Главные моменты Ultralytics YOLO Vision 2026!

13 сентября Ultralytics YOLO Vision 2026 (YV26) вновь распахнула двери, собрав мировое сообщество компьютерного зрения вместе — очно и онлайн. Тема этого года — «Открытое зрение для реального мира» — задала тон дню, посвящённому роли открытых исходных принципов в производственных системах, работающих в промышленности, логистике, робототехнике и сфере безопасности.

Руководители крупных компаний, основатели, инженеры, исследователи, студенты и участники проектов с открытым исходным кодом заполнили зал, а ещё больше людей следили за событием на YouTube. В этой статье мы расскажем о главных анонсах дня: Ultralytics YOLO27, крупных обновлениях Ultralytics Platform, выступлениях и моментах общения сообщества, благодаря которым YV26 запомнилась участникам.

Начало дня: видение Ultralytics — открытый ИИ для реального мира#

Событие открылось основным докладом основателя и генерального директора Ultralytics Гленна Джокера, к которому присоединились Паула Дерренджер, вице-президент по развитию, и Цзин Цю, старший инженер по машинному обучению. Вместе они обозначили тему дня: ИИ компьютерного зрения приносит наибольшую пользу, когда он открыт, доступен и создаётся с участием тех, кто применяет его на практике, а не просто оценивается по результатам тестирования в лаборатории.

Рис. 1. Выставочная зона Ultralytics YOLO Vision 2026.

Эта идея задала направление всей дальнейшей программе. На YV26 в равной степени говорили об архитектуре моделей и о том, что происходит после их обучения: как модели развёртывают, отслеживают и совершенствуют в production. Эта тема проходила через оба главных анонса дня.

Ultralytics YOLO27: новое поколение флагманских моделей представили на сцене#

Главным анонсом Ultralytics YOLO Vision 2026 стала Ultralytics YOLO27 — новое флагманское поколение семейства YOLO. Это не просто небольшое обновление: YOLO27 расширяет семейство за счёт новых задач, архитектур моделей и специализированных приложений.

Анонс охватил три направления:

• Ultralytics YOLO27: линейка из 28 моделей четырёх размеров (n, s, m и l) для семи задач: обнаружения объектов, сегментации экземпляров, семантической сегментации, оценки глубины, классификации, оценки позы и обнаружения объектов с заданной ориентацией. Компактные модели предназначены для быстрого развёртывания на периферийных устройствах, а более крупные — для производственных нагрузок на GPU и приложений, где критична точность. YOLO27l — первая модель Ultralytics, набравшая более 60 mAP на COCO; все размеры поддерживают привычный интерфейс Ultralytics.
• Корпоративные модели Ultralytics YOLO27: предварительно обученные модели для конкретных областей и требовательных корпоративных приложений, в том числе розничной торговли, складской логистики, безопасности и ИИ компьютерного зрения с воздуха. Обучение на объектах, в условиях и на нестандартных примерах, характерных для этих областей, даст командам более надёжную основу для создания специализированных систем обнаружения, готовых к использованию в production.
• Ultralytics YOLOE-27: новое поколение моделей Ultralytics для обнаружения и сегментации в реальном времени с открытым словарём. YOLOE-27 умеет распознавать объекты по тексту, изображению или без подсказок, расширяя возможности систем компьютерного зрения за пределы фиксированного набора заранее определённых классов.

Вместе эти три направления превращают YOLO27 из отдельного выпуска модели в широкое семейство: модель общего назначения, набор корпоративных вариантов, настроенных для конкретных областей, и модель с открытым словарём, которую можно напрямую подключить к интерфейсу LLM, уже доступному в пакете Ultralytics для Python.

YOLO27 анонсировали на сцене YV26; модель станет доступна позднее в этом году. Вступи в список ожидания, чтобы получить уведомление сразу после выпуска.

Ultralytics Platform: AutoTrain, Agents и Monitoring#

После анонсов моделей команда представила Ultralytics Platform и показала, как платформа упрощает повседневную работу над системами компьютерного зрения. Три основных направления продемонстрировали, как Platform сокращает объём ручной работы между подготовкой данных и эксплуатацией моделей в production.

• AutoTrain: диалоговый интерфейс для обучения, сравнения и улучшения моделей. Пользователи могут простыми словами описать желаемый результат, а затем выполнять такие действия, как поиск наборов данных, запуск обучения, сравнение результатов и подготовка моделей к развёртыванию.
• Agents: визуальный холст для объединения изображений, моделей YOLO, моделей «зрение — язык», условий и действий в полноценные рабочие процессы. Например, конвейер может обращаться к модели «зрение — язык» только тогда, когда YOLO обнаруживает человека, или отправлять предсказания с низким уровнем уверенности в набор данных для проверки. Шаблоны помогают начать с распространённых сценариев, а затем адаптировать их для собственных приложений.
• Monitoring: встроенные средства наблюдения за развёрнутыми конечными точками, включая объём запросов, задержки, ошибки, состояние и журналы. Платные выделенные конечные точки также предоставляют статистику предсказаний в реальном времени и временные примеры, которые пользователи могут проверять и сохранять в наборах данных.

Вместе эти возможности создают более связанный жизненный цикл модели: подготовь данные, обучи и сравни модели, разверни лучший результат, создай рабочие процессы на основе его предсказаний, отслеживай поведение в production и возвращай полезные примеры в следующий цикл обучения.

