Ultralytics 在 GitHub 2024 Octoverse 报告中排名第 5

我们很高兴与 Ultralytics 和视觉 AI 社区分享一个重要里程碑。在 GitHub 的 Octoverse 2024报告中，我们的开源代码库在吸引首次贡献者最多的所有开源和公共项目中位列全球第 5。

这一认可让我们与 Microsoft 的 VS Code、Flutter 和 LangChain 等有影响力的项目并列，也超过了一些规模最大、影响力最广的科技组织。这不仅是一份荣誉，更有力地体现了全球开发者社区对我们的工具、使命和愿景的信任。

图 1. Ultralytics 在 GitHub 的 Octoverse 2024 报告中排名第 5。

Ultralytics 始终致力于构建世界一流的 AI，让 AI 保持开放、易于使用，并以实际需求为导向。从 Ultralytics YOLO 模型到训练工作流、文档和部署工具，Ultralytics 的每个方面都由全球各地的社区贡献者共同塑造，他们包括学生、研究人员、初创公司和开发者。这一里程碑证明了我们以社区为先的 AI 和计算机视觉理念，也激励我们不断提高标准。

在本文中，我们将深入探讨这一里程碑为何重要——它不仅关系到 Ultralytics 和我们的社区，也关系到开源 AI 和计算机视觉的未来。

Ultralytics 的首次贡献者如何折射出更大的趋势#

Ultralytics 成为 GitHub 上首次贡献者首选的开源平台之一，这不仅是一项令人振奋的成就，更直接体现了我们的使命。我们致力于让 AI 不仅达到最先进水平，也保持开放、易于理解，并让世界各地的开发者都能轻松使用。

根据 GitHub 的 Octoverse 2024 报告，去年有超过 140 万名开发者首次为开源项目做出贡献。这股增长不仅仅是一种趋势，更是一个有力的信号。

图 2. GitHub 公共贡献总数（2021-2024 年）。

首次贡献是衡量信任、易用性和实际社区影响力最明确的指标之一。当开发者选择 Ultralytics 迈出第一步时，这意味着他们认为我们的生态系统易于理解，能够参与贡献，并能与之共同成长。

跻身全球排名前五的项目，进一步证明我们不仅在构建前沿工具，也在通过欢迎并支持新一代开发者和研究人员，助力塑造 AI 的未来。

这提醒我们，开放式创新之所以能够扩展，并不是因为它速度快或形式炫目，而是因为它能够共享。简而言之，推动我们不断前进的动力，来自一个持续壮大的全球社区，大家正在携手共建。

深入了解 AI 热潮#

接下来，让我们退后一步，看看 AI 和开源领域的整体趋势如何影响开发者活动，以及 Ultralytics 在其中扮演着什么角色。

AI 热潮在 2010 年代末期开始逐渐升温，但近年来势头前所未有，也正在改变开发者构建软件的方式。仅在 2024 年，GitHub 上的生成式 AI 项目就同比增长了 98%，公共和开源代码库的贡献数量也接近 10 亿。这些数字展现了全球社区在软件实验、交付和扩展方面的重大变化。

Python 是这场变革的核心。2024 年，Python 正式成为 GitHub 上使用最广泛的编程语言，十多年来首次超过 JavaScript（这种语言传统上用于构建网站和 Web 应用）。这一变化源于机器学习、数据科学和 AI 等领域影响力的不断扩大；对许多开发者和研究人员来说，Python 已成为首选语言。

图 3. Python 是 2024 年使用最广泛的编程语言。

例如，Jupyter Notebooks是一款常用于编写和运行 Python 代码的工具，还能配合数据可视化和说明内容使用，其使用量增长了 92%。这一增长直接反映了动手实验、数据分析和 AI 模型开发已成为现代软件工作流的核心部分，不仅用于研究，也应用于生产环境。

Ultralytics 如何融入全球 AI 热潮#

这一趋势与 Ultralytics 社区的构建方式高度契合。开源 Ultralytics YOLO 模型兼具 AI 的易用性和实际应用价值。从智慧城市中的边缘设备，到机器人视觉系统和制造业，世界各地的开发者选择我们的工具，不仅因为性能出色，还因为这些工具易于理解、能够适应不同需求，并且以可靠性为设计重点。

