Ultralytics YOLO em parceria com a DEEPX: inferência de IA de borda para IA física

Na Ultralytics, estamos observando uma mudança crescente em direção à execução de modelos de visão computacional diretamente em dispositivos de borda, à medida que a IA se torna mais profundamente integrada ao mundo físico. Da robótica e máquinas industriais a câmeras inteligentes e veículos autônomos, cada vez mais sistemas inteligentes são solicitados a ver, entender e agir em tempo real, sem depender da nuvem.

Essa nova onda de sistemas inteligentes está sendo chamada de Physical AI, e ela exige computação de alto desempenho e ultraeficiência energética que possa operar autonomamente no mundo real. Sistemas do mundo real precisam de visão computacional com IA que seja executada local e eficientemente em hardware projetado especificamente para a borda.

Modelos Ultralytics YOLO como o Ultralytics YOLO26 são projetados para visão computacional em tempo real, mas liberar todo o seu potencial na borda requer a combinação certa de software e hardware. Para esse fim, estamos entusiasmados em anunciar nossa nova parceria com a DEEPX.

Fizemos uma parceria com a DEEPX para introduzir uma nova integração de exportação, permitindo a implementação eficiente e de alto desempenho de modelos Ultralytics YOLO em hardware NPU da DEEPX. Juntos, estamos estabelecendo um padrão global unificado para como a Physical AI é construída, implementada e escalada.

Link to this sectionUma visão compartilhada para o futuro da Physical AI#

Como o framework de visão computacional mais amplamente adotado no mundo, a Ultralytics fornece os "olhos" desses sistemas. Como um dos fabricantes de NPU mais eficientes, a DEEPX fornece o "cérebro" para executá-los em escala.

Na Ultralytics e na DEEPX, acreditamos e somos movidos pela acessibilidade, desempenho e design focado no desenvolvedor. Ao unir os ecossistemas da Ultralytics e da DEEPX, estamos fornecendo um caminho único e confiável para implementar visão computacional com IA comercialmente, seja para uma empresa de robótica em estágio inicial entregando seu primeiro produto ou um fabricante da Fortune 500 implementando visão computacional com IA em milhares de instalações.

Isso significa:

• Time-to-market mais rápido: Da anotação à implementação em dias, não meses.
• Custos de implementação mais baixos: Desempenho de classe GPU com uma fração da energia e custo de silício, proporcionando 250+ FPS com 2-4 W de consumo de energia.
• Novas oportunidades de receita: Construa e entregue produtos de Edge AI que antes eram economicamente inviáveis.
• Escalabilidade preparada para o futuro: Um pipeline CI/CD dedicado garante que cada novo lançamento da Ultralytics funcione imediatamente com o hardware da DEEPX, apoiado pelos compromissos de fornecimento de longo prazo da DEEPX.

Link to this sectionExplorando a tecnologia NPU da DEEPX#

Antes de mergulhar na nova integração de exportação, vamos aprender mais sobre a DEEPX e o papel que suas NPUs desempenham na viabilização de uma Physical AI eficiente.

A DEEPX é uma inovadora em semicondutores de IA que oferece hardware de Edge AI eficiente, projetado especificamente para modelos de visão como o Ultralytics YOLO com frames-por-segundo por watt (FPS/W) inigualáveis.

Os chips da DEEPX redefinem o desempenho ao focar na eficiência do mundo real em vez de métricas teóricas, permitindo que os desenvolvedores alcancem resultados de classe GPU com uma fração do orçamento de energia.

O que torna a abordagem da DEEPX particularmente inovadora é seu design full-stack. A NPU DX-M1 é projetada especificamente para acelerar os padrões computacionais de modelos de visão computacional, com resfriamento passivo e baixo consumo de energia, tornando-a ideal para implementações em escala de produção onde o desempenho por watt e a confiabilidade de longo prazo importam. O DX-M1 está em produção em massa na fundição de 5nm da Samsung, com o DX-M2 já no roteiro em 2nm GAA da Samsung para estender essa eficiência para a era da Agentic AI.

Link to this sectionComeçando a exportar modelos Ultralytics YOLO para a DEEPX#

O pacote Python da Ultralytics e a Plataforma Ultralytics fornecem um ambiente completo e unificado para treinar, avaliar e implementar modelos YOLO em todas as cinco tarefas de visão computacional. Se você prefere trabalhar com código ou através de um fluxo de trabalho visual sem atrito, ambos os caminhos oferecem uma maneira consistente e escalável de levar um modelo dos dados à implementação.

Por meio desta parceria, a Ultralytics introduziu uma nova integração de exportação com a DEEPX, permitindo que modelos YOLO sejam exportados para implementação em hardware NPU da DEEPX com um único comando: format=deepx. A integração é totalmente suportada em todo o ecossistema Ultralytics, o que significa que os desenvolvedores podem exportar para a DEEPX a partir do pacote Python ou diretamente da Plataforma Ultralytics após anotar e treinar seu modelo. Durante a exportação, o modelo é compilado e quantizado em INT8 para um binário .dxnn otimizado, com calibração baseada em EMA garantindo o máximo desempenho da NPU sem sacrificar a qualidade do modelo.