Выступления: от периферийных чипов до воплощённого ИИ#

Помимо анонсов продуктов, программа объединила лидеров всей экосистемы ИИ, чтобы обсудить, как сегодня выглядит внедрение ИИ компьютерного зрения в реальных условиях.

• Строительство и промышленный контроль: Кит Пович рассказал, как Ultralytics YOLO26 применяют для анализа строительных площадок: от простого обнаружения объектов переходят к пониманию контекста всей площадки, выявляют конфликты между разными дисциплинами и подготавливают подтверждённые данными корректировки для проверки специалистами.
• Открытые вычисления для ИИ компьютерного зрения: Алекс Чжан показал, как Ultralytics YOLO работает на GPU AMD через PyTorch и ROCm — от экспериментов и обучения до инференса в реальных условиях.
• Ускорение на периферийных устройствах: на сессиях NVIDIA, Intel и Qualcomm обсуждали ускорение моделей YOLO от обучения до развёртывания на аппаратном обеспечении нового поколения для периферийных устройств, включая оптимизации Intel OpenVINO™ для процессоров Core Ultra.
• Робототехника в реальных условиях: Лиза Ли поделилась примерами и результатами тестов разработчиков со всего мира, использующих Ultralytics YOLO на реальных роботах с помощью D-Robotics RDK.
• Воплощённый ИИ компьютерного зрения: Пол Ли рассказал о переводе исследований в области робототехники в надёжные роботизированные системы для реального мира и о практической задаче переноса технологий восприятия из лаборатории в работающих роботов.
• ИИ на благо человечества: в своём выступлении доктор Джеймс Онг расширил взгляд за пределы отдельных продуктов и рассмотрел более широкую ответственность, связанную с масштабным внедрением ИИ компьютерного зрения.
• Где появится ценность: Стив Нури рассказал, как меняется экономика ИИ по мере того, как модели становятся более мощными и превращаются в стандартный товар. По его мнению, устойчивое преимущество будет связано не с самой моделью, а с данными, контекстом, рабочими процессами и доверием.

День завершился дискуссией с участием разработчиков моделей, новаторов в области аппаратного обеспечения и команд, создающих реальные продукты. Они обсудили, как сходятся эти технологии и что ещё нужно сделать, чтобы более мощные системы ИИ компьютерного зрения применялись в реальном мире.

Стенды, мастер-классы и демонстрации на площадке мероприятия#

На сцене говорили о будущем ИИ компьютерного зрения, а площадка мероприятия показывала, сколько решений уже работает сегодня. В программу YV26 включили три отдельных перерыва для демонстраций и большую обеденную сессию, чтобы у участников было достаточно времени попробовать технологии на практике, а не только наблюдать за ними из зала.

В этом году значительную часть площадки заняли демонстрации:

• LimX Dynamics представила на площадке аппаратные решения для воплощённого ИИ, позволив участникам вблизи увидеть, как модели восприятия, например YOLO, интегрируются в реальные роботизированные платформы.
• D-Robotics показала комплекты для разработки на периферийных SoC и продолжила начатое на предыдущих мероприятиях YOLO Vision обсуждение того, как объединить сенсорику, управление движением и принятие решений в одном стеке.
• Axera продемонстрировала чипы и вычислительные платформы для эффективного инференса с низким энергопотреблением. Участники могли сравнить работу одних и тех же моделей YOLO на разных периферийных чипах.

В дополнение к стендам спонсоров AMD провела отдельный практический мастер-класс: участники шаг за шагом учились развёртывать Ultralytics YOLO непосредственно на AMD ROCm и оборудовании AMD. Это стало техническим дополнением к выступлению AMD на главной сцене ранее в тот же день.

Рис. 2. Мастер-классы на Ultralytics YOLO Vision 2026

Перерывы для демонстраций также дали команде Ultralytics возможность показать анонсированные в этот день решения непосредственно участникам: в рамках живой демонстрации Auto-training и Agents на Ultralytics Platform посетители могли попробовать Ask AI и самостоятельно создать рабочий процесс, а не просто смотреть презентацию со сцены.

Как и на предыдущих мероприятиях, некоторые лучшие моменты происходили именно в перерывах между сессиями. У стендов участники знакомились с карьерными инициативами Ultralytics и магазином фирменной продукции, обсуждали сложности развёртывания, задавали вопросы инженерам партнёров и продолжали разговоры, начатые годом ранее на мероприятиях YV25 в Лондоне и Шэньчжэне. Сочетание руководителей крупных компаний, участников проектов с открытым исходным кодом, студентов и энтузиастов, стоящих плечом к плечу у одних и тех же стендов, остаётся отличительной чертой каждого мероприятия YOLO Vision, несмотря на ежегодные изменения технологий, представленных на сцене.

Главные выводы#

На YOLO Vision 2026 было видно, как Ultralytics развивается сразу в двух взаимосвязанных направлениях: расширяет семейство Ultralytics YOLO с помощью YOLO27, корпоративных моделей и возможностей работы с открытым словарём, а также делает весь жизненный цикл моделей доступнее благодаря Ultralytics Platform.

Эти разработки указывают на будущее, в котором Vision AI будет не только быстрее и точнее, но и проще в обучении, интеграции, развертывании, мониторинге и совершенствовании в реальных условиях.

Изучи Ultralytics Platform уже сегодня и встань в лист ожидания, чтобы получать новости о приближении выпуска YOLO27. Присоединяйся к нашему сообществу и следи за репозиторием на GitHub, чтобы быть в курсе дальнейших планов.