Ultralytics AMD 上海开发者日：本地 AI 与代理系统相遇

Ultralytics 在上海举办的 AMD 开发者日活动，了解 AMD 及其合作伙伴如何塑造人工智能基础设施的下一阶段。本次活动传递出的最强有力的信息非常明确：AMD 在人工智能领域的讨论已超越独立模型，正朝着可部署的人工智能系统迈进。在各类演讲、产品演示和合作伙伴讨论中，最突出的主题包括自主人工智能、本地人工智能部署、开源生态系统，以及使这些系统能够大规模投入实际应用所需的开发工具。

正如AMD董事长兼首席执行官苏姿丰所言：“如今正是投身科技行业最令人振奋的时刻。”

对于正在开发真正人工智能产品的团队而言，这一转变意义重大。这表明，在市场的下一阶段，成功与否可能不再主要取决于能否获得某个前沿模型，而是更多地取决于团队能否有效协调工作流程、控制推理成本、保护敏感数据，并为具体任务选择合适的部署环境。

AMD的观点：AI需要一套全栈计算战略

AMD开发者日活动的一个核心主题是，AMD正致力于将自身定位为人工智能时代的端到端计算解决方案提供商。该公司将其战略定位于支持云端、客户端和边缘环境中的AI工作负载，同时强调构建开放的软件生态系统，而非封闭的专有技术栈。

这种框架至关重要，因为它反映了人工智能发展的演变趋势。构建现代人工智能产品已不再仅仅是训练模型或调用模型API。团队越来越需要支持本地实验、多智能体工作流、推理优化、工作站级测试以及企业级部署。AMD在活动中的信息传递始终将其硬件故事与这一更广泛的软件和系统现实紧密结合。

在活动期间，苏姿丰清晰地概括了这一愿景：“我们希望将人工智能融入生态系统的方方面面。”

自主人工智能是本次活动的核心主题

如果说今天有一条贯穿始终的主线，那就是从传统的LLM交互模式向具有代理能力的AI系统转型。演讲者们将这一转变描述为：从单次提示与响应，转向多代理协同，即不同代理在工作流中进行规划、执行、评估和协作。

这一点至关重要，因为代理系统对AI架构提出了新的要求。根据本次活动的阐述，这些系统不仅需要GPU ，还需要强大的CPU 、数据流协调能力以及充足的内存容量，以支持反复的推理循环和多步骤执行。

对于开发人员和人工智能团队而言，关键在于：竞争优势可能源于构建高效的人工智能系统，而不仅仅是选择性能最强的模型。将模型与工作流、工具、本地数据以及业务流程相整合的能力，正逐渐成为产品本身的核心组成部分。

本地人工智能部署正变得越来越具有战略意义

AMD开发者日上的另一个显著主题是强调本地AI部署。AMD及其合作伙伴多次强调，先进的AI工作负载越来越需要在更接近实际工作场景的地方运行，包括笔记本电脑、工作站和企业级硬件。

整个活动期间，原因始终如一：

• 更低的延迟
• 更完善的数据隐私保护
• 加强对敏感工作流的管控
• 降低对云API费用的依赖

AMD将Ryzen AI Max 395作为该论点的关键佐证，重点展示了最高支持128GB统一内存的配置，以及无需分片即可在单一内存池中本地运行大型模型的能力。此次活动还展示了采用Radeon AI Pro R9700和AMD Threadripper Pro 9000的工作站级开发环境，用于部署前的测试和本地扩展。

此次活动的核心信息并非在于云计算将消失，而是展示了一种本地环境与云环境协同工作的混合模式。那些更常规、对延迟敏感或涉及隐私的任务可以在本地运行，而对资源需求更高的任务则可在需要时仍可转移至云端处理。

AI推理成本和令牌需求正在影响基础设施的选择

AMD开发者日还突显了这些架构决策背后的经济压力。活动发言人强调了代币需求的快速增长、推理成本的上升，以及这给开发和构建AI产品的企业带来的压力。 

在此框架下，本地化人工智能既被视为一种技术策略，也是一种成本控制策略。本次活动反复强调的一个核心观点是：人工智能的下一阶段将奖励那些更高效利用计算资源的团队，而不仅仅是那些消耗最多计算资源的团队。