Na prática, isso significa que equipes comerciais podem ir de dados rotulados a um modelo pronto para produção rodando em NPUs da DEEPX com apenas três comandos:

# Step 1: Install Ultralytics
pip install ultralytics

# Step 2: Export your YOLO model to DEEPX format
yolo export model=yolo26n.pt format=deepx

# Step 3: Run inference on DEEPX hardware
yolo detect predict model=yolo26n_deepx_model

Para detalhes completos de configuração, incluindo instalação em tempo de execução e visualização com o visualizador de grafos dxtron da DEEPX, confira a documentação de integração da DEEPX.

Link to this sectionPrincipais benefícios de rodar modelos Ultralytics YOLO em NPUs da DEEPX#

Aqui estão algumas das principais vantagens de implementar modelos Ultralytics YOLO em hardware da DEEPX usando a nova integração:

• Integração perfeita com o fluxo de trabalho da Ultralytics: Exportar modelos YOLO para implementação na DEEPX se encaixa naturalmente no pacote Python da Ultralytics, com um único comando format=deepx padronizando o processo de implementação na borda.
• Suporte para múltiplas tarefas de visão computacional: Você pode implementar modelos para detecção de objetos, segmentação, estimativa de pose, detecção de caixa delimitadora orientada (OBB) e classificação em YOLOv8, YOLO11 e YOLO26.
• Inferência de borda ultraeficiente: NPUs da DEEPX entregam desempenho de classe GPU com uma fração da energia, com resfriamento passivo e consumo de energia ultrabaixo, ideais para implementações em escala de produção.
• Fundação preparada para o futuro: Um pipeline CI/CD dedicado garante compatibilidade imediata com cada novo lançamento da Ultralytics, enquanto o roteiro do DX-M1 para o DX-M2 estende a mesma pilha de software para a era da Agentic AI.
• Escalável em aplicações de Physical AI: De vigilância inteligente e inspeção industrial a robótica e sistemas autônomos, a integração suporta uma ampla gama de casos de uso do mundo real.

Link to this sectionOnde os modelos Ultralytics YOLO e o hardware da DEEPX podem causar impacto#

Então, quais são algumas das aplicações comuns de Physical AI onde os modelos Ultralytics YOLO podem ser implementados no hardware da DEEPX em cenários do mundo real?

Link to this sectionVigilância inteligente na borda#

Sistemas de vigilância modernos exigem detecção em tempo real sem comprometer a privacidade ou a conectividade. Modelos Ultralytics YOLO rodando em NPUs da DEEPX permitem que câmeras de segurança e sistemas de monitoramento analisem feeds de vídeo localmente, identificando pessoas, veículos e atividades incomuns em tempo real, com baixo consumo de energia e sem dependência da nuvem. À medida que a aplicação do GDPR se torna mais rigorosa na Europa e as licitações municipais exigem cada vez mais a residência dos dados, a inferência no dispositivo torna-se uma vantagem regulatória tanto quanto técnica.

Link to this sectionAutomação industrial e controle de qualidade#

Em fábricas e instalações de manufatura, a visão computacional com IA está sendo usada cada vez mais para automatizar o controle de qualidade, detecção de defeitos e monitoramento de processos. Combinar modelos Ultralytics YOLO com hardware da DEEPX permite inspeção no dispositivo que roda de forma confiável 24/7 em ambientes industriais exigentes, ajudando a reduzir o desperdício, melhorar a qualidade do produto e proteger a segurança dos trabalhadores.

Link to this sectionRobótica e sistemas autônomos#

Para robótica, velocidade e responsividade são críticas. Seja navegando em um armazém, operando em ambientes industriais dinâmicos ou trabalhando ao lado de humanos, robôs precisam interpretar seu entorno instantaneamente. Modelos Ultralytics YOLO rodando em NPUs da DEEPX permitem que robôs detectem obstáculos, rastreiem pessoas e identifiquem objetos em tempo real, apoiando movimentos mais seguros e maior autonomia sem depender de conectividade constante com a nuvem.

Link to this sectionPrincipais conclusões#

Modelos Ultralytics YOLO e NPUs da DEEPX tornam mais fácil do que nunca levar Physical AI de alto desempenho para a borda. Ao simplificar a implementação com o novo padrão format=deepx e otimizar modelos para o hardware energeticamente eficiente da DEEPX, esta parceria ajuda a preencher a lacuna entre o desenvolvimento e as aplicações comerciais do mundo real. À medida que a Physical AI continua a crescer, esta colaboração é um passo para tornar a visão computacional com IA de nível de produção acessível, acessível e escalável para empresas de todos os tamanhos.

Pronto para levar seus produtos de Edge AI ao mercado mais rapidamente?

• Solicite uma licença para acessar suporte comercial e modelos YOLO Enterprise.
• Experimente a Plataforma Ultralytics para anotar, treinar e implementar seu primeiro modelo pronto para DEEPX.
• Torne-se um parceiro Ultralytics para explorar oportunidades de implementação conjunta.
• Leia a documentação para o guia técnico completo.

Descubra como inovações como IA na robótica e IA na manufatura estão moldando o futuro.