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

A Ultralytics participou do AMD Dev Day em Xangai para ouvir como a AMD e seus parceiros estão moldando a próxima fase da infraestrutura de IA. A mensagem mais forte do evento foi clara: a conversa sobre IA da AMD está indo além de modelos isolados e caminhando em direção a sistemas de IA implementáveis. Ao longo das palestras, demonstrações de produtos e discussões com parceiros, os maiores temas foram IA agentiva, implementação de IA local, ecossistemas de código aberto e as ferramentas de desenvolvedor necessárias para tornar esses sistemas práticos em escala.

Como disse a presidente e CEO da AMD, Lisa Su, “Nunca houve um momento tão emocionante para estar na tecnologia quanto hoje.”

Para equipes que constroem produtos de IA reais, essa mudança é importante. Ela sugere que o sucesso na próxima etapa do mercado pode depender menos do acesso a um único modelo de fronteira e mais de quão bem as equipes conseguem orquestrar fluxos de trabalho, controlar custos de inferência, proteger dados sensíveis e escolher o ambiente de implementação certo para o trabalho.

Link to this sectionA mensagem da AMD: a IA precisa de uma estratégia de computação full-stack#

Um tema importante ao longo do AMD Dev Day foi o esforço da AMD para se posicionar como um provedor completo de computação de ponta a ponta para a era da IA. A empresa estruturou sua abordagem em torno do suporte a cargas de trabalho de IA em ambientes de nuvem, cliente e edge, enfatizando um ecossistema de software aberto em vez de uma pilha proprietária fechada.

Essa estruturação é importante porque reflete como o desenvolvimento de IA está evoluindo. Criar produtos de IA modernos não se trata mais apenas de treinar ou chamar uma API de modelo. As equipes precisam cada vez mais oferecer suporte a experimentação local, fluxos de trabalho multi-agente, otimização de inferência, testes em escala de estação de trabalho e implementação corporativa. A mensagem do evento da AMD conectou consistentemente sua história de hardware a essa realidade mais ampla de software e sistemas.

Essa ambição foi resumida claramente por Lisa Su durante o evento: “Queremos trazer a IA para todos os lugares do ecossistema.”

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

Link to this sectionA IA agentiva foi o tema dominante do evento#

Se houve uma ideia repetida ao longo do dia, foi a transição das interações tradicionais com LLMs para sistemas de IA agentiva. Os palestrantes descreveram essa mudança como o movimento de prompts e respostas únicas em direção à orquestração multi-agente, onde diferentes agentes planejam, executam, criticam e colaboram em fluxos de trabalho.

Isso é importante porque os sistemas agentivos colocam novas demandas na pilha de IA. De acordo com o posicionamento do evento, esses sistemas precisam não apenas de desempenho de GPU, mas também de processamento de CPU significativo, orquestração de fluxo de dados e capacidade de memória para oferecer suporte a loops de inferência repetidos e execução em várias etapas.

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

Link to this sectionA implementação de IA local está se tornando mais estratégica#

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

Os motivos foram consistentes ao longo de todo o evento:

• Menor latência
• Melhor privacidade de dados
• Controle mais forte sobre fluxos de trabalho sensíveis
• Redução da dependência de custos de APIs de nuvem

A AMD usou o Ryzen AI Max 395 como um ponto de prova fundamental nesse argumento, destacando configurações com até 128GB de memória unificada e a capacidade de executar grandes modelos localmente em um único pool de memória sem sharding. O evento também apresentou configurações de desenvolvimento em escala de estação de trabalho usando o Radeon AI Pro R9700 e o AMD Threadripper Pro 9000 para testes e escalonamento local antes da implementação.

A mensagem geral não foi sobre o desaparecimento da nuvem. Em vez disso, o evento apresentou um modelo híbrido onde os ambientes locais e de nuvem trabalham juntos. Tarefas mais rotineiras, sensíveis à latência ou à privacidade podem ser executadas localmente, enquanto tarefas mais exigentes ainda podem ser escaladas para a nuvem quando necessário.

Link to this sectionO custo de inferência de IA e a demanda por tokens estão moldando as escolhas de infraestrutura#

O AMD Dev Day também destacou a pressão econômica por trás dessas decisões de arquitetura. Os palestrantes no evento enfatizaram o rápido crescimento na demanda por tokens, os custos crescentes de inferência e a pressão que isso cria para desenvolvedores e empresas que constroem produtos de IA.

