AMD Dev Day Shanghai'da Ultralytics: yerel yapay zeka, ajan tabanlı sistemlerle buluşuyor

Ultralytics, AMD ve ortaklarının yapay zeka altyapısının bir sonraki aşamasını nasıl şekillendirdiğini dinlemek üzere Şanghay'daki AMD Dev Day etkinliğine katıldı. Etkinlikten çıkan en güçlü mesaj netti: AMD yapay zeka odaklı sohbetler, tek başına çalışan modellerin ötesine geçip dağıtılabilir yapay zeka sistemlerine doğru ilerliyor. Konuşmalar, ürün demoları ve ortak tartışmaları boyunca öne çıkan en büyük temalar agentic yapay zeka, yerel yapay zeka dağıtımı, açık kaynak ekosistemleri ve bu sistemleri ölçeklenebilir bir şekilde pratik hale getirmek için ihtiyaç duyulan geliştirici araçlarıydı.

AMD Yönetim Kurulu Başkanı ve CEO'su Lisa Su'nun ifade ettiği gibi: “Teknoloji dünyasında yer almak için bugün kadar heyecan verici bir zaman hiç olmamıştı.”

Gerçek yapay zeka ürünleri geliştiren ekipler için bu değişim çok önemli. Bu, pazardaki bir sonraki aşamada başarının tek bir sınır modeline erişimden ziyade, ekiplerin iş akışlarını ne kadar iyi koordine edebildiğine, çıkarım maliyetlerini ne kadar kontrol edebildiğine, hassas verileri ne kadar koruyabildiğine ve iş için en doğru dağıtım ortamını ne kadar seçebildiğine bağlı olacağını gösteriyor.

Link to this sectionAMD'nin mesajı: Yapay zeka tam kapsamlı bir bilgi işlem stratejisine ihtiyaç duyar#

AMD Dev Day boyunca öne çıkan ana temalardan biri, AMD'nin yapay zeka çağı için tam kapsamlı bir uçtan uca bilgi işlem sağlayıcısı olarak konumlanma çabasıydı. Şirket, yaklaşımını bulut, istemci ve uç (edge) ortamlarındaki yapay zeka iş yüklerini destekleme üzerine kurarken, kapalı ve tescilli bir yapı yerine açık bir yazılım ekosistemini vurguladı.

Bu çerçeve önemli çünkü yapay zeka geliştirme sürecinin nasıl evrildiğini yansıtıyor. Modern yapay zeka ürünleri inşa etmek artık sadece model eğitmek veya bir model API'sini çağırmaktan ibaret değil. Ekiplerin giderek artan bir şekilde yerel deneyleri, çoklu agent iş akışlarını, çıkarım optimizasyonunu, iş istasyonu ölçeğinde testleri ve kurumsal dağıtımı desteklemeleri gerekiyor. AMD'nin etkinlik mesajları, donanım hikayesini tutarlı bir şekilde bu daha geniş yazılım ve sistem gerçekliğiyle ilişkilendirdi.

Bu hedef, etkinlik sırasında Lisa Su tarafından net bir şekilde özetlendi: “Yapay zekayı ekosistemin her noktasına taşımak istiyoruz.”

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

Link to this sectionAgentic yapay zeka, etkinliğin baskın temasıydı#

Gün boyunca tekrarlanan bir fikir varsa, o da geleneksel LLM etkileşimlerinden agentic yapay zeka sistemlerine geçişti. Konuşmacılar bu değişimi, tek seferlik komutlar ve yanıtlardan; farklı agent'ların iş akışları boyunca planlama, yürütme, eleştiri ve iş birliği yaptığı çoklu agent koordinasyonuna doğru bir ilerleme olarak tanımladılar.

Bu durum, agentic sistemlerin yapay zeka yığını üzerinde yeni talepler oluşturması nedeniyle önemlidir. Etkinliğin çerçevesine göre bu sistemler sadece GPU performansına değil, aynı zamanda tekrarlanan çıkarım döngülerini ve çok adımlı yürütmeleri desteklemek için ciddi CPU işlem gücüne, veri akışı koordinasyonuna ve bellek kapasitesine ihtiyaç duyar.

Geliştiriciler ve yapay zeka ekipleri için çıkarılacak ders, rekabet avantajının sadece en yetenekli modeli seçmekten değil, etkili yapay zeka sistemleri oluşturmaktan gelebileceğidir. Modelleri iş akışlarına, araçlara, yerel verilere ve iş süreçlerine bağlama yeteneği, ürünün temel bir parçası haline geliyor.

