Ultralytics 参加 Arm Create 2026：边缘上的实时视觉 AI

2026 年 9 月 11 日，我们的营销专员 Ziyue Wang 与高级机器学习工程师 Rick Hou 一起参加了 Arm Create，这是 Arm 举办的旨在探讨在云端、边缘、移动端和物理 AI 领域构建、优化和部署 AI 的开发者活动。我们的重点是 Ultralytics YOLO 边缘部署：如何获取训练好的计算机视觉模型并在基于 Arm 的设备上实时运行它。

继上海站之后，深圳站活动探讨了每个 AI 开发者迟早都会面临的一个问题：如何将功能强大的模型转化为能够在现实世界中可靠运行的软件？

以下是我们的小组会议、模型圆桌讨论的回顾，以及 Arm 和 Ultralytics 如何合作让在 Arm 上构建应用的开发者更容易使用 Ultralytics YOLO。

部署 Ultralytics YOLO 以实现实时边缘 AI#

我们高级机器学习工程师 Rick Hou 主持了“部署 Ultralytics YOLO：边缘实时视觉 AI”，这是一场关于在边缘设备上优化和部署 Ultralytics YOLO models 的实操会议。演讲详细介绍了完整的部署路径，并分享了 Ultralytics YOLO 在生产边缘 AI 应用中的经验教训。

图 1. 来自 Ultralytics 的 Rick 在 Arm Create 上介绍 Ultralytics YOLO 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 介绍了正确的导出格式如何取决于设备的类型、推理引擎以及应用的性能目标。

用于实现更快端侧推理的模型量化#

量化降低了模型的数值精度（例如从 FP32 降低到 FP16 或 INT8），这既缩小了模型大小又加速了推理，同时将准确率损失降到最低。会议解释了在计算、内存和功耗预算紧张时如何平衡速度和准确率。

在边缘设备上实现实时计算机视觉性能#

边缘的实时计算机视觉不仅仅取决于模型。预处理、运行时选择和硬件加速都会影响延迟和吞吐量。Rick 分享了如何识别瓶颈并优化整个推理管道。

生产边缘 AI 部署的经验教训#

基准测试是一个起点，但真正的考验是模型在它将要发布的设备上、在真实运行条件下的性能表现。在实际目标硬件上进行验证是本次会议的一个核心经验，也是贯穿整个 Arm Create 的主题。

汇聚 Arm、阿里巴巴通义千问、腾讯和面壁智能的模型圆桌讨论#

Rick 还参加了由 Arm、阿里巴巴通义千问、腾讯和面壁智能共同出席的模型圆桌讨论。圆桌讨论没有进行模型的直接对比，而是聚焦于应用契合度：工作负载需要什么、它应该在哪里运行以及它在部署后的行为方式。

图 2. Arm、阿里巴巴通义千问、腾讯、面壁智能和 Ultralytics 在 Arm Create 上的模型圆桌讨论。

为工作负载选择合适的模型#

移动应用中的快速回复功能、对大型文档集进行推理的云端代理以及边缘视觉管道，对模型的要求截然不同。作为圆桌会议上的视觉 AI 代表，Rick 带来了边缘视角，在这里延迟、效率和端侧可靠性通常比模型大小更重要。

Arm AI Portal：让 Ultralytics YOLO 在 Arm 上更易于使用#

就在 Arm Create 深圳站举办前几天，Arm 推出了 Arm AI Portal，这是一个帮助开发者和 AI 代理在 Arm 计算平台上发现、优化和部署 AI 软件的中心。开发者可以找到具有性能和准确率数据的特定任务预优化模型，比较延迟、内存和模型大小，并访问代码示例和部署工作流。

发布时即提供的预优化 Ultralytics YOLO 模型#

Ultralytics YOLO 是发布时即提供的预优化模型之一，与阿里巴巴通义千问和 Google Gemma 并列，Ultralytics 作为生态系统合作伙伴对该门户提供了支持。

Ultralytics YOLO26n 在 Arm 上的性能提升#

早期成果令人鼓舞。在两种设置下，Ultralytics YOLO26n 通过单线程执行实现了超过 40% 的性能提升：

• 搭载 SME2 的 vivo X300 智能手机上的 FP16 对比 FP32
• 搭载 NEON 的 Raspberry Pi 5 上的 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、基准测试和手动微调模型所花费的时间，从而开辟了一条从模型选择到在 Arm 硬件上部署的更快路径。它支持了我们的使命，即让最先进的视觉 AI 对每个人来说都简单且易于使用。在 Arm AI Portal 上探索 Ultralytics YOLO。

要点总结#

感谢 Arm 团队接待我们，也感谢所有驻足探讨边缘部署、量化和现实世界视觉 AI 的每个人。深圳站的对话展示了当模型、工具和硬件被设计为协同工作时，边缘 AI 生态系统成熟的速度有多快。

下一站 Arm Create 将前往美国，我们期待继续进行探讨。在此期间，请访问 Ultralytics 文档开始在您自己的边缘设备上部署 Ultralytics YOLO。