Ultralytics YOLO27: 加入候补名单。
获取 YOLO 许可
活动

Ultralytics 亮相 Arm Create 2026:边缘设备上的实时视觉 AI

Ultralytics 亮相 2026 年深圳 Arm Create:部署 Ultralytics YOLO 实现实时边缘 AI、模型专题讨论,以及全新的 Arm AI Portal。

Nuvola LadiNuvola Ladi4 分钟阅读
Ultralytics 亮相 2026 年深圳 Arm Create:部署 Ultralytics YOLO 实现实时边缘 AI、模型专题讨论,以及全新的 Arm AI Portal。

2026 年 9 月 11 日,我们的市场营销专员 Ziyue Wang 和高级机器学习工程师 Rick Hou 参加了 Arm Create。这是 Arm 举办的开发者活动,聚焦在云端、边缘端、移动设备和物理 AI 场景中构建、优化和部署 AI。我们的重点是部署边缘端的 Ultralytics YOLO:如何将训练好的计算机视觉模型部署到基于 Arm 的设备上并实现实时运行。

深圳站活动此前已在上海举办过,两个站点都围绕每位 AI 开发者迟早都会面对的问题展开:如何将功能强大的模型转化为能在现实环境中可靠运行的软件?

下面回顾我们的演讲、模型座谈,以及 Arm 与 Ultralytics 如何携手合作,让在 Arm 平台上构建项目的开发者更容易使用 Ultralytics YOLO。

部署 Ultralytics YOLO,实现实时边缘 AI#

我们的高级机器学习工程师 Rick Hou 主讲了“部署 Ultralytics YOLO:边缘端实时视觉 AI”,这是一场关于在边缘设备上优化和部署 Ultralytics YOLO 模型的实用分享。他介绍了完整的部署流程,并分享了 Ultralytics YOLO 在生产环境边缘 AI 应用中的经验。

Ultralytics 的 Rick Hou 在 Arm Create 2026 上介绍 Ultralytics YOLO 边缘部署

图 1. Ultralytics 的 Rick 在 Arm Create 上介绍 Ultralytics YOLO 的边缘部署。

为边缘运行时导出 Ultralytics YOLO 模型#

边缘部署的第一步,是将训练好的模型导出为目标运行时支持的格式。Rick 介绍了如何根据设备、推理引擎和应用的性能目标选择合适的导出格式。

通过模型量化加快设备端推理#

量化会降低模型的数值精度,例如从 FP32 降至 FP16 或 INT8,从而缩小模型体积并加快推理速度,通常只会造成很小的精度损失。本场分享介绍了在计算、内存和功耗预算紧张时,如何平衡速度和精度。

在边缘设备上实现实时计算机视觉性能#

边缘端的实时计算机视觉性能取决于的不只是模型。预处理、运行时选择和硬件加速都会影响延迟和吞吐量。Rick 分享了如何找出瓶颈并优化整个推理流水线。

生产环境边缘 AI 部署经验#

基准测试只是起点,真正的考验是模型在实际运行设备和真实操作条件下的表现。演讲中的一项重要经验是,必须在实际目标硬件上进行验证;这一点也是 Arm Create 活动中反复提到的主题。

与 Arm、Alibaba Qwen、Tencent 和 ModelBest 共同参与模型座谈#

Rick 还与 Arm、Alibaba Qwen、Tencent 和 ModelBest 的代表参加了模型座谈。座谈没有直接比较模型优劣,而是聚焦于应用适配:工作负载需要什么、应该在哪里运行,以及部署后会如何表现。

Arm Create 2026 上由 Arm、Alibaba Qwen、Tencent、ModelBest 和 Ultralytics 参加的模型专题讨论

图 2. Arm Create 上由 Arm、Alibaba Qwen、Tencent、ModelBest 和 Ultralytics 共同参与的模型座谈。

为工作负载选择合适的模型#

移动应用中的快速回复功能、能够对大量文档进行推理的云端智能体,以及边缘视觉流水线,需要的模型各不相同。作为座谈中代表视觉 AI 发言的嘉宾,Rick 带来了边缘端视角:在边缘场景中,延迟、效率和设备端可靠性往往比模型大小更重要。

Arm AI Portal:让开发者更容易使用 Ultralytics YOLO#

Arm Create 深圳站举办前几天,Arm 刚推出了 Arm AI Portal。该平台可帮助开发者和 AI 智能体在 Arm 计算平台上发现、优化和部署 AI 软件。开发者可以查找针对特定任务预先优化的模型及其性能和精度数据,比较延迟、内存用量和模型大小,并获取代码示例和部署工作流。