Link to this sectionYerel yapay zeka dağıtımı daha stratejik hale geliyor#

AMD Dev Day'deki bir diğer dikkat çekici tema, yerel yapay zeka dağıtımına yapılan vurguydu. AMD ve ortakları, gelişmiş yapay zeka iş yüklerinin; dizüstü bilgisayarlar, iş istasyonları ve kurumsal donanımlar dahil olmak üzere işin gerçekleştiği yere daha yakın çalışması gerektiğini sürekli olarak savundular.

Etkinlik boyunca bu konudaki nedenler tutarlıydı:

• Daha düşük gecikme süresi
• Daha iyi veri gizliliği
• Hassas iş akışları üzerinde daha güçlü kontrol
• Bulut API maliyetlerine olan bağımlılığın azalması

AMD, bu argümanda Ryzen AI Max 395'i kilit bir kanıt olarak kullandı ve 128 GB'a kadar birleşik bellek konfigürasyonlarını, ayrıca büyük modelleri parçalama (sharding) gerektirmeden tek bir bellek havuzunda yerel olarak çalıştırma yeteneğini vurguladı. Etkinlik ayrıca, Radeon AI Pro R9700 ve AMD Threadripper Pro 9000 kullanarak dağıtım öncesi test ve yerel ölçeklendirme için iş istasyonu ölçeğinde geliştirme kurulumlarını da sergiledi.

Genel mesaj, bulutun ortadan kalkmasıyla ilgili değildi. Bunun yerine etkinlik, yerel ve bulut ortamlarının birlikte çalıştığı hibrit bir model sundu. Daha rutin, gecikmeye duyarlı veya gizliliğe duyarlı görevler yerel olarak çalışabilirken, daha zorlu görevler gerektiğinde buluta aktarılmaya devam edebilir.

Link to this sectionYapay zeka çıkarım maliyeti ve token talebi, altyapı tercihlerini şekillendiriyor#

AMD Dev Day ayrıca bu mimari kararların ardındaki ekonomik baskıya da dikkat çekti. Etkinlikteki konuşmacılar, hızlı artan token talebine, yükselen çıkarım maliyetlerine ve bunun yapay zeka ürünü geliştiren geliştiriciler ve işletmeler üzerinde yarattığı baskıya vurgu yaptılar.

Bu çerçevede yerel yapay zeka, teknik bir strateji olduğu kadar bir maliyet kontrol stratejisi olarak da sunuldu. Etkinliğin tekrarlanan mesajı, yapay zekanın bir sonraki aşamasının, sadece en çok kaynağı tüketenleri değil, bilgi işlem gücünü daha verimli kullanan ekipleri ödüllendireceğiydi.

Yapay zeka geliştiricileri için bu pratik bir sinyaldir. Altyapı kararları giderek daha fazla ürün kararı haline geliyor. Gecikme, gizlilik, bellek ve token maliyeti artık ikincil mühendislik detayları değil.

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

Link to this sectionAMD ROCm ve açık kaynaklı yapay zeka ekosistemi#

AMD Dev Day'den çıkarılan bir diğer önemli ders, açık yazılım ekosistemlerinin merkezi rolüydü. AMD; ROCm'u, ana framework'ler için kod değişikliği gerektirmeyen desteği, Hugging Face ve ModelScope aracılığıyla 3 milyondan fazla model için sağlanan desteği ve yeni model sürümleri için hedeflenen ilk gün desteğini vurguladı.

AMD AI Ürün Yönetimi Kıdemli Direktörü Nick Ni, bu vurguyu şu sözlerle özetledi: “Aslına bakarsanız, bu odadaki çoğunuz için hikaye yazılımdır.”

Etkinlik ayrıca geliştirici odaklı birkaç girişimi de öne çıkardı:

• Çin'deki geliştiriciler için ücretsiz GPU erişimi sunan AMD AI Developer Cloud
• AMD GPU çalışma zamanı seçenekleriyle ModelScope Studio entegrasyonu
• Adım adım rehberler içeren AMD AI Playbooks
• Son aylarda 100.000'den fazla geliştiricinin katıldığı bir geliştirici programı

Etkinliğin bu kısmı özellikle önemliydi çünkü temel bir gerçeğin altını çizdi: Donanım yeteneği tek başına benimsemeyi artırmaz. Geliştiriciler; olgun araçlara, tanıdık framework'lere, dokümantasyona ve deney yapmanın sorunsuz yollarına ihtiyaç duyarlar. Ekosistem hikayesi, performans iddialarını kullanılabilir platformlara dönüştüren şeydir.

