD no evento relacionaram consistentemente 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 durante o evento AMD Dev Day em Xangai.

A IA agêntica foi o tema predominante do evento#

Se houve uma ideia repetida ao longo do dia, foi a transição das interações tradicionais com LLMs para sistemas de IA agêntica. Os palestrantes descreveram essa mudança como uma passagem de prompts e respostas pontuais para a orquestração multiagente, em que diferentes agentes planejam, executam, avaliam e colaboram em fluxos de trabalho.

Isso é importante porque os sistemas agênticos impõem novas exigências à pilha de IA. Segundo a perspectiva apresentada no evento, esses sistemas precisam não só do desempenho da GPU, mas também de capacidade significativa de processamento da CPU, orquestração do fluxo de dados e memória para dar suporte a ciclos repetidos de inferência e execução em várias etapas.

Para desenvolvedores e equipes de IA, a conclusão é que a vantagem competitiva pode vir da criação de sistemas de IA eficazes, e não apenas da escolha do modelo mais capaz. A capacidade de conectar modelos a fluxos de trabalho, ferramentas, dados locais e processos empresariais está se tornando uma parte essencial do próprio produto.

A implantação local de IA está se tornando mais estratégica#

Outro tema importante no AMD Dev Day foi a ênfase na implantação local de IA. A AMD e seus parceiros defenderam repetidamente que cargas de trabalho avançadas de IA precisam cada vez mais ser executadas perto de onde o trabalho acontece, inclusive em laptops, estações de trabalho e hardware empresarial.

Os motivos foram consistentes ao longo do evento:

• Menor latência
• Mais privacidade dos dados
• Maior controle sobre fluxos de trabalho confidenciais
• Menor dependência dos custos de APIs na nuvem

A AMD usou o Ryzen AI Max 395 como principal exemplo para sustentar esse argumento, destacando configurações com até 128 GB de memória unificada e a capacidade de executar localmente modelos grandes em um único conjunto de memória, sem fragmentação. O evento também apresentou configurações de desenvolvimento em escala de estação de trabalho com o Radeon AI Pro R9700 e o AMD Threadripper Pro 9000 para testes e expansão local antes da implantação.

A mensagem geral não era que a nuvem vai desaparecer. Em vez disso, o evento apresentou um modelo híbrido em que ambientes locais e na nuvem trabalham juntos. Tarefas mais rotineiras ou sensíveis à latência ou à privacidade podem ser executadas localmente, enquanto tarefas mais exigentes ainda podem ser transferidas para a nuvem quando necessário.

Os custos de inferência de IA e a demanda por tokens estão moldando as escolhas de infraestrutura#

O AMD Dev Day também destacou as pressões econômicas por trás dessas decisões de arquitetura. Os palestrantes enfatizaram o rápido crescimento da demanda por tokens, o aumento dos custos de inferência e a pressão que isso gera para desenvolvedores e empresas que criam produtos de IA.

Nesse contexto, a IA local foi apresentada tanto como estratégia técnica quanto como forma de controlar custos. A mensagem repetida no evento foi que a próxima fase da IA vai favorecer as equipes que usam a computação com mais eficiência, não apenas aquelas que consomem mais recursos.

Para quem desenvolve IA, isso é um sinal prático. As decisões de infraestrutura estão cada vez mais ligadas às decisões de produto. Latência, privacidade, memória e custo por token já não são 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 do AMD Dev Day foi o papel central dos ecossistemas de software abertos. A AMD destacou o ROCm, o suporte às principais estruturas sem alterações no código, o acesso a mais de 3 milhões de modelos pelo Hugging Face e pelo ModelScope e as metas de oferecer suporte desde o primeiro dia a novos lançamentos de modelos.

Nick Ni, diretor sênior de gerenciamento de produtos de IA na AMD, resumiu bem essa ênfase: “Para a maioria de vocês nesta sala, na verdade, a história é o software.”

