Ultralytics 在 AMD Dev Day 上海站：本地 AI 遇上智能体系统

Ultralytics 参加了在上海举行的 AMD 开发者大会，深入了解 AMD 及其合作伙伴如何塑造下一阶段的 AI 基础设施。此次活动传递的最核心信息十分明确：AMD 的 AI 讨论正从单一模型转向可部署的 AI 系统。在各项演讲、产品演示和合作伙伴讨论中，最热门的主题包括 智能体 AI (agentic AI)、本地 AI 部署、开源生态系统，以及让这些系统能够大规模落地的开发者工具。

正如 AMD 董事长兼首席执行官 苏姿丰 (Lisa Su) 所言：“当下是科技领域最令人振奋的时刻。”

对于构建真实 AI 产品的团队而言，这种转变至关重要。这表明在该市场下一阶段的竞争中，成功可能不再仅仅取决于是否能获得某个前沿模型，而更多地取决于团队如何编排工作流、控制推理成本、保护敏感数据，并为特定任务选择合适的部署环境。

Link to this sectionAMD 的愿景：AI 需要全栈计算策略#

AMD 开发者大会的一大主题是 AMD 致力于将自己定位为 AI 时代的全方位端到端计算提供商。公司构建了以支持云端、客户端和边缘环境 AI 工作负载为核心的战略，同时强调开放的软件生态系统，而非封闭的专有栈。

这种定位非常重要，因为它反映了 AI 开发的演进方式。构建现代 AI 产品不再仅仅是训练或调用模型 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 的活动信息始终将其硬件布局与更广泛的软件和系统现实紧密结合。

苏姿丰在活动中明确总结了这一雄心：“我们希望将 AI 带给整个生态系统。”

图 1. 苏姿丰在上海 AMD 开发者大会现场。

Link to this section智能体 AI 是本次大会的主导主题#

如果说全天有一个核心观点被反复提及，那就是从传统的 LLM 交互向智能体 AI 系统的过渡。演讲嘉宾将此描述为从一次性提示词和响应，转向多智能体协同，即不同的智能体在工作流中进行规划、执行、批判和协作。

这之所以重要，是因为智能体系统对 AI 技术栈提出了新的要求。根据大会的构架，这些系统不仅需要 GPU 性能，还需要强大的 CPU 处理能力、数据流编排和内存容量，以支持重复的推理循环和多步骤执行。

对于开发者和 AI 团队来说，结论是：竞争优势可能来自于构建高效的 AI 系统，而不仅仅是选择能力最强的模型。将模型连接到工作流、工具、本地数据和业务流程的能力，正在成为产品本身的核心部分。

Link to this section本地 AI 部署正变得更具战略意义#

AMD 开发者大会的另一个显著主题是对本地 AI 部署的强调。AMD 及其合作伙伴一再论证，先进的 AI 工作负载正日益需要在任务发生地附近运行，包括笔记本电脑、工作站和企业硬件上。

整个活动中强调的原因保持一致：

• 更低的延迟
• 更好的数据隐私
• 对敏感工作流更强的控制
• 减少对云端 API 成本的依赖

AMD 以 Ryzen AI Max 395 作为该论点的关键证明，重点展示了具备高达 128GB 统一内存的配置，以及无需分片即可在单个内存池中本地运行大型模型的能力。活动还展示了使用 Radeon AI Pro R9700 和 AMD Threadripper Pro 9000 进行部署前测试和本地扩展的工作站级开发设置。

整体信息并非预示云端的消失。相反，活动展示了一种本地环境与云端协同工作的混合模式。更常规、对延迟敏感或隐私敏感的任务可以在本地运行，而对算力要求更高的任务则可以在需要时升级到云端。

Link to this sectionAI 推理成本和 Token 需求正影响基础设施的选择#

AMD 开发者大会还强调了这些架构决策背后的经济压力。活动演讲者强调了 Token 需求的快速增长、推理成本的上升，以及这给构建 AI 产品的开发者和企业带来的压力。

在这种框架内，本地 AI 不仅被视为一种技术策略，更被视为一种成本控制策略。活动反复传达的信息是：AI 的下一个阶段将奖励那些更高效使用算力的团队，而非仅仅奖励那些消耗算力最多的团队。

