Ultralytics выводами по итогам мероприятия AMD Dev Day Shanghai, посвященного технологиям искусственного интеллекта AMD: локальное внедрение ИИ, агентные системы, ROCm и процессор Ryzen AI Max 395.
Ultralytics AMD Dev Day в Шанхае, чтобы узнать, как AMD и её партнёры формируют следующий этап развития инфраструктуры искусственного интеллекта. Главный посыл мероприятия был ясен: дискуссии AMD по поводу ИИ выходят за рамки отдельных моделей и смещаются в сторону внедряемых систем искусственного интеллекта. В ходе докладов, демонстраций продуктов и обсуждений с партнёрами основными темами стали агентный ИИ, локальное развёртывание ИИ, экосистемы с открытым исходным кодом, а также инструменты для разработчиков, необходимые для практического внедрения этих систем в широких масштабах.
Как сказала председатель совета директоров и генеральный директор AMD Лиза Су: «Сегодня — самое захватывающее время для работы в сфере технологий».
Для команд, разрабатывающих реальные продукты на базе ИИ, этот сдвиг имеет большое значение. Он свидетельствует о том, что успех на следующем этапе развития рынка будет зависеть не столько от доступа к какой-то одной передовой модели, сколько от того, насколько эффективно команды смогут организовать рабочие процессы, контролировать затраты на вычисления, защищать конфиденциальные данные и выбирать подходящую среду развертывания для конкретной задачи.
Одной из главных тем мероприятия AMD Dev Day стало стремление компании AMD позиционировать себя в качестве поставщика комплексных вычислительных решений для эпохи искусственного интеллекта. Компания сформулировала свой подход как поддержку рабочих нагрузок искусственного интеллекта в облачных, клиентских и периферийных средах, при этом делая акцент на открытой программной экосистеме, а не на закрытом проприетарном стеке.
Такая постановка вопроса важна, поскольку она отражает динамику развития ИИ. Создание современных продуктов на базе ИИ уже не сводится лишь к обучению моделей или вызову их API. Командам все чаще приходится решать задачи локального экспериментирования, организации многоагентных рабочих процессов, оптимизации вывода, тестирования на уровне рабочих станций и развертывания в корпоративной среде. В своих выступлениях на мероприятии компания AMD последовательно увязывала рассказ о своем оборудовании с этой более широкой картиной, охватывающей как программное обеспечение, так и системные решения.
Эту цель Лиза Су четко сформулировала во время мероприятия: «Мы хотим внедрить ИИ во все сферы экосистемы».
Если и была какая-то идея, которая повторялась на протяжении всего дня, то это переход от традиционного взаимодействия с моделями LLM к агентурным системам искусственного интеллекта. Докладчики описывали этот сдвиг как переход от однократных запросов и ответов к координации действий нескольких агентов, при которой различные агенты планируют, выполняют, анализируют и взаимодействуют в рамках рабочих процессов.
Это имеет значение, поскольку агентные системы предъявляют новые требования к стеку ИИ. Согласно концепции мероприятия, этим системам требуется не только GPU , но и значительные CPU , координация потоков данных, а также объем памяти для обеспечения многократных циклов инференса и многоэтапного выполнения.
Для разработчиков и команд, занимающихся искусственным интеллектом, главный вывод заключается в том, что конкурентное преимущество может заключаться не столько в выборе наиболее мощной модели, сколько в создании эффективных систем искусственного интеллекта. Способность интегрировать модели в рабочие процессы, инструменты, локальные данные и бизнес-процессы становится неотъемлемой частью самого продукта.
Еще одной важной темой на мероприятии AMD Dev Day стало особое внимание к локальному внедрению ИИ. Компания AMD и ее партнеры неоднократно подчеркивали, что для выполнения сложных задач в области ИИ все чаще требуется размещать их ближе к месту выполнения работ, в том числе на ноутбуках, рабочих станциях и корпоративном оборудовании.
Причины оставались неизменными на протяжении всего мероприятия:
Компания AMD использовала Ryzen AI Max 395 в качестве ключевого аргумента в этой дискуссии, обратив особое внимание на конфигурации с объемом объединенной памяти до 128 ГБ и возможностью локального запуска крупных моделей в едином пуле памяти без необходимости фрагментации. На мероприятии также были продемонстрированы конфигурации для разработки уровня рабочих станций, в которых использовались видеокарта Radeon AI Pro R9700 и процессор AMD Threadripper Pro 9000 для тестирования и локального масштабирования перед развертыванием.
Общий посыл заключался не в том, что облачные технологии исчезнут. Напротив, на мероприятии была представлена гибридная модель, в которой локальные и облачные среды работают совместно. Более рутинные задачи, а также задачи, чувствительные к задержкам или требующие соблюдения конфиденциальности, могут выполняться локально, в то время как более ресурсоемкие задачи по-прежнему можно переносить в облако при необходимости.
На мероприятии AMD Dev Day также было отмечено экономическое давление, лежащее в основе этих архитектурных решений. Выступавшие на мероприятии подчеркнули быстрый рост спроса на токены, увеличение затрат на вычисления и связанное с этим давление на разработчиков и предприятия, создающие продукты в области искусственного интеллекта.
