Ultralytics AMD Dev Day Shanghai'de: Yerel yapay zekâ agentik sistemlerle buluşuyor

Ultralytics, AMD'nin ve iş ortaklarının yapay zekâ altyapısının bir sonraki aşamasını nasıl şekillendirdiğini öğrenmek için Şanghay'daki AMD Dev Day'e katıldı. Etkinliğin en güçlü mesajı açıktı: AMD'nin yapay zekâ gündemi, bağımsız modellerin ötesine geçerek kullanıma alınabilir yapay zekâ sistemlerine yöneliyor. Sunumlarda, ürün demolarında ve iş ortağı görüşmelerinde öne çıkan ana temalar ajan tabanlı yapay zekâ, yerel yapay zekâ dağıtımı, açık kaynak ekosistemleri ve bu sistemleri geniş ölçekte kullanışlı hâle getirmek için gereken geliştirici araçlarıydı.

AMD Yönetim Kurulu Başkanı ve CEO'su Lisa Su, “Teknoloji alanında bugün olduğu kadar heyecan verici bir dönem hiç olmadı.” diyerek bunu ifade etti.

Gerçek yapay zekâ ürünleri geliştiren ekipler için bu değişim önemli. Pazarın bir sonraki aşamasında başarı, tek bir öncü modele erişimden çok ekiplerin iş akışlarını ne kadar iyi düzenleyebildiğine, çıkarım maliyetlerini kontrol edebildiğine, hassas verileri koruyabildiğine ve işe uygun dağıtım ortamını seçebildiğine bağlı olabilir.

AMD'nin mesajı: Yapay zekâ için tam yığınlı bir hesaplama stratejisi gerekiyor#

AMD Dev Day boyunca öne çıkan ana temalardan biri, AMD'nin kendisini yapay zekâ çağında uçtan uca tam yığınlı bir hesaplama sağlayıcısı olarak konumlandırma çabasıydı. Şirket, yaklaşımını bulut, istemci ve uç ortamlarındaki yapay zekâ iş yüklerini desteklemek üzerine kurarken kapalı, tescilli bir yığın yerine açık bir yazılım ekosistemini vurguladı.

Bu çerçeve önem taşıyor çünkü yapay zekâ geliştirmenin nasıl evrildiğini yansıtıyor. Modern yapay zekâ ürünleri geliştirmek artık yalnızca bir modeli eğitmekten veya model API'sini çağırmaktan ibaret değil. Ekiplerin giderek daha fazla yerel denemeleri, çok etmenli iş akışlarını, çıkarım optimizasyonunu, iş istasyonu ölçeğinde testleri ve kurumsal dağıtımı desteklemesi gerekiyor. AMD'nin etkinlikte verdiği mesajlar, donanım yaklaşımını sürekli olarak bu daha kapsamlı yazılım ve sistem gerçekliğiyle ilişkilendirdi.

Lisa Su etkinlik sırasında bu hedefi net biçimde özetledi: “Yapay zekâyı ekosistemin her yerine taşımak istiyoruz.”

Şekil 1. Şanghay'daki AMD Dev Day etkinliğinde sahnede Lisa Su.

Etkinliğin baskın teması ajan tabanlı yapay zekâydı#

Gün boyunca tekrarlanan tek bir fikir varsa o da geleneksel LLM etkileşimlerinden ajan tabanlı yapay zekâ sistemlerine geçişti. Konuşmacılar bu değişimi, tek seferlik istem ve yanıtlardan farklı etmenlerin iş akışları boyunca plan yaptığı, yürüttüğü, eleştirdiği ve iş birliği yaptığı çok etmenli orkestrasyona geçiş olarak tanımladı.

Bu önemli çünkü ajan tabanlı sistemler yapay zekâ yığınına yeni gereksinimler getiriyor. Etkinlikte sunulan çerçeveye göre bu sistemler, tekrarlanan çıkarım döngülerini ve çok adımlı yürütmeyi desteklemek için yalnızca GPU performansına değil, önemli ölçüde CPU işlem gücüne, veri akışı orkestrasyonuna ve bellek kapasitesine de ihtiyaç duyuyor.

Geliştiriciler ve yapay zekâ ekipleri için çıkarılacak sonuç, rekabet avantajının yalnızca en yetenekli modeli seçmekten değil, etkili yapay zekâ sistemleri kurmaktan gelebileceğidir. Modelleri iş akışlarına, araçlara, yerel verilere ve iş süreçlerine bağlama becerisi, ürünün temel bir parçası hâline geliyor.