对于人工智能开发者而言，这是一个切实的信号。基础设施决策正日益成为产品决策。延迟、隐私、内存和代币成本已不再是次要的工程细节。

AMD ROCm 与开源人工智能生态系统

AMD开发者日（AMD Dev Day）的另一大亮点是开放软件生态系统所发挥的核心作用。AMD重点介绍了ROCm，强调其对主流框架的零代码修改支持，通过Hugging Face ModelScope支持超过300万个模型，并致力于在新模型发布时即刻提供支持。

AMD人工智能产品管理高级总监尼克·尼（Nick Ni）对此强调得恰如其分：“事实上，对于在座的大多数人来说，软件才是关键。”

此次活动还重点介绍了几项面向开发者的举措：

• AMD AI 开发者云，为中国开发者提供免费GPU
• ModelScope Studio 与 AMDGPU 选项的集成
• AMD AI 实践指南（附分步操作指南）
• 一项开发者计划，在最近几个月吸引了超过10万名开发者加入

本次活动的这一环节显得尤为重要，因为它突显了一个基本事实：仅凭硬件性能并不能推动技术普及。开发者需要成熟的工具、熟悉的框架、完善的文档，以及能够无障碍进行实验的途径。正是生态系统的建设，才将性能承诺转化为可实际应用的平台。

为何中国在AMD开发者日上脱颖而出

中国在人工智能市场中的作用是又一个反复被提及的主题。多位发言人将中国描述为开源人工智能创新的领先环境，特别是在受效率、本地部署以及实际工程限制影响的领域。

与 Zero One AI 和 Stepfun 的合作进一步印证了这一点。活动简报中描述了与 Zero One AI 合作开发的一款基于 Ryzen AI Max 架构、适用于本地部署的企业级多智能体一体化系统，以及一款针对 AMD 硬件进行优化、专为智能体任务设计的 Stepfun 模型。

更深远的影响在于，中国不仅是一个主要的人工智能市场，也是本地人工智能部署、开源模型以及注重成本的基础设施设计的重要试验场。

Ultralytics 从AMD上海开发者日活动中Ultralytics 启示

Ultralytics 的角度来看，AMD开发者日最值得关注的信号在于，其重点在于可部署的AI系统，而非抽象的AI能力。本次活动始终围绕着开发者和企业如何在生产环境中实际运行、集成、保障安全并扩展AI系统这一核心议题展开。

其中包括以下问题：

• 哪些应用应部署在本地，哪些应部署在云端？
• 团队应如何看待延迟和隐私问题？
• 开发者如何减少对昂贵推理 API 的依赖？
• 哪些工具和软件层能让人工智能平台更易于采用？

这些都是实务层面的问题，它们在很大程度上决定了人工智能产品能否成功开发。在构建和发布Ultralytics YOLO 时，我们也直接考虑了这些问题。部署灵活性——无论模型是在笔记本电脑、工作站还是云实例上运行——一直是我们设计的核心考量，而非事后才想到的因素。 

AMD开发者日上对开源生态系统和推理效率的强调，进一步印证了我们一直以来的信念：最有价值的AI工具，是那些能够融入实际工作流程、在真实硬件上运行，且无需团队围绕单一供应商或平台重建基础设施的工具。

最后的想法

AMD上海开发者日（AMD Dev Day Shanghai）明确传递了一个信号：围绕人工智能基础设施的讨论正在日趋成熟。关注点正从单纯的模型规模转向构建更广泛的系统，以使人工智能在现实世界中发挥实际作用。代理工作流、本地人工智能部署、开源工具以及基础设施效率，是本次活动中最突出的主题。

对于开发人工智能产品的团队而言，这一转变值得关注。下一波技术进步可能源于选择正确的架构、合适的部署模式以及完善的开发者生态系统，而不仅仅是采用最大的模型。

如果您正在构建计算机视觉系统，并考虑推理应在设备端、本地还是云端运行Ultralytics YOLO 正是为此类灵活需求而设计。欢迎访问我们的GitHub 代码库开始探索，了解计算机视觉如何应用于制造和 物流领域的实际部署，或查看我们的授权方案，即刻开始构建。