上线时提供预先优化的 Ultralytics YOLO 模型#

Ultralytics YOLO 是上线时提供的预先优化模型之一,其他模型还包括 Alibaba Qwen 和 Google Gemma;Ultralytics 则作为生态合作伙伴为该平台提供支持。

Ultralytics YOLO26n 在 Arm 上的性能提升#

初步结果令人鼓舞。Ultralytics YOLO26n在两种配置下通过单线程执行,实现了超过 40% 的性能提升:

  • 搭载 SME2 的 vivo X300 智能手机上 FP16 与 FP32 的对比
  • 在配备 NEON 的 Raspberry Pi 5 上,FP16 和 INT8 混合量化对比 FP32

这对边缘 AI 开发者意味着什么#

Arm AI Portal 减少了开发者搜索、基准测试和手动调整模型所花费的时间,让开发者能够更快地从模型选择迈向在 Arm 硬件上的部署。它支持我们的使命:让每个人都能轻松使用最先进的视觉 AI。在 Arm AI Portal 上探索 Ultralytics YOLO。

要点#

感谢 Arm 团队邀请我们,也感谢所有前来交流边缘部署、量化和实际视觉 AI 应用的朋友。在深圳的交流表明,当模型、工具和硬件经过协同设计时,边缘 AI 生态系统正迅速走向成熟。

下一届 Arm Create 将在美国举办,我们期待继续交流。在此期间,访问 Ultralytics 文档,开始在你自己的边缘设备上部署 Ultralytics YOLO。

作者

Nuvola Ladi
Nuvola Ladi

数字内容经理 · Ultralytics

Nuvola Ladi 是 Ultralytics 的数字内容经理,负责创作涵盖视觉 AI 和 Ultralytics YOLO 的内容,并代表公司参加 PyTorch Conference 2025 等行业活动。她常驻西班牙,拥有 IE University 的视觉与数字媒体硕士学位。加入 Ultralytics 之前,她曾在 XVA Gallery & Hotel 和 Rolex 等机构任职。

评论

提出问题、分享你的结果,或帮助其他人。

探索解决方案

体育领域的计算机视觉

体育领域的计算机视觉

了解 Ultralytics YOLO 如何通过球员和球追踪、表现分析、教练洞察及运动员康复,推动体育视觉技术的发展。
了解详情
航空影像计算机视觉

航空影像计算机视觉

使用 Ultralytics YOLO 将无人机和航空影像转化为农业、水产养殖、保护工作和地理空间分析的实时洞察。
了解详情
航空航天中的计算机视觉

航空航天中的计算机视觉

使用 Ultralytics YOLO 将计算机视觉应用于航空航天领域,包括飞机检查、跑道 FOD 检测、机场地面作业和复合材料缺陷检测。
了解详情
安防领域的计算机视觉

安防领域的计算机视觉

使用 Ultralytics YOLO 模型守护每个场所。视觉 AI 可用于周界监控、威胁检测、车牌识别和工作场所安全。
了解详情
机器人领域的计算机视觉

机器人领域的计算机视觉

使用 Ultralytics YOLO 模型提升智能机器的能力。机器人领域的视觉 AI 可用于自主导航、感知、目标跟踪和实时控制。
了解详情
物流中的计算机视觉

物流中的计算机视觉

借助 Ultralytics YOLO 模型优化物流流程。视觉 AI 可用于包裹检查、分拣、车辆跟踪和仓库安全实时监控。
了解详情
零售中的计算机视觉

零售中的计算机视觉

借助 Ultralytics YOLO 模型重新构想零售。视觉 AI 可用于库存跟踪、货架监控、排队管理和更深入的客户洞察。
了解详情
医疗领域的计算机视觉

医疗领域的计算机视觉

借助 Ultralytics YOLO 模型构建医疗解决方案。医疗领域的视觉 AI 可加快医学影像处理、优化诊断并监测患者。
了解详情
制造业中的计算机视觉

制造业中的计算机视觉

利用 Ultralytics YOLO 模型优化制造流程。视觉 AI 可用于质量控制、缺陷检测、个人防护装备合规检查和装配线自动化。
了解详情
汽车领域的计算机视觉

汽车领域的计算机视觉

利用 Ultralytics YOLO 模型在汽车领域应用计算机视觉。视觉 AI 可提升道路安全、驾驶辅助和车辆自动化水平,让道路更智能。
了解详情
农业中的计算机视觉

农业中的计算机视觉

借助 Ultralytics YOLO 模型,将视觉 AI 引入智慧农业。为作物监测、牲畜追踪和精准农业提供支持,从而提高产量并实现更智能的生产。
了解详情

让我们携手构建 AI 的未来!

开启你的旅程,迎接机器学习的未来