Yerel yapay zekâ dağıtımı giderek daha stratejik hâle geliyor#

AMD Dev Day'deki bir diğer dikkate değer tema yerel yapay zekâ dağıtımına yapılan vurguydu. AMD ve iş ortakları, dizüstü bilgisayarlar, iş istasyonları ve kurumsal donanımlar dâhil olmak üzere gelişmiş yapay zekâ iş yüklerinin giderek işin yapıldığı yere daha yakın çalıştırılması gerektiğini defalarca savundu.

Etkinlik boyunca gerekçeler tutarlıydı:

• Daha düşük gecikme
• Daha iyi veri gizliliği
• Hassas iş akışları üzerinde daha güçlü kontrol
• Bulut API maliyetlerine daha az bağımlılık

AMD, bu savı desteklemek için Ryzen AI Max 395'i temel bir örnek olarak kullandı; 128 GB'a kadar birleşik bellek sunan yapılandırmaları ve büyük modelleri parçalamadan tek bir bellek havuzunda yerel olarak çalıştırabilme olanağını vurguladı. Etkinlikte ayrıca dağıtımdan önce test ve yerel ölçeklendirme için Radeon AI Pro R9700 ve AMD Threadripper Pro 9000 kullanan iş istasyonu ölçeğinde geliştirme kurulumları gösterildi.

Genel mesaj, bulutun ortadan kalkacağı değildi. Bunun yerine etkinlik, yerel ve bulut ortamlarının birlikte çalıştığı hibrit bir model sundu. Daha rutin, gecikmeye duyarlı veya gizliliğe duyarlı görevler yerel olarak çalıştırılabilir; daha fazla kaynak gerektiren görevlerse ihtiyaç duyulduğunda buluta aktarılabilir.

Yapay zekâ çıkarım maliyeti ve belirteç talebi altyapı tercihlerini şekillendiriyor#

AMD Dev Day, bu mimari kararların ardındaki ekonomik baskıya da dikkat çekti. Etkinlikteki konuşmacılar, belirteç talebinin hızla artışını, yükselen çıkarım maliyetlerini ve bunun yapay zekâ ürünleri geliştiren geliştiricilerle kurumlar üzerindeki baskısını vurguladı.

Bu çerçevede yerel yapay zekâ, teknik bir strateji olduğu kadar maliyet kontrolü stratejisi olarak da sunuldu. Etkinlikte sık sık verilen mesaj, yapay zekânın bir sonraki aşamasında en çok hesaplama gücü tüketenlerin değil, bu gücü en verimli kullanan ekiplerin başarılı olacağıydı.

Yapay zekâ geliştiricileri için bu pratik bir işaret. Altyapı kararları giderek ürün kararlarına dönüşüyor. Gecikme, gizlilik, bellek ve belirteç maliyeti artık ikincil mühendislik ayrıntıları değil.

Şekil 2. AMD Versal AI Edge Series Gen2 VEK385 Değerlendirme Kiti.

AMD ROCm ve açık kaynak yapay zekâ ekosistemi#

AMD Dev Day'den çıkarılan bir diğer önemli sonuç, açık yazılım ekosistemlerinin merkezi rolüydü. AMD; ROCm'yi, önemli çerçeveler için kod değişikliği gerektirmeyen desteği, Hugging Face ve ModelScope üzerinden 3 milyondan fazla modele erişimi ve yeni model sürümleri için ilk günden destek hedeflerini vurguladı.

AMD'de Yapay Zekâ Ürün Yönetimi Kıdemli Direktörü Nick Ni, bu vurguyu şöyle özetledi: “Aslında bu odadaki çoğunuz için hikâyenin özü yazılım.”

Etkinlikte geliştiricilere yönelik çeşitli girişimler de öne çıkarıldı:

• Çin'deki geliştiricilere ücretsiz GPU erişimi sağlayan AMD AI Developer Cloud
• AMD GPU çalışma zamanı seçenekleriyle ModelScope Studio entegrasyonu
• Adım adım kılavuzlar sunan AMD AI Playbooks
• Son aylarda 100.000'den fazla geliştiriciye ulaşan bir geliştirici programı

Etkinliğin bu bölümü özellikle önemliydi çünkü temel bir gerçeğin altını çizdi: Donanım kapasitesi tek başına benimsenmeyi sağlamaz. Geliştiricilerin olgun araçlara, alışık oldukları çerçevelere, belgelere ve sorunsuz deneme yollarına ihtiyacı vardır. Performans iddialarını kullanılabilir platformlara dönüştüren, ekosistem yaklaşımıdır.