O evento também destacou várias iniciativas voltadas para desenvolvedores:

• AMD AI Developer Cloud com acesso gratuito a GPUs para desenvolvedores na China
• Integração do ModelScope Studio com opções de ambiente de execução de GPU da AMD
• AMD AI Playbooks com guias passo a passo
• Um programa para desenvolvedores que adicionou mais de 100.000 participantes nos últimos meses

Essa parte do evento pareceu especialmente importante porque reforçou uma verdade básica: a capacidade do hardware, por si só, não impulsiona a adoção. Os desenvolvedores precisam de ferramentas maduras, estruturas conhecidas, documentação e formas simples de experimentar. É a história do ecossistema que transforma alegações de desempenho em plataformas utilizáveis.

Por que a China se destacou no AMD Dev Day#

O papel da China no mercado de IA foi outro tema recorrente. Vários palestrantes descreveram a China como um ambiente de destaque para a inovação em IA de código aberto, especialmente em áreas influenciadas pela eficiência, pela implantação local e por restrições práticas de engenharia.

As parcerias com a Zero One AI e a Stepfun foram usadas para reforçar esse ponto. As notas do evento descreveram um sistema empresarial integrado multiagente desenvolvido em conjunto com a Zero One AI, baseado na arquitetura Ryzen AI Max para implantação local, e um modelo da Stepfun otimizado para hardware da AMD e projetado para tarefas agênticas.

A implicação mais ampla foi que a China não é apenas um grande mercado de IA, mas também um campo de testes importante para a implantação local de IA, modelos de código aberto e projetos de infraestrutura sensíveis a custos.

O que a Ultralytics aprendeu no AMD Dev Day Shanghai#

Na perspectiva da equipe da Ultralytics, o sinal mais útil do AMD Dev Day foi o foco em sistemas de IA implantáveis, em vez da capacidade de IA em abstrato. O evento se concentrou consistentemente em como desenvolvedores e empresas podem executar, integrar, proteger e escalar IA em ambientes de produção.

Isso inclui perguntas como:

• O que deve ser executado localmente e o que deve ficar na nuvem?
• Como as equipes devem considerar a latência e a privacidade?
• Como os desenvolvedores podem reduzir a dependência de APIs de inferência caras?
• Quais ferramentas e camadas de software facilitam a adoção de plataformas de IA?

Essas são perguntas práticas e cada vez mais definem como produtos de IA bem-sucedidos são desenvolvidos. Também consideramos essas questões diretamente na forma como desenvolvemos e lançamos modelos Ultralytics YOLO. A flexibilidade de implantação — seja em um laptop, uma estação de trabalho ou uma instância na nuvem — sempre foi uma restrição fundamental de projeto para nós, não algo pensado depois.

O impulso em favor de ecossistemas de código aberto e da eficiência de inferência no AMD Dev Day reforçou algo em que já acreditamos: as ferramentas de IA mais úteis são as que se encaixam em fluxos de trabalho reais, em hardware real, sem exigir que as equipes reconstruam sua infraestrutura em torno de um único fornecedor ou plataforma.

Fig. 3. A equipe da Ultralytics no AMD Dev Day em Xangai.

Considerações finais#

O AMD Dev Day Shanghai deixou algo claro: a discussão sobre infraestrutura de IA está amadurecendo. O foco está deixando de ser apenas a escala bruta dos modelos e passando para os sistemas mais amplos necessários para tornar a IA útil no mundo real. Fluxos de trabalho agênticos, implantação local de IA, ferramentas de código aberto e eficiência da infraestrutura foram os temas mais evidentes do evento.

Para as equipes que desenvolvem produtos de IA, vale a pena prestar atenção nessa mudança. A próxima onda de avanços pode vir da escolha da arquitetura, do modelo de implantação e do ecossistema para desenvolvedores certos, não apenas do maior modelo.

Se você está desenvolvendo sistemas de visão computacional e pensando onde executar a inferência — no dispositivo, localmente ou na nuvem —, os modelos Ultralytics YOLO foram projetados para oferecer essa flexibilidade. Explore nosso repositório no GitHub para começar, veja como a visão computacional se encaixa em implantações reais na manufatura e na logística ou confira nossas opções de licenciamento para começar a desenvolver.