В этом контексте локальное ИИ представлялось не только как техническая стратегия, но и как способ контроля затрат. На мероприятии неоднократно подчеркивалось, что на следующем этапе развития ИИ преимущество получат те команды, которые будут использовать вычислительные ресурсы более эффективно, а не просто те, кто потребляет их больше всего.
Для разработчиков ИИ это является важным сигналом. Решения, касающиеся инфраструктуры, все чаще становятся решениями, влияющими на продукт. Задержки, конфиденциальность, объем памяти и стоимость токенов больше не являются второстепенными техническими деталями.
Еще одним важным выводом, сделанным в ходе мероприятия AMD Dev Day, стала центральная роль экосистем открытого программного обеспечения. Компания AMD сделала акцент на ROCm, поддержке основных фреймворков без необходимости изменения кода, поддержке более 3 миллионов моделей через Hugging Face ModelScope, а также на целях обеспечения поддержки новых версий моделей с самого первого дня их выпуска.
Ник Ни, старший директор по управлению продуктами в области искусственного интеллекта в компании AMD, точно выразил эту мысль: «Для большинства из вас, присутствующих в этом зале, на самом деле главное — это программное обеспечение».
На мероприятии также были представлены несколько инициатив, ориентированных на разработчиков:
Эта часть мероприятия показалась особенно важной, поскольку она подчеркнула одну из основных истин: одних лишь аппаратных возможностей недостаточно для широкого внедрения. Разработчикам нужны отлаженные инструменты, привычные фреймворки, документация и удобные способы экспериментирования. Именно развитая экосистема превращает заявления о производительности в готовые к использованию платформы.
Еще одной часто затрагиваемой темой стала роль Китая на рынке искусственного интеллекта. Многие докладчики охарактеризовали Китай как ведущую среду для инноваций в области искусственного интеллекта с открытым исходным кодом, особенно в тех сферах, где важную роль играют эффективность, локальное внедрение и практические инженерные ограничения.
Для подкрепления этого утверждения были приведены примеры сотрудничества с компаниями Zero One AI и Stepfun. В материалах мероприятия описывалась совместная с Zero One AI многоагентная универсальная система, построенная на архитектуре Ryzen AI Max для локального развертывания, а также модель Stepfun, оптимизированная для аппаратного обеспечения AMD и предназначенная для решения задач, связанных с управлением агентами.
В более широком смысле это означало, что Китай является не только крупным рынком искусственного интеллекта, но и важной площадкой для апробации решений по внедрению ИИ на местном уровне, моделей с открытым исходным кодом и проектирования инфраструктуры с учетом экономических факторов.
С точки Ultralytics , наиболее ценным моментом мероприятия AMD Dev Day стало то, что основное внимание уделялось не абстрактным возможностям ИИ, а системам ИИ, готовым к внедрению. Мероприятие было полностью посвящено тому, как разработчики и предприятия могут на практике внедрять, интегрировать, защищать и масштабировать ИИ в производственных средах.
Сюда входят такие вопросы, как:
Это практические вопросы, которые во все большей степени определяют, насколько успешными получаются продукты на базе ИИ. Есть также вопросы, которые мы учитываем непосредственно при разработке и выпускеYOLO Ultralytics YOLO . Гибкость развертывания — независимо от того, работает ли модель на ноутбуке, рабочей станции или в облачном экземпляре — всегда была для нас одним из основных ограничений при проектировании, а не чем-то второстепенным.
Тенденция к развитию экосистем с открытым исходным кодом и повышению эффективности вычислений на AMD Dev Day подтвердила то, во что мы и так верили: самые полезные инструменты искусственного интеллекта — это те, которые органично вписываются в реальные рабочие процессы и работают на реальном оборудовании, не требуя от команд перестраивать свою инфраструктуру под одного поставщика или платформу.
Конференция AMD Dev Day Shanghai ясно показала: дискуссия об инфраструктуре искусственного интеллекта вступает в новую фазу. Внимание переключается с одного лишь масштаба моделей на более широкие системы, необходимые для того, чтобы ИИ стал полезным в реальной жизни. На протяжении всего мероприятия наиболее заметными темами были агентные рабочие процессы, локальное развертывание ИИ, инструментарий с открытым исходным кодом и эффективность инфраструктуры.
Командам, разрабатывающим продукты на базе ИИ, стоит обратить внимание на эту тенденцию. Следующий виток прогресса может быть обусловлен не столько использованием самой большой модели, сколько выбором правильной архитектуры, подходящей модели развертывания и оптимальной экосистемы для разработчиков.
Если вы разрабатываете системы компьютерного зрения и задумываетесь о том, где следует выполнять инференцию — на устройстве, локально или в облаке, — тоYOLO Ultralytics созданы с учетом именно такой гибкости. Ознакомьтесь с нашим репозиторием на GitHub, чтобы начать работу, посмотрите, как компьютерное зрение применяется на практике в сфере производства и логистики, или изучите наши варианты лицензирования, чтобы приступить к разработке.
Начните свой путь в будущее машинного обучения