AMD Dev Day'de Çin neden öne çıktı?#

Çin'in yapay zekâ pazarındaki rolü de tekrar eden bir başka temaydı. Birden fazla konuşmacı, özellikle verimlilik, yerel dağıtım ve pratik mühendislik kısıtlarıyla şekillenen alanlarda Çin'i açık kaynak yapay zekâ inovasyonu için önde gelen bir ortam olarak tanımladı.

Zero One AI ve Stepfun ile yapılan iş ortaklıkları bu noktayı desteklemek için kullanıldı. Etkinlik notlarında, yerel dağıtım için Ryzen AI Max mimarisi üzerinde geliştirilen Zero One AI ile ortak bir kurumsal, çok etmenli, hepsi bir arada sistemden ve AMD donanımı için optimize edilmiş, ajan tabanlı görevlere yönelik bir Stepfun modelinden söz edildi.

Daha geniş anlamda bu, Çin'in yalnızca büyük bir yapay zekâ pazarı değil, aynı zamanda yerel yapay zekâ dağıtımı, açık kaynak modelleri ve maliyet duyarlı altyapı tasarımı için önemli bir test ortamı olduğunu gösteriyor.

Ultralytics'in AMD Dev Day Şanghay'dan çıkardığı sonuçlar#

Ultralytics ekibinin bakış açısından AMD Dev Day'in en yararlı mesajı, soyut anlamda yapay zekâ yeteneklerinden ziyade dağıtıma hazır yapay zekâ sistemlerine odaklanılmasıydı. Etkinlik, geliştiricilerin ve kurumların üretim ortamlarında yapay zekâyı gerçekten nasıl çalıştırabileceği, entegre edebileceği, güvenli hâle getirebileceği ve ölçeklendirebileceği sorusunu sürekli merkeze aldı.

Bunlar şu tür soruları kapsıyor:

• Neler yerel ortamda, neler bulutta çalıştırılmalı?
• Ekipler gecikmeyi ve gizliliği nasıl ele almalı?
• Geliştiriciler pahalı çıkarım API'lerine bağımlılığı nasıl azaltabilir?
• Yapay zekâ platformlarının benimsenmesini hangi araçlar ve yazılım katmanları kolaylaştırır?

Bunlar pratik sorular ve başarılı yapay zekâ ürünlerinin nasıl geliştirildiğini giderek daha fazla belirliyor. Ultralytics YOLO modellerini nasıl geliştirip kullanıma sunduğumuz konusunda doğrudan ele aldığımız sorular da var. Bir modelin dizüstü bilgisayarda, iş istasyonunda veya bulut örneğinde çalışması gibi dağıtım esnekliği bizim için sonradan düşünülen bir konu değil, her zaman temel bir tasarım kısıtı oldu.

AMD Dev Day'de açık kaynak ekosistemlerine ve çıkarım verimliliğine yapılan vurgu, zaten inandığımız bir şeyi pekiştirdi: En kullanışlı yapay zekâ araçları, ekiplerin altyapılarını tek bir tedarikçi veya platform etrafında yeniden kurmasını gerektirmeden gerçek donanımlarda gerçek iş akışlarına uyum sağlayanlardır.

Şekil 3. Şanghay'daki AMD Dev Day'de Ultralytics ekibi.

Son düşünceler#

AMD Dev Day Şanghay bir şeyi netleştirdi: Yapay zekâ altyapısına ilişkin tartışmalar olgunlaşıyor. Odak, yalnızca model ölçeğinden yapay zekâyı gerçek dünyada kullanışlı hâle getirmek için gereken daha kapsamlı sistemlere kayıyor. Etkinlik boyunca ajan tabanlı iş akışları, yerel yapay zekâ dağıtımı, açık kaynak araçları ve altyapı verimliliği en belirgin temalardı.

Yapay zekâ ürünleri geliştiren ekiplerin bu değişimi dikkate almasında fayda var. İlerlemenin bir sonraki dalgası yalnızca en büyük modeli seçmekten değil, doğru mimariyi, doğru dağıtım modelini ve doğru geliştirici ekosistemini seçmekten gelebilir.

Bilgisayarlı görü sistemleri geliştiriyor ve çıkarımın cihaz üzerinde, şirket içinde veya bulutta nerede çalışacağını düşünüyorsan Ultralytics YOLO modelleri bu esneklik göz önünde bulundurularak tasarlandı. Başlamak için GitHub depomuzu keşfet; üretim ve lojistik alanlarındaki gerçek dünya dağıtımlarında bilgisayarlı görünün nasıl kullanıldığını gör veya geliştirmeye başlamak için lisans seçeneklerimize göz at.