Link to this sectionÇin, AMD Dev Day'de neden öne çıktı?#

Çin'in yapay zeka pazarındaki rolü tekrar eden bir diğer temaydı. Birden fazla konuşmacı; özellikle verimlilik, yerel dağıtım ve pratik mühendislik kısıtlamalarıyla şekillenen alanlarda Çin'i, açık kaynaklı yapay zeka inovasyonu için lider bir ortam olarak tanımladı.

Zero One AI ve Stepfun ile kurulan ortaklıklar bu noktayı pekiştirmek için kullanıldı. Etkinlik notlarında, yerel dağıtım için Ryzen AI Max mimarisi üzerine kurulu Zero One AI ile ortak kurumsal çoklu agent hepsi bir arada sistem ve AMD donanımı için optimize edilmiş, agentic görevler için tasarlanmış bir Stepfun modeli anlatıldı.

Daha büyük çıkarım ise Çin'in sadece büyük bir yapay zeka pazarı değil, aynı zamanda yerel yapay zeka dağıtımı, açık kaynaklı modeller ve maliyete duyarlı altyapı tasarımı için önemli bir test alanı olduğuydu.

Link to this sectionUltralytics, AMD Dev Day Şanghay'dan neler çıkardı?#

Ultralytics ekibinin bakış açısından, AMD Dev Day'den alınan en faydalı sinyal, soyut anlamda yapay zeka yeteneğinden ziyade, dağıtılabilir yapay zeka sistemlerine odaklanılmasıydı. Etkinlik, geliştiricilerin ve işletmelerin yapay zekayı üretim ortamlarında nasıl çalıştırabilecekleri, entegre edebilecekleri, güvenli hale getirebilecekleri ve ölçeklendirebilecekleri konularına odaklandı.

Bu, aşağıdaki gibi soruları içeriyor:

• Neler yerel ortamda, neler bulutta çalışmalı?
• Ekipler gecikme süresi ve gizlilik konusunda nasıl düşünmeli?
• Geliştiriciler pahalı çıkarım API'lerine olan bağımlılığı nasıl azaltabilir?
• Hangi araçlar ve yazılım katmanları yapay zeka platformlarını benimsemeyi kolaylaştırır?

Bunlar pratik sorulardır ve başarılı yapay zeka ürünlerinin nasıl oluşturulacağını giderek daha fazla tanımlamaktadır. Bunlar aynı zamanda Ultralytics YOLO modellerini oluşturma ve piyasaya sürme yöntemlerimizde doğrudan düşündüğümüz sorulardır. Dağıtım esnekliği; bir modelin dizüstü bilgisayarda, iş istasyonunda veya bir bulut örneğinde çalışması, bizim için her zaman temel bir tasarım kısıtı olmuştur, sonradan eklenmiş bir özellik değildir.

AMD Dev Day'deki açık kaynak ekosistemlerine ve çıkarım verimliliğine yönelik itici güç, zaten inandığımız bir şeyi pekiştirdi: En kullanışlı yapay zeka araçları, ekiplerin altyapılarını tek bir satıcı veya platform etrafında yeniden inşa etmelerini gerektirmeden gerçek donanımlarda, gerçek iş akışlarına uyum sağlayanlardır.

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

Link to this sectionSon düşünceler#

AMD Dev Day Şanghay bir şeyi netleştirdi: Yapay zeka altyapısı hakkındaki tartışmalar olgunlaşıyor. Odak noktası, sadece ham model ölçeğinden, yapay zekayı gerçek dünyada faydalı hale getirmek için gereken daha geniş sistemlere kayıyor. Agentic iş akışları, yerel yapay zeka dağıtımı, açık kaynaklı araçlar ve altyapı verimliliği, etkinlik boyunca öne çıkan en net temalardı.

Yapay zeka ürünleri geliştiren ekipler için bu değişime dikkat etmek gerekiyor. İlerlemenin bir sonraki dalgası, sadece en büyük modeli seçmekten değil; doğru mimariyi, doğru dağıtım modelini ve doğru geliştirici ekosistemini seçmekten gelebilir.

Bilgisayarlı görü sistemleri oluşturuyorsan ve çıkarımın cihaz üzerinde, yerinde veya bulutta nerede çalışması gerektiğini düşünüyorsan, Ultralytics YOLO modelleri bu esneklik göz önünde bulundurularak tasarlanmıştır. Başlamak için GitHub depomuzu keşfet, bilgisayarlı görünün üretim ve lojistik alanlarında gerçek dünyadaki dağıtımlara nasıl uyum sağladığını gör veya oluşturmaya başlamak için lisanslama seçeneklerimize göz at.