Axelera AI 通过 Ultralytics YOLO 实现边缘视觉 AI

Axelera AI 是一家欧洲半导体公司，致力于构建功能强大、节能的 AI 芯片，用于在边缘运行计算机视觉。 例如，他们的 Metis AI 处理单元（AIPU）被用于零售、安全和制造等行业。

为了让客户更容易构建和部署 AI 应用程序，Axelera 将 Ultralytics YOLO 模型集成到他们的 Voyager SDK 中，这是一个软件平台，可以简化 Metis AIPU 上的模型优化、部署和加速，从而使实时视觉 AI 更快、更简单、更具可扩展性。

重新定义视觉 AI 硬件加速

Axelera AI 成立于 2021 年，总部位于荷兰，旨在解决一个根本问题：传统的 AI 硬件是为云端而非边缘计算而构建的。为了弥补这一差距，该公司开发了 Metis AIPU。 

它是一款高性能、低功耗的芯片，专为边缘工作负载而设计——即在设备本地运行的 AI 任务，在这些任务中，速度、隐私和能源效率至关重要。

它由其专有的数字内存计算 (D-IMC) 技术提供支持，该技术使数据能够直接在存储位置进行处理，并显着降低延迟和能源使用。凭借完全集成的软件堆栈和普及 AI 的使命，Axelera 正在使高性能 AI 更易于访问。

在边缘 AI 硬件上运行模型的挑战

为了在边缘提供无缝的 AI 体验，Axelera AI 旨在提供不仅仅是高性能硬件。客户还需要一种简单可靠的方式来运行实时计算机视觉解决方案，而无需复杂的工具或耗时的自定义。许多现有模型太大、太慢，或者不太适合资源受限的环境。

零售分析、工厂自动化和监控系统通常依赖于快速、准确的视觉洞察来支持运营。然而，传统的模型和基于云的解决方案通常无法满足这些边缘 AI 应用的低延迟、能源效率和设备端处理要求。

Axelera 开始寻找一个模型套件，该套件准确、易于实施，并且能够在 Metis AI 处理单元上高效运行。合适的解决方案将补充其硬件功能，同时简化开发并加快在各种边缘 AI 用例中的部署。

 使用 Ultralytics YOLO 加速边缘 AI 推理

Axelera AI 将 Ultralytics YOLO 模型集成到其 Voyager SDK 中，以更快、更轻松、更可扩展地构建和部署边缘 AI 应用程序。该 SDK 包含一个模型库，其中包含即用型 YOLO 模型，并自动执行整个流程，涵盖预处理、推理和后处理，这些都针对 Metis AI 处理单元进行了优化。

​

通过这种集成，客户可以直接使用预训练的 Ultralytics YOLO 模型，也可以使用自己的模型，并在边缘硬件上实现无缝加速。凭借对并行和级联模型执行的支持，Metis AIPU 能够实现高级多模型设置，例如姿势估计后进行分割。这非常适合零售、安全和工业自动化中的复杂任务。

Ultralytics YOLO 模型支持的实时计算机视觉任务与 Axelera 高效的硬件和软件堆栈相结合，可提供出色的每瓦和每美元性能。对于客户而言，这意味着更准确的结果、更快的部署以及在边缘扩展视觉 AI 的更低门槛。

为何选择 Ultralytics YOLO 模型？

Axelera AI 与 Ultralytics 合作，将 Ultralytics YOLO 模型集成到其平台中，因为它们在准确性、速度和易用性方面表现出色。通过支持多种 Ultralytics YOLO 变体，Axelera AI 客户可以在 Metis AIPU 上评估各种工作负载和性能需求。

通过 Ultralytics 企业许可，Axelera 提供了对全套 YOLO 模型进行评估和开发的访问权限。对于商业部署，客户需要直接通过许可表格从 Ultralytics 获得自己的许可，以确保合规性并支持边缘视觉人工智能的可扩展创新。

通过 Axelera AI 的 Voyager SDK 大规模利用 Ultralytics YOLO 模型

通过 Ultralytics YOLO 模型和 Axelera AI 的 Voyager SDK，用户可以直接在 Metis AI 处理单元上部署精确、低延迟的计算机视觉应用程序。此外，访问多个 YOLO 变体使客户能够根据其应用程序的特定需求调整性能。

例如，Axelera AI 已经看到客户在各种领域测试基于 YOLO 的解决方案，例如：

• 零售：结合姿势估计、分割和目标检测的多模型流水线可用于支持诸如减少损耗和库存跟踪之类的任务。这些部署可以在嵌入式平台上高效运行，例如与 Metis AIPU 配对的 Raspberry Pi 5。
  
  
• 制造业： 客户可以使用并行模型执行在单个芯片上执行同步任务，例如缺陷检测、产品分类和姿势估计，以提高吞吐量并降低硬件成本。
  
  
• 监控： YOLO 的实时目标检测功能可用于分析全分辨率的 4K 和 8K 视频流，从而在高危环境中实现高精度安全监控和态势感知。这比传统的高分辨率相机降采样方案要好得多。
  
  
• 医疗保健：优化的YOLO流程可以支持肿瘤识别，为设备上的医学成像提供高推理速度和可靠的准确性。

这些用例展示了 Axelera AI 的边缘 AI 硬件和 Ultralytics YOLO 模型如何在各行各业中实现高性能、高能效的视觉 AI 创新。

利用 Ultralytics YOLO 推动下一波边缘 AI 浪潮

随着 Axelera AI 继续专注于扩展对高性能边缘 AI 的访问，它正在将强大的硬件和可靠的视觉模型结合在一起，以帮助客户构建更智能、更快速的应用程序。 

通过 Voyager SDK 提供的 Ultralytics YOLO 模型和 Metis AIPU 硬件，用户可以轻松地跨行业开发和扩展实时计算机视觉解决方案。这种合作支持着一个不断壮大的开发者和企业社区，他们致力于将 AI 更贴近数据创建的地方，从而提高边缘的效率、响应能力和创新能力。

准备好加速您的边缘 AI 之旅了吗？探索我们的 GitHub 存储库，了解 YOLO 模型如何为 零售业中的 AI 和 物流中的计算机视觉 等创新提供支持。亲身体验我们的 Vision AI 工具，了解许可选项，探索如何释放高性能、高能效的边缘计算机视觉。