Dentro dessa estruturação, a IA local foi apresentada como uma estratégia de controle de custos tanto quanto técnica. A mensagem repetida do evento foi que a próxima fase da IA recompensará as equipes que usam a computação com mais eficiência, não simplesmente aquelas que consomem a maior parte dela.

Para construtores de IA, esse é um sinal prático. Decisões de infraestrutura são cada vez mais decisões de produto. Latência, privacidade, memória e custo de token não são mais detalhes técnicos secundários.

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

Link to this sectionAMD ROCm e o ecossistema de IA de código aberto#

Outra conclusão importante do AMD Dev Day foi o papel central dos ecossistemas de software aberto. A AMD enfatizou o ROCm, suporte sem alteração de código para grandes estruturas, suporte para mais de 3 milhões de modelos por meio do Hugging Face e ModelScope, e metas de suporte no primeiro dia para novos lançamentos de modelos.

O Nick Ni, Diretor Sênior de Gestão de Produtos de IA na AMD, capturou bem essa ênfase: “Para a maioria de vocês nesta sala, na verdade, o software é a história.”

O evento também destacou várias iniciativas focadas no desenvolvedor:

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

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

Link to this sectionPor que a China se destacou no AMD Dev Day#

O papel da China no mercado de IA foi mais um tema recorrente. Vários palestrantes descreveram a China como um ambiente líder para inovação em IA de código aberto, particularmente em áreas moldadas pela eficiência, implementação local e restrições de engenharia prática.

Parcerias com Zero One AI e Stepfun foram usadas para reforçar esse ponto. As notas do evento descreveram um sistema empresarial conjunto multi-agente tudo-em-um com Zero One AI construído sobre a arquitetura Ryzen AI Max para implementação local, e um modelo Stepfun otimizado para hardware AMD e projetado para tarefas agentivas.

A implicação maior foi que a China não é apenas um grande mercado de IA, mas também um importante campo de provas para implementação local de IA, modelos de código aberto e design de infraestrutura sensível a custos.

Link to this sectionO que a Ultralytics levou do AMD Dev Day em Xangai#

Da perspectiva da equipe da Ultralytics, o sinal mais útil do AMD Dev Day foi o foco em sistemas de IA implementáveis, em vez de capacidade de IA no abstrato. O evento centrou-se consistentemente em como os desenvolvedores e empresas podem realmente executar, integrar, proteger e escalar a IA em ambientes de produção.

Isso inclui perguntas como:

• O que deve ser executado localmente versus na nuvem?
• Como as equipes devem pensar sobre latência e privacidade?
• Como os desenvolvedores podem reduzir a dependência de APIs de inferência caras?
• Quais ferramentas e camadas de software tornam as plataformas de IA mais fáceis de adotar?

Estas são perguntas práticas, e elas definem cada vez mais como produtos de IA de sucesso são construídos. Há também perguntas sobre as quais pensamos diretamente em como construímos e enviamos modelos Ultralytics YOLO. A flexibilidade de implementação, seja um modelo rodando em um laptop, uma estação de trabalho ou uma instância de nuvem, sempre foi uma restrição de design central para nós, não uma reflexão tardia.

O impulso em direção aos ecossistemas de código aberto e eficiência de inferência no AMD Dev Day reforçou algo em que já acreditamos: as ferramentas de IA mais úteis são aquelas 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 Ultralytics no AMD Dev Day em Xangai.

Link to this sectionConsiderações finais#

O AMD Dev Day Xangai deixou uma coisa clara: a conversa sobre infraestrutura de IA está amadurecendo. O foco está mudando da escala bruta do modelo sozinho para os sistemas mais amplos necessários para tornar a IA útil no mundo real. Fluxos de trabalho agentivos, implementação de IA local, ferramentas de código aberto e eficiência de infraestrutura foram os temas mais claros ao longo do evento.

Para equipes que constroem produtos de IA, vale a pena prestar atenção a essa mudança. A próxima onda de progresso pode vir da escolha da arquitetura certa, do modelo de implementação certo e do ecossistema de desenvolvedor certo, não apenas do maior modelo.

Se você está construindo sistemas de visão computacional e pensando sobre onde a inferência deve ser executada, no dispositivo, no local ou na nuvem, os modelos Ultralytics YOLO são projetados com essa flexibilidade em mente. Explore nosso repositório no GitHub para começar, veja como a visão computacional se encaixa em implementações do mundo real na manufatura e logística, ou confira nossas opções de licenciamento para começar a construir.