对于 AI 构建者而言，这是一个务实的信号。基础设施决策正日益演变为产品决策。延迟、隐私、内存和 Token 成本不再是次要的工程细节。

图 2. AMD Versal AI Edge 系列 Gen2 VEK385 评估套件。

Link to this sectionAMD ROCm 与开源 AI 生态系统#

AMD 开发者大会的另一个主要收获是开源软件生态系统的核心作用。AMD 强调了 ROCm、对主流框架的零代码更改支持、通过 Hugging Face 和 ModelScope 对超过 300 万个模型的支持，以及针对新模型发布实现“零日支持”的目标。

AMD AI 产品管理高级总监 Nick Ni 很好地捕捉到了这一重点：“事实上，对于在座的大多数人来说，软件才是故事的核心。”

活动还重点介绍了多项面向开发者的举措：

• 为中国开发者提供免费 GPU 访问权限的 AMD AI Developer Cloud
• ModelScope Studio 集成了 AMD GPU 运行时选项
• 包含分步指南的 AMD AI Playbooks
• 一个在最近几个月增加了超过 10 万名开发者的开发者计划

活动的这一部分显得尤为重要，因为它强调了一个基本事实：仅凭硬件能力无法推动普及。开发者需要成熟的工具、熟悉的框架、文档以及无摩擦的实验方式。生态系统的故事是将性能主张转化为可用平台的关键。

Link to this section为什么中国在 AMD 开发者大会上如此突出#

中国在 AI 市场中的角色是另一个反复出现的主题。多位演讲者将中国描述为开源 AI 创新的领先环境，特别是在效率、本地部署和实际工程约束所塑造的领域。

与零一万物 (Zero One AI) 和阶跃星辰 (Stepfun) 的合作进一步强化了这一观点。活动记录描述了一个与零一万物联合开发的基于 Ryzen AI Max 架构进行本地部署的企业级多智能体一体化系统，以及一个针对 AMD 硬件优化并专为智能体任务设计的阶跃星辰模型。

更大的含义在于，中国不仅是一个主要的 AI 市场，也是本地 AI 部署、开源模型和成本敏感型基础设施设计的重要试验场。

Link to this sectionUltralytics 从 AMD 上海开发者大会获得的启示#

从 Ultralytics 团队的角度来看，AMD 开发者大会最实用的信号在于对可部署 AI 系统的关注，而非抽象的 AI 能力。活动始终围绕开发者和企业如何在生产环境中真正运行、集成、保护和扩展 AI 展开。

这包括如下问题：

• 哪些应该在本地运行，哪些在云端运行？
• 团队应该如何思考延迟和隐私问题？
• 开发者如何减少对昂贵的推理 API 的依赖？
• 哪些工具和软件层能让 AI 平台更易于采用？

这些都是实际问题，它们越来越决定了成功的 AI 产品是如何构建的。这也是我们在构建和发布 Ultralytics YOLO 模型时直接思考的问题。部署的灵活性，无论模型是在笔记本电脑、工作站还是云实例上运行，始终是我们核心的设计约束，而不是事后的补充。

AMD 开发者大会对开源生态系统和推理效率的推动，巩固了我们一贯的信念：最有用的 AI 工具是那些能够融入实际工作流、在实际硬件上运行，且无需团队围绕单一厂商或平台重建基础设施的工具。

图 3. Ultralytics 团队在上海 AMD 开发者大会现场。

Link to this section最后总结#

AMD 上海开发者大会明确了一点：关于 AI 基础设施的讨论正在走向成熟。重点正从单纯的原始模型规模转移到使 AI 在现实世界中发挥作用所需的更广泛系统上。智能体工作流、本地 AI 部署、开源工具和基础设施效率是整个活动中最明确的主题。

对于构建 AI 产品的团队来说，这种转变值得关注。下一波进步可能来自选择正确的架构、正确的部署模型和正确的开发者生态系统，而不仅仅是最大的模型。

如果你正在构建计算机视觉系统，并思考推理应该在哪里运行（设备端、本地服务器或云端），Ultralytics YOLO 模型的设计正是充分考虑了这种灵活性。浏览我们的 GitHub 仓库 开始使用，看看计算机视觉如何融入制造业和物流业的实际部署，或查看我们的许可选项开始构建吧。