随着全球开发者生态系统不断扩大，我们每天都能看到新的贡献者、应用场景和创新涌现。无论是学生在 Jupyter Notebooks 中进行实验、团队将 YOLO 集成到生产系统，还是首次贡献者探索开源 AI，这都是一项集体努力，正在重新构想计算机视觉工具的构建和使用方式。

Ultralytics GitHub 社区的影响力#

了解了 AI 项目近期的增长后，让我们花些时间聊聊 Ultralytics GitHub 社区所做出的杰出贡献。

从创立之初，Ultralytics 就以开放协作的方式发展，并在全球开发者宝贵的反馈、贡献和协作中不断成长。最初只是创始人兼 CEO Glenn Jocher的一个愿景，如今已发展成为充满活力的全球社区。

我们衷心感谢一路同行的每一位伙伴——无论是贡献代码、提供反馈、测试功能，还是在 GitHub 上点亮一颗星。没有你们，就没有今天的 Ultralytics。

正如 Glenn Jocher 所说：“开源 AI 从一开始就是 Ultralytics 的基石。每一份贡献都帮助我们突破 AI 的极限，而我们正在携手打造真正能够改变世界的成果。”

快速了解 Ultralytics GitHub 社区的影响力：

• Ultralytics GitHub 星标数：100K
• PyPI 下载量：8500 万次
• 每天通过 Ultralytics pip 包训练 300 万个模型。

归根结底，开源 AI 社区中的每一项贡献都推动着增长并加强全球协作。这对 Ultralytics 至关重要，也是全球支持开源 AI 的更大运动的一部分。

有趣的是，GitHub 的 2024 年开源调查显示，开源领域正变得越来越多元化：如今有 30% 的受访者自我认同为少数群体成员，比上一轮调查增加了 43%。随着全球开发者社区不断扩大，这种多元化预计还会进一步提升，尤其是在印度等快速发展的地区。印度有望在 2028 年成为规模最大的开发者社区，巴西和尼日利亚也将继续发展。

图 4. 我们看到开源技术领域的全球参与度不断提高。

从开源到 Ultralytics YOLO 的实际应用#

有时，很难直观理解数字在现实世界中的影响。不过，只要看看 Ultralytics YOLO 模型在各行业中的应用，就能清楚地看到开源 AI 带来的影响。

Ultralytics YOLO 模型正在重新定义野生动物保护、安全系统和智慧城市等领域。例如，在野生动物保护中，搭载 YOLO 的无人机可用于跟踪濒危物种并监测其生存环境，为研究人员提供实时洞察，帮助保护这些动物。

同样，在安全系统中，YOLO 可协助进行威胁检测，从而更快响应并更好地保护高风险场景中的人员。与此同时，在智慧城市中，YOLO 模型可用于管理交通、监控公共区域，并通过提供最新的视觉输入数据来提升整体安全性。

计算机视觉的最新进展，例如从 Ultralytics YOLOv8到 Ultralytics YOLO11的改进，展现了这项技术取得的巨大进步。尤其是 YOLO11，它处理速度更快、准确性更高，因此在实时目标检测等任务中更加有效。

它可用于自动驾驶汽车中的障碍物检测，也可用于医疗领域分析医学图像、加快诊断。这些实际应用表明，YOLO 等开源 AI 模型能够解决现实问题，并以切实的方式改善世界。

图 5. 使用 Ultralytics YOLO11 监控交通。

要点#

Ultralytics 在 GitHub 的 Octoverse 2024 报告中，凭借吸引首次贡献者数量最多而排名第 5，这是一个重要里程碑，体现了人们对开源 AI 日益增长的兴趣。这一认可与我们的模型在野生动物保护、安全系统和智慧城市等领域的实际应用共同表明，计算机视觉正在得到广泛应用。

Ultralytics 这类开源项目由协作和全球参与推动。我们很自豪能成为这场运动的一部分，并将继续致力于让视觉 AI 更易于使用，赋能世界各地的开发者。

如果你以前从未为开源项目做过贡献，现在正是绝佳时机。加入我们的全球社区。无论你刚刚起步，还是正在大规模部署，这里都有你的一席之地。

浏览我们的 GitHub 代码库参与其中，查看我们的许可选项，利用计算机视觉解决方案，并了解 YOLO 模型如何在农业中的 AI和医疗保健中的视觉 AI等领域